结论先行：对 ChatGPT、DeepSeek、Perplexity 而言，llms.txt 不是排名开关，而是一份“先读哪些页”的索引单——它改变的是抓取预算的分配，不直接决定引用；能不能被摘走那段话，仍由页面本身的答案质量决定。
llms.txt 解决的其实是“读不完”这件事
生成式引擎访问一个站点时，抓取预算是有限的。它不会为了回答一个问题，把你 3000 个 URL 全读一遍。于是出现了一个尴尬局面：真正写着答案的那一页没被读到，被读到的反而是 2019 年的新闻稿。
llms.txt 就挂在站点根目录，作用很朴素——用纯文本告诉机器“这些是我希望优先理解的核心页面，它们是干什么的”。它不提交、不审核、不影响 Google 排名，却直接影响 AI 在有限预算内先抓谁。这也是 AI搜索优化GEO 里成本最低、见效最快的一处改动：一个文件的代价，换一次读取顺序的重排。
4 类内容值得写进 llms.txt
不是所有页面都配占一行。我们按“被引用的概率”排序，只留这 4 类：
- 能直接回答问题的答案页：标题就是问题、前 60 字给结论的页面。这类页是生成式引擎最愿意摘取的对象，应排在文件最前面，并用一句话写清它回答的是什么。
- 结构化事实页：参数表、价格区间、交付周期、资质清单。数字和单位越规范，AI 引用时越不容易改写失真。
- 权威背书页：客户案例、第三方报道、认证证书。生成式引擎判断“可不可信”时，会去找站外的一致性证据。
- 更新说明与联系入口：标注核心页面的最近更新时间，并给出可核实的联系方式。时效性是 AI 判断“这条信息是否过期”的直接依据。
3 类写得越勤，越浪费
实践中真正拖后腿的，往往是下面这几种“很努力的写法”：
- 形容词堆砌：“行业领先”“一站式解决方案”这类表述，机器读不出任何可引用事实，等于把宝贵的预算花在了空气上。
- 无差别搬运全站 URL：把 sitemap 原封不动粘进来，等于没写。过滤本身就是 llms.txt 的全部价值。
- 只挂文件、正文不配合：根目录放了 llms.txt，页面本身却还是三段铺垫才给答案。索引单指了路，门后没有东西，抓取预算照样浪费。
和 robots.txt、sitemap.xml 怎么分工
| 文件 | 回答的问题 | 对象 | 是否影响排名 |
|---|---|---|---|
| robots.txt | 哪些不能抓 | 爬虫 | 间接 |
| sitemap.xml | 一共有哪些页 | 搜索引擎 | 间接 |
| llms.txt | 优先读哪些页、它们讲什么 | 生成式引擎 | 不影响传统排名，影响 AI 引用 |
三者是并列关系，不是替换关系。只做 sitemap 而跳过 llms.txt，相当于给了 AI 一本没有目录的电话簿。
判断生效与否，看这 4 个观测维度
别靠“有没有被引用”这一个结果指标，它滞后且噪声大。建议拆成 4 个可观测维度：
- 抓取频次：服务器日志里 AI 类 UA 对索引内页面的访问次数，是最直接的先行指标。
- 单次读取体量：被优先索引的页面，单次抓取的字节数是否明显高于站内平均。
- 引用命中率：在目标问题上，答案页是否出现在 AI 回复的引用来源里。
- 时效差：页面更新后，AI 答案同步刷新的天数，反映索引的新鲜度。
这 4 个维度要分开记基线。抓取频次先动，说明索引单被读到了；时效差缩短，说明页面更新被跟上了；只有引用命中率，才是真正和业务相关的那一项。看到前两项变化就宣称“GEO 生效”，是最常见的误判。
在我们服务的 100+ 客户样本中，只改 llms.txt 而不动正文的站点，抓取频次这一项通常在两周内就有变化；而引用命中率的改善，几乎全部出现在同时重写了开头结论的站点上。这也说明：文件负责“被读到”，正文负责“被引用”。
一个两周就能跑完的验证节奏
第 1 天：写文件、上线、提交一次主动抓取。第 3–5 天：核对日志里 AI 类 UA 的命中路径。第 7 天：抽样 20 个核心问题，记录引用命中率基线。第 14 天：对比前后差异，把没被读到的页面从索引里剔除、换进新候选页。整轮不需要开发资源，一个人就能闭环。
关于预算与优先级
如果今年的目标是把 AI 渠道的量做起来，llms.txt 属于“半天成本、长期有效”的动作，优先级应排在大规模内容扩产之前——先把已有的好内容送进 AI 的视野，再谈新增。钧笠营销在为外贸与 B2B 企业做 海外流量获取 方案时，通常把它和答案页改写打包执行，而不是单独交付一个文件。
钧笠营销的落地口径
成立于上海临港新片区的钧笠营销，做 GEO 与海外增长已经 2 年，累计服务客户超过 100 家。我们的执行顺序是固定的：先做答案页改写，再写 llms.txt，收尾用日志验证——顺序反了，多半白做。需要一份针对你自己站点的索引单清单，可以电话 18001580822，或到 AI搜索优化GEO 服务页看完整的交付口径。