llms.txt实战指南：如何创建及真实效果预期

快速答案：创建一个 llms.txt 是免费的，只需十分钟，但目前没有任何公开证据表明它能提升生成式引擎对你的引用量。把它当作一个低成本的附加项，绝不应该作为你 GEO 策略的第一优先级。

llms.txt 一句话是什么？

它相当于 robots.txt，但面向的是 AI 代理而非搜索引擎爬虫：一个简单的 Markdown 文件，位于 tudominio.com/llms.txt，描述你的网站是什么、有哪些部分以及哪些链接最相关，以便模型在回答的 grounding 过程中决定查阅时能快速定位。

换句话说，它是给大语言模型看的“网站导航图”，而不是给传统爬虫看的索引文件。它的设计初衷是帮助模型在几秒内理解你的站点结构，而不是穷举所有 URL。

它真能提升 AI 引擎的引用吗？

没有可验证的公开证据

没有任何主流生成式引擎确认使用它。这是一个由社区提出的标准，而非已验证的因素。

Google 的 Gary Illyes 已公开确认，Google 不使用也不打算支持它。据 GenScore 博客指出，它目前是一个由社区推动的提案，未获得任何主要生成式引擎的确认采用。

这不意味着它无用——而是说你不应该仅仅因为发布了它，就期待在 AI 声量份额上看到可测量的变化。

它试图撬动的信号：权威度

根据 GenScore 的 GEO Score 框架，llms.txt 旨在影响的是“权威度”信号——即 AI 是否将你的域名作为来源引用。在 GEO Score 的五项指标中（存在感 66%、突出度 80%、声量份额 64%、权威度 55%、技术就绪度 70%——示例数据，结构参照产品），权威度既不是权重最高的，也不是唯一需要优化的。

如何一步步创建你的 llms.txt

不需要任何特殊工具——它就是一个纯文本文件。

在域名根目录创建文件

与 robots.txt 或 sitemap.xml 同级，可通过 https://tudominio.com/llms.txt 访问。

快速行动：检查你是否已有：在浏览器中打开 tudominio.com/llms.txt。

以 H1 和一句话概括开头

用你的品牌名称作为标题，后跟一句解释你做什么的话——不要营销术语，用平实语言。这是模型最先读到的内容。

快速行动：像在电梯里向别人介绍那样写这句话。

按板块添加关键链接

你的文档、最重要的产品页面、博客。每行一个 Markdown 格式链接，附一句说明其内容。如果网站较大，用二级标题分组。

快速行动：如果超过一屏，删掉一半。少即是多。

保持简短并发布

它不是完整的 sitemap 或全部内容的堆砌：而是一个导向性摘要。发布后，只在网站结构变化时更新——新增板块、品牌重塑——而不是每周例行更新。

一个真实的最小化示例

以下是 GenScore 自己的 llms.txt 大致遵循的结构：

# 你的品牌名称

> 一句清晰的话概括你做什么，不用营销术语。

## 产品

- [定价页面](https://tudominio.com/precios)：每个套餐包含什么。
- [免费试用](https://tudominio.com/registro)：如何开始。

## 文档

- [文档](https://tudominio.com/docs)：总索引。

没有更多了。一个标题、一句描述，以及几个指向网站真正重要内容的链接板块。

创建 llms.txt 时常见的错误

• 不要直接复制粘贴你的 sitemap.xml：它是为爬虫设计的，包含数百个 URL，不是为了让模型在几秒内理解你的网站。
• 不要把它当作关键词列表。它不是用于排名定位的内容，而是导航地图。
• 不要期望可测量的结果。没有任何主流引擎确认使用它。
• 不要把它放在任何有证据支持的事项之前。

应该优先做什么（或同时做）

如果你有十分钟，创建 llms.txt——它免费且无害。但如果你必须选择本周把时间花在哪里，以下是确实有证据能推动效果的事项：

杠杆	有效证据	投入
结构化数据（Article, FAQPage）	已确认，减少提取时的歧义	低
可引用内容，含数字和来源	已确认，模型引用具体数据	中
真实的域名权威度	已确认，观察到的相关性最强	高
llms.txt	无证据，无引擎确认使用	低

你可以阅读更多关于结构化数据和 AI 引用的内容。若想了解你当前在这些信号上的位置，这正是 GEO Score 计算的那项复合指标。

常见问题

llms.txt 会取代 robots.txt 或 sitemap 吗？

不会。各自功能不同：robots.txt 控制机器人可以抓取什么，sitemap.xml 列出所有可索引 URL，而 llms.txt 是面向模型快速阅读的导向性摘要。你可以——也应该——同时拥有三者，互不冲突。

它是 Google、OpenAI 或 Anthropic 的官方标准吗？

不是。这是由 AI 工具社区推动的提案，不是任何生成式引擎提供商正式发布或支持的标准。这并不使它无效，但解释了为何其实际采用率仍不确定。

一个做得不好的 llms.txt 会伤害我吗？

不会直接伤害——搜索引擎不会因为文件内容而惩罚它，不像配置错误的 robots.txt 那样可能意外阻止抓取。做得不好的 llms.txt 真正的风险只是时间浪费，而非惩罚。

本文作者为 GenScore 团队，基于自有工具的真实扫描数据撰写关于 AI 引擎品牌可见性的内容。没有证据时，我们会如实说明。

背景补充

grounding（接地/基础化） 是大语言模型在生成回答时的一个关键机制：模型不会完全依赖训练时记住的知识，而是会实时检索并引用外部资料，让回答有据可查、减少幻觉。在联网搜索或 RAG（检索增强生成）场景中，模型先获取网页内容，再基于这些内容组织答案并标注来源。llms.txt 的设计意图正是在这个检索环节发挥作用——当模型或检索代理决定是否要抓取某个站点时，一个清晰、简短的导航文件可能帮助它更快判断该站点的相关部分在哪里，从而影响它是否引用、引用哪一页。但需要注意：grounding 的具体实现由各家引擎自行决定，外部标准能否被采纳完全取决于引擎方的工程选择，而非网站方的一厢情愿。

GEO（Generative Engine Optimization，生成式引擎优化） 是相对于传统 SEO 的新兴领域。传统 SEO 追求在搜索结果列表中排名靠前，而 GEO 追求的是让品牌出现在 AI 生成答案的正文与引用来源中——用户可能根本不点击链接，所以“被引用”比“被点击”更重要。GEO Score 这类框架通常把可见性拆成多个维度：存在感指你的内容是否被引擎抓取收录；突出度指在回答中被提及的程度；声量份额（Share of Voice）指在同类问题中你被提及的比例相对于竞品；权威度指引擎是否把域名当作可信来源引用；技术就绪度指站点结构对 AI 抓取是否友好。理解这些维度有助于把有限精力投入到收益最高的环节，而不是被单一名词（如 llms.txt）牵着走。

结构化数据（Schema.org 标记） 是以 JSON-LD 或微数据形式嵌入网页的语义标注，用机器可读的方式声明“这是一篇文章”“这是常见问题列表”“这是产品价格”。对 AI 引擎而言，它的价值在于减少解析歧义：模型不必从杂乱 HTML 里猜测哪段是标题、哪段是答案，而能直接读取字段。例如 FAQPage 标记会把问题和答案成对声明，Article 标记会标明作者、发布时间、正文，这些信息正是引擎在 grounding 时最需要的高置信度来源。相比 llms.txt 的自愿性提案，结构化数据是被 Google、Bing 等长期支持、有官方文档背书的格式，因此投入产出比更明确，是 GEO 中优先级更高的技术动作。