llms.txt 是一个放在网站根目录、用 Markdown 写成的纯文本文件，作用是给大语言模型（LLM）提供一份精简的内容索引，告诉 AI 你的网站有哪些重要页面、各自讲什么。它常被拿来和 robots.txt、sitemap.xml 类比——robots.txt 管"能不能爬"，sitemap 管"有哪些 URL"，而 llms.txt 想管的是"AI 该优先读哪几页、怎么读懂"。
自 2024 年 9 月被提出后，它常被说成"AI 时代的标配"。但要不要花时间做、对中文站有没有用，得用数据说话，而不是跟风。
一句话结论：截至 2026 年中，没有可测量的证据表明 llms.txt 能提升 AI 引用或排名，主流 AI 爬虫几乎不请求它。它对开发者文档站值得做，对绝大多数中文品牌/营销站属于"低成本顺手做、但别指望立刻见效"。 把同样的时间投到 robots 放行、内容可读性和结构化数据上，回报高得多。
llms.txt 是什么？一句定义
llms.txt 是一份位于 https://你的域名/llms.txt 的 Markdown 文件，用结构化的标题和链接列表，把网站最重要的内容"喂"给大模型，方便 AI 在回答问题时快速定位和理解你的站点。
它由 Answer.AI 联合创始人 Jeremy Howard 于 2024 年 9 月 3 日提出。动机很现实：大模型的上下文窗口装不下整个网站，而真实网页里充斥着导航、广告、JavaScript，转成干净文本既难又不准。llms.txt 的设想，是让网站主动给出一份"AI 友好"的精简索引，绕开这些噪音。
需要分清的是，llms.txt 是一个"提议中的社区规范"，不是 Google、OpenAI 或任何平台发布的官方标准。这一点直接决定了它今天的实际效果。
llms.txt 与 robots.txt、sitemap.xml 有何区别
三者都在根目录、都给机器看，但目的完全不同：
| 文件 | 面向对象 | 回答的问题 | 是否官方标准 |
|---|---|---|---|
| robots.txt | 所有爬虫 | 哪些路径能不能爬 | 是（事实标准） |
| sitemap.xml | 搜索引擎 | 站内有哪些 URL、更新频率 | 是（Google/Bing 支持） |
| llms.txt | 大语言模型 | AI 该优先读哪几页、怎么读懂 | 否（社区提议） |
简单说：robots.txt 是门禁，sitemap.xml 是全量地址簿，llms.txt 想当"给 AI 的精选导读"。前两个被搜索引擎明确支持，llms.txt 还没有。至于该给哪些 AI 爬虫放行，是 robots.txt 要解决的问题，和 llms.txt 是两回事。
llms.txt 长什么样？格式与 llms-full.txt 的区别
llms.txt 是合法 Markdown，按固定顺序排列：一个 H1（唯一必需项）、一段引用块摘要、可选的说明段落，再加若干 H2 分节，每节用列表列出关键链接。格式克制、能被任何标准 Markdown 解析器读取，是它和 XML 类格式最大的不同。
官方规范（见 llmstxt.org 的 /llms.txt 规范）定义的结构如下：
- H1 项目/站点名称——唯一强制项。
- 引用块
>摘要——一句话讲清网站是做什么的。 - 零个或多个普通段落——补充说明，不能再用标题。
- 若干 H2 分节——每节下用
- [链接标题](URL)：说明的格式列资源。 - 特殊的
## Optional分节——里面的链接在"需要更短上下文"时可被 AI 跳过。
规范还建议：给每个网页提供一个在原 URL 后加 .md 的纯文本镜像（如 /product 对应 /product.md），让 AI 拿到无噪音的正文。
llms.txt 和 llms-full.txt 是两份不同的文件，别搞混：
| 文件 | 内容 | 类比 |
|---|---|---|
/llms.txt |
导航索引：列关键页面+简短说明，不含正文 | 一本书的目录 |
/llms-full.txt |
全文合集：把核心内容塞进一个 Markdown，供 AI 一次读完 | 把整本书拼成一个文件 |
文档量大的站点，llms-full.txt 能让 AI 一次请求就拿到完整内容，理论上更准。但文件越大，越接近"把整站塞给模型"，实际收益和维护成本要权衡。
