首页 / GEO专题 / 技术GEO

llms.txt文件

给 AI 一张站点地图,降低理解成本

要点速览

文件位置站点根目录 /llms.txt
格式Markdown 结构化清单
核心内容重点页面 + 一句话说明
性质建议信号,非强制标准
配套llms-full.txt(可选)
维护随内容结构更新

AI 抓取你的站点时,面对的是和搜索引擎一样的海量 URL,但它没有几十年积累的站点理解。llms.txt 相当于在门口放一张导览图:告诉 AI 我是谁、哪些页面最重要、分别讲什么。本篇讲怎么写一份真正有用的 llms.txt。

一、llms.txt 是什么、不是什么

llms.txt 是一份约定格式的 markdown 文件:顶部一行站点名称与定位,然后按模块列出重点页面的链接与一句说明。它的设计目的就是让大模型在有限的上下文里快速抓住站点要点。

要认清它的性质:建议信号而非强制标准。不是所有引擎都会读取它,但它成本极低、没有副作用,且采用的引擎在增加——属于「做了不亏」的基础配置。

它也不替代 robots 与 sitemap:robots 管抓取权限,sitemap 管全量 URL,llms.txt 管「重点与语义」。三者分工不同,互相配合。

二、一份合格的 llms.txt 长什么样

结构建议:第一行 H1 写站点名与定位(含品牌核心关键词);随后按业务模块分 H2 小节(如产品、解决方案、行业知识、常见问题),每节列出 5–10 个核心页面的链接,每个链接后跟一句话说明。

写说明句时用「页面回答什么问题」的表述,而不是页面标题复读——AI 需要的是语义索引,不是目录复述。

控制在合理长度:整个文件以 AI 一次上下文能读完为宜(通常几十行)。它是一张「导览图」,不是「全站目录」——全量 URL 交给 sitemap。

三、落地步骤

第一步:盘核心页。把站点按业务模块分组,每模块挑出最值得 AI 优先看到的页面(产品主页、核心问答、数据/方法论页)。

第二步:写文件并上传。按格式生成 llms.txt 上传到根目录,确认 https://你的域名/llms.txt 可以直接访问。

第三步:纳入维护。内容结构变化(新模块、核心页调整)时同步更新 llms.txt;把它加进发布检查清单,与 sitemap 更新绑定。

四、进阶与验证

可选配套 llms-full.txt:把核心内容的完整文本合并为一个大文件,供支持「全文模式」的引擎使用;站点内容不多时可以先不做,优先保证 llms.txt 质量。

验证方式:在各 AI 引擎问「XX 网站是做什么的 / 有哪些核心内容」,观察回答是否引用了 llms.txt 中强调的定位与页面;同时留意日志中对 /llms.txt 的请求。

保持耐心与持续:llms.txt 是降低理解成本的信号之一,它的价值会在「内容质量 + 权威信号 + 技术可及」的整体配合中显现。

常见问题

llms.txt 是官方标准吗?+
目前是社区约定俗成的规范,尚非所有引擎强制读取的官方标准。正因成本几乎为零且方向明确,建议尽早配置——先发的信号积累没有坏处。
llms.txt 和 sitemap 有什么区别?+
sitemap 给机器「全量 URL 清单」,llms.txt 给 AI「重点页面 + 语义说明」。一个管「有哪些」,一个管「什么重要、是什么意思」,互补而非替代。
文件要更新多勤?+
跟随内容结构:新增核心模块、调整重点页面时更新即可,无需逐篇追加。建议与 sitemap 更新共用一个检查节点。
把全部页面都写进去更好吗?+
不好。llms.txt 的价值在于「重点筛选」——塞满全站反而稀释核心信号,也容易超出 AI 的有效上下文。每模块精选 5–10 个最有代表性的页面。
怎么判断它起作用了?+
两个观察点:日志里 /llms.txt 的请求是否出现;AI 回答「你们网站有什么」时是否使用了你在文件中强调的表述。它属于慢变量,按季度回顾即可。

相关专题

← 返回GEO专题导航

↑