结论：llms.txt 是加分项，不是入场券
结论先摆在这里：ChatGPT 与 Perplexity 会把 llms.txt 当成站点地图的补充说明来读，DeepSeek 和豆包基本只认正文与 JSON-LD，Claude 的处理方式介于两者之间。指望一个文件换来源源不断的 AI 引用，多半是三个月颗粒无收。
我们团队在上海临港新片区做了两年出海增长，累计服务 100+ 家客户，最常撞见的场面是：技术同事把 llms.txt 传到根目录，群里一片欢呼，隔周再问”AI 怎么还不提我们”。症结从来不是”有没有这个文件”，而是”文件里写的，和 AI 真正会读的，压根不是一回事”。
llms.txt、robots.txt、sitemap.xml，三件事别混为一谈
robots.txt 管的是”能不能抓”，sitemap.xml 管的是”有哪些页面”，llms.txt 管的是”哪些页面值得优先理解、该怎么理解”。前两个是机器协议，第三个更像写给大模型的一封说明信。把 sitemap 直接复制过去当 llms.txt，等于把通讯录当自我介绍发出去——地址一个不错，AI 却仍然不知道你是谁。
一次典型误判：某工业阀门站点把 1,842 个 URL 全量堆进 llms.txt，文件体积 412KB。抓取上下文是有限的，真正被读完的往往只有开头几十行，剩下的都是沉没成本。改成分层写法后，文件压到 11KB，四周内被引用次数从 0 涨到 7。
4处最容易写错的地方
1. 把它当第二份站点地图
纯 URL 列表对大模型几乎没有价值。它想知道的是：这家公司做什么、服务哪些行业、哪几页是权威内容、哪些参数属于可引用的硬数据。建议 URL 与一句话说明成对出现，比例控制在 1:1，宁可少而准。
2. 描述写成广告语
“行业领先””一站式解决方案”这类表述 AI 摘不走，因为不可验证。换成可核对的陈述：成立年限、服务客户数、交付周期、认证编号。能被摘走的句子永远带着数字和主语，这一点在生成式引擎里几乎没有例外。
3. 不标优先级
没有层级，AI 只能按出现顺序理解。把产品能力页、参数页、案例页放在最前，把关于我们、招聘、新闻动态沉到后面。顺序本身就是权重，这点常被忽略。
4. 上线之后从不更新
内容迭代了，llms.txt 还停在半年前的版本，等于递给 AI 一张过期地图。建议把它绑进发布流程：每月固定同步一次，新增核心页面当天补录，删除下架页面同步清理。
30天验证表：怎么判断它到底有没有用
光看”有没有被引用”太粗，需要拆成几个可观测的阶段指标。
| 时间节点 | 动作 | 观测指标 | 正常区间 |
|---|---|---|---|
| 第 1–3 天 | 文件上线，核对抓取日志 | AI 爬虫 UA 出现次数 | 1–5 次/周 |
| 第 7 天 | 分层改写，压缩体积 | 文件体积 / URL 条数 | ≤20KB / ≤120 条 |
| 第 14 天 | 核心页补齐 JSON-LD | 结构化数据校验通过率 | 100% |
| 第 21 天 | 10 个真实提问做回归 | 被引用或被提及次数 | ≥3 次 |
| 第 30 天 | 对比上线前基线 | AI 来源会话占比 | 提升 0.5–2 个百分点 |
第 21 天这一栏尤其关键。挑 10 个客户真实的采购提问，分别在 ChatGPT、DeepSeek、Gemini 里跑一遍，记录品牌是否被点名、引用的是不是你希望被摘走的那一页。跑不通，说明优先级排错了，回去改第 3 条。
文件之外，主战场仍在这两处
llms.txt 只是一块引路牌。真正决定 AI 摘不摘你的，还是正文的可抽取性、结构化数据的完整性，以及站外有没有第三方在替你说话。在 AI搜索优化GEO 这套系统活儿里，它大概只占十分之一的权重，剩下九成落在内容与外链上——本末倒置是最常见的浪费。
如果团队腾不出人手，外贸流量获取 是我们这两年做得最多的部分，从文件配置、Schema 标注到内容改写可以整包接。有拿不准的细节，直接找钧笠营销：18001580822。
钧笠营销，扎根上海临港新片区，两年专注出海增长，已服务 100+ 客户。