llms.txt 真的有用吗？2400 个域名的引用数据
直接给结论：目前没有可测量的证据表明 llms.txt 能提升 AI 引用率或排名，因为主流 AI 爬虫几乎不去请求这个文件。这不是观点，是日志和引用数据跑出来的结果。
MaxAEO 在 2026 年 2—4 月对 2,400 个追踪域名做了对照分析（完整方法见 Does llms.txt Work? Evidence From AI Citation Data），关键数字如下：
- 采用率仅 13.6%（326 个域名部署了 llms.txt）。
- 在 240 对条件相近的配对域名中，有 llms.txt 的 AI 引用率为 11.8%，没有的为 11.6%——差距只有 +0.2 个百分点，落在测量噪声范围内。
- 在部署前后做自身对比的 58 个域名，引用率中位变化为 +0.1pp，而同期对照组是 +0.2pp。换句话说，部署了的反而没比没部署的涨得多。
爬虫日志的证据更直接：
- 第三方监测 OtterlyAI 的 90 天实验里，62,100+ 次 AI 机器人访问中，只有 84 次（约 0.1%）请求了 /llms.txt。
- 技术团队 Evil Martians 对两个高流量站做 CDN 分析，GPTBot、ClaudeBot、PerplexityBot 对 Markdown 文件的请求数为零。
- MaxAEO 自有客户日志里，19 个站只有 3 个收到过 /llms.txt 请求，合计 41 次——同期 AI 爬虫抓取页面约 110 万次。
平台立场也一致：OpenAI、Google、Anthropic、Perplexity、Microsoft 没有任何一家承诺使用 llms.txt。Google 搜索倡导者 John Mueller 曾公开把它类比为早已弃用的 keywords meta 标签；Google 的 Gary Illyes 在 2025 年也表示 Google 不支持、也没有计划支持该文件。
唯一站得住脚的正向用途：开发者文档站。Stripe、Vercel、Cloudflare、Anthropic、Cursor 这些 API/工具产品都上了 llms.txt，因为它们的用户正用 Cursor、Claude Code、Copilot 这类编码助手实时拉取文档——这些 IDE Agent 确实会读 llms.txt。中文圈里，尤雨溪也给 Vue、Vite 生态做了 llms.txt，同样是文档场景。
中文站到底要不要做 llms.txt？
判断标准只有一条：你的内容会不会被 AI 编码助手或 Agent 在工作流里直接调用。 是，就做；如果只是想"被 AI 搜索更多提及、提升品牌可见度"，它今天给不了你这个结果，优先级应靠后。
按站点类型，给一份取舍清单：
建议做（投入产出比高）：
- 开发者文档 / API 站：用户拿 Cursor、Claude Code 直接拉文档，llms.txt 是真实入口。
- 技术 SaaS 的帮助中心：内容结构清晰、更新可自动化，顺手做没坏处。
- 本身就用 Mintlify、GitBook 等工具的站：这些平台能自动生成，几乎零成本。
可做可不做（顺手做，但别排期、别考核效果）：
- 品牌官网 / 营销站：低成本部署没问题，但别指望它带来提及或排名。
- 媒体 / 内容站：文章多、变化快，维护 llms-full.txt 成本高于收益。
先别做（把时间投到别处）：
- 资源紧张、目标是 AI 可见度的中文电商/消费品牌站：当下回报接近零。
- 正面临"AI 抓不到内容"这类基础问题的站：先解决能不能被爬、能不能被读，llms.txt 是锦上添花，不是雪中送炭。
对中文站还有一个常被忽略的现实：DeepSeek、豆包、Kimi、通义千问等国内 AI 平台，同样没有任何一家公开声明读取 llms.txt，整体态势和海外一致。所以"做了就能在 DeepSeek、豆包里被更多推荐"是没有依据的预期。真正影响中文 AI 引用的，是你的内容有没有出现在它们爱抓的来源里。
怎么写 llms.txt（附中文网站示例）
写一份合规 llms.txt 只需五步，10 分钟能搞定：
- 建文件：在站点根目录新建
llms.txt，确保能通过https://你的域名/llms.txt访问。 - 写 H1 + 摘要：一个 H1 放品牌名，紧跟一段
