GEO 知识库 / 词条
什么是 llms.txt？怎么写？
llms.txt 是一个提案中的站点标准：在网站根目录放一个 Markdown 文件（/llms.txt），用结构化的方式告诉 AI 大模型”这个站是谁、有什么内容、重点在哪”。提案于 2024 年 9 月由 Answer.AI 联合创始人 Jeremy Howard 在 llmstxt.org 发起，目前是社区规范形态，尚未成为强制标准。
与 robots.txt 的区别
| robots.txt | llms.txt | |
|---|---|---|
| 读者 | 爬虫程序 | 大模型与 AI 应用 |
| 说的事 | 哪些路径不许抓 | 站点是什么、值得读什么 |
| 格式 | 约定的指令语法 | Markdown |
两者互补：robots 管门禁，llms.txt 管导览。
格式长什么样
# 站点名称
> 一句话定位：谁、做什么、给谁用。
## 核心页面
- [产品介绍](https://example.com/product/): 一句话说明
- [使用文档](https://example.com/docs/): 一句话说明
## 政策与联系
- [隐私政策](https://example.com/privacy/): 一句话说明要点：H1 站点名 + 引用块简介 + 分节链接列表，每条链接带一句说明。还可以再提供 llms-full.txt（核心页面全文合并），供需要深度抓取的场景使用。
采用现状：诚实地说
截至 2026 年，主流 AI 引擎（ChatGPT、Claude、Gemini 等）尚不强制依赖 llms.txt 抓取内容，采用方以开发者文档、工具类站点居多——它不是”配了就涨流量”的开关。但它的价值在于成本极低的结构化自述：模型或 Agent 真读到它时，能在一次请求里拿到站点的实体信息（谁、做什么、卖什么、怎么联系），与 JSON-LD、FAQ 结构化数据同属”可理解性”配置。对认真做 GEO 的站点，这是低门槛的基础动作。
三个常见误区
- 关键词堆砌：把 llms.txt 当关键词垃圾场，AI 读出来一样是低质信号。
- 只写营销话术：缺少定位、功能、定价、渠道这些事实的结构化陈述，模型无从建立实体认知。
- 写完不更新：内容与官网脱节，反而给模型制造矛盾信息。工程上的解法是构建时自动生成——本站的 llms.txt 与 llms-full.txt 即从内容集合自动产出，每发一篇词条自动收录（见 官网对 AI 友好吗？可抓取性自查清单）。
现在有必要配吗
各模型尚未强制依赖 llms.txt，但它语义清晰、成本极低，也不影响既有 SEO 配置。配好之后，把精力放回更本质的两件事：内容本身的可引用性（见 什么样的内容容易被 AI 引用），以及持续的品牌可见性监测。问潮（AnswerTide） 的 GEO 物料生成功能可以基于品牌信息一键生成 llms.txt 与 FAQ 结构化数据，减少手写格式的出错空间。
常见问题
llms.txt 会影响 SEO 排名吗？
不会，两者互不冲突。llms.txt 面向 AI 大模型的自述导览，robots.txt、sitemap、JSON-LD 等 SEO 配置照常生效；它属于 GEO 的"可理解性"配置，成本极低，不影响既有搜索表现。
llms-full.txt 是什么？必须配吗？
llms-full.txt 是 llms.txt 的可选补充：把核心页面的全文合并成一个文件，供需要深度抓取的 AI 与 Agent 一次读全。站点内容少时不急，内容多、更新勤时价值更明显——关键是与真实内容保持同步。
不懂格式，怎么生成 llms.txt？
格式本身很简单（H1 站点名 + 引用块简介 + 分节链接列表），也可以用问潮 AnswerTide 的 GEO 物料生成功能，基于品牌信息一键生成 llms.txt 与 FAQ 结构化数据，减少手写出错。本站自己的 llms.txt 就是构建时自动生成的，发文即同步。