结论:llms.txt 不是排名开关。ChatGPT、DeepSeek、Perplexity 会不会引用你,取决于页面能不能被切块解析;llms.txt 的作用,是把这份”内容地图”递到 AI 手里,减少它判断的成本。
过去半年,几乎每个做海外流量的团队都问过同一个问题:根目录上要不要放一个 llms.txt?放了有没有用?我们见过不少站点兴冲冲加上文件,三个月过去,AI 搜索里的品牌露出一条没变,于是判定”这东西是玄学”。
问题不在文件本身,而在大家对它的期待放错了位置。
llms.txt 解决的,是 robots.txt 管不了的那件事
robots.txt 只回答”能不能抓”:允许、禁止、抓取频率。它不回答”该抓哪几篇、按什么顺序读、哪份是最新口径”。生成式引擎的检索成本比传统爬虫高得多——它要在有限的上下文窗口里挑出能回答问题的那几段,而不是把整站都读一遍。
llms.txt 补的就是这个缺口。它本质上是一份给机器看的目录:站点是做什么的、核心页面有哪些、哪些内容优先、哪些内容已经过期不要再引。对做 AI搜索优化GEO 的团队来说,这是把”内容资产盘点”变成机器可读格式的最低门槛动作。
写了却没效果,通常是这4层信任链断了一层
1. 文件层:放得对不对、能不能访问
必须是站点根目录下的 /llms.txt,返回 200,纯文本,没有被 CDN 缓存成登录页或重定向。这一步看似低幼,实测里大概三成站点栽在这里——文件挂在二级目录、被缓存规则拦掉、或者提交的是 HTML 富文本。
2. 解析层:页面本身是不是机器可读
AI 引用的是正文,不是渲染后的视觉。如果核心段落依赖 JS 二次加载、标题是图片、段落里塞满了弹窗组件,那 llms.txt 写得再漂亮也没意义。检查办法很朴素:关掉 JS 看页面还剩多少有效文字。
3. 内容层:有没有可被单独摘走的句子
生成式引擎摘的是”能独立成立的结论句”,不是铺陈。一段里如果只有形容词没有主语、数字和边界,它没法引用。
4. 印证层:站外有没有第三方说法
AI 更倾向于采信能被交叉验证的信息。自家页面是孤证,第三方评测、行业媒体、问答社区里的一致说法,才是让它敢引用的底气。
7天验证表:别靠感觉,靠抽样
| 时间 | 动作 | 判据 |
|---|---|---|
| Day 1-2 | 部署 /llms.txt 并核对抓取日志 | 日志出现 AI 爬虫对根目录文件的请求 |
| Day 3-4 | 抽 10 个真实客户提问,在 3 个平台逐一测试 | 记录是否被提及、提及位置、引用链接 |
| Day 5-6 | 把未被引用的页面改写为结论前置结构 | 首屏 60 字内出现可独立成立的判断 |
| Day 7 | 对比引用率与改写前后差值 | 引用率是否有可归因的变化 |
这张表的价值在于把”AI 有没有看到我”变成一个每周可复核的数字,而不是一种心情。
Schema、llms.txt、GEO 内容策略,三者不是一回事
很多人把这三者混着用,结果每个都做到六十分。
- Schema 结构化数据:告诉机器”这是什么”——产品价格、FAQ、作者、时间,是事实层的标注。
- llms.txt:告诉机器”去哪找、先看哪份”,是目录层的指引。
- GEO 内容策略:让内容本身值得被引,是表达层的工程。
缺 Schema,事实会被误读;缺 llms.txt,重点会被稀释;缺内容策略,前两者都白搭。三件事的优先级应该是内容策略 > Schema > llms.txt,顺序反过来做,投入产出比会很难看。
5个高频误区
- 把 llms.txt 当成提交入口,以为加了就会被收录——它不是 sitemap 的替代品。
- 文件里塞满营销话术,机器读不出任何结构化信息。
- 只写英文版本,中文站点的多语言矩阵各写一份互不相干。
- 一次写完后不再更新,产品换代了文件内容还停留在旧口径。
- 不看抓取日志,全靠在对话框里问一句”你知道某某品牌吗”来判断效果。
该花多少力气在这件事上
给一个务实的比例:如果一个季度的 AI 搜索优化预算是 100 份力气,内容结构改造拿走 60 份,Schema 与站点体检拿走 30 份,llms.txt 这类目录层工作 10 份足够。它是临门一脚,不是全场。
上海临港新片区的钧笠营销团队在过去两年服务 100+ 出海客户时,反复验证的一件事是:AI 搜索里拿不到露出,八成问题出在内容和结构上,只有两成是技术配置没补齐。把力气压对地方,比多加几个文件有用得多。
如果你正准备把 llms.txt 配置排进本季度计划,建议先做一轮内容可引用性体检,再决定文件里放什么。需要一起过一遍站点现状,可以联系钧笠营销:18001580822。