>引用块，一句话说清你是做什么的。 - 可选补充说明：用普通段落补关键背景（成立时间、核心场景），不要再用标题。
- 分节列链接：用 H2 把内容按"产品 / 文档 / 关于"等分组，每条用
- [标题](URL)：说明。 - 次要内容进 Optional：博客、归档等放到
## Optional，让 AI 在上下文紧张时可跳过。
一份中文品牌站的完整示例：
# 示例品牌（PinPai）
> 示例品牌是一家专注于办公协作软件的 SaaS 公司，主营在线文档、项目管理与团队知识库。
公司成立于 2019 年，总部位于杭州，服务超过 5 万家企业客户。
## 核心页面
- [产品介绍](https://example.com/product.md)：在线文档、项目管理、知识库三大模块功能说明
- [定价方案](https://example.com/pricing.md)：免费版、专业版、企业版的功能与价格对比
- [关于我们](https://example.com/about.md)：公司背景、团队与发展历程
## 帮助文档
- [快速开始](https://example.com/docs/quickstart.md)：5 分钟创建第一个团队空间
- [API 文档](https://example.com/docs/api.md)：REST 接口与鉴权说明
## Optional
- [博客](https://example.com/blog.md)：产品更新与行业观察
如果用 Mintlify、GitBook 等平台搭站，多数能一键生成 llms.txt，不必手写。部署前对照这份易踩的坑自查：
- 多个 H1：规范只允许一个 H1，多了会被判为不合法。
- 链接不写说明：
- [标题](URL)后面没有冒号说明，AI 就少了判断依据。 - 链接指向带噪音的 HTML 页：尽量指向
.md镜像或干净正文。 - 把整站链接全堆进去：llms.txt 是"精选导读"，不是第二份 sitemap，堆满反而稀释重点。
- 写完不更新：页面改版后链接失效，比没有还糟。
想让 AI 真正"读得懂"页面内容，光有 llms.txt 不够，正文本身的可读性更关键，可参考AI友好内容怎么写：定义、框架、示例与检查清单。
写完之后，怎么验证它有没有被读取
别凭感觉，用服务器日志验证。判断 llms.txt 有没有起作用，唯一可靠的方法是看 AI 爬虫到底有没有来请求这个文件，以及部署前后引用率有没有真实变化。 一套可复测的 30 天协议如下：
- 建基线：部署前先收集 2 周的 AI 引用数据和爬虫访问日志，作为对照。
- 按规范部署 llms.txt（和可选的 llms-full.txt）。
- 盯日志：在服务器/CDN 日志里筛 GPTBot、ClaudeBot、PerplexityBot 等 UA 对
/llms.txt的请求次数。 - 对比 30 天：把部署后 30 天的引用率与基线对比。
- 判读：变化必须明显超过正常的周间波动，才算"有效"，否则就是噪声。
绝大多数站跑完会发现：对 /llms.txt 的请求次数接近零。这正是前面那组数据的微观写照，也说明为什么不该把它当成 AI 可见度的主力抓手。持续追踪品牌在各 AI 平台的提及、引用来源与竞品表现（做法见AI品牌监控报告怎么写：指标、模板、预警阈值与周报范例），比盯一个文件更能反映真实的 AI 可见度变化。
比 llms.txt 更值得先做的三件事
如果目标是 AI 提及率和 AI 搜索排名，把精力按下面的顺序投入，回报远高于 llms.txt：
- 先确保 AI 爬得到、读得懂：检查 robots 是否放行主流 AI 爬虫、SPA 是否导致正文抓不到、关键内容是否藏在 JS 里。这是地基，不解决，后面都白做。
- 用结构化数据把品牌和产品讲清楚：Schema 能让 AI 准确理解"你是谁、卖什么、谁说的"；怎么把品牌和产品讲到 AI 能理解，可参考品牌介绍页怎么写：结构、模板、案例与AI可理解优化。
- 产出 AI 爱引用的内容、并持续监测：让权威来源、对比、数据出现在 AI 常抓的站点，再用监测工具量化提及率、情感和引用来源的变化；如何用一周快速验证监测口径，见AI搜索监测POC怎么做：7天验证品牌提及、引用和竞品数据可信度。
常见问题
llms.txt 是必须做的吗？
不是。它是社区提议，非任何平台官方标准。开发者文档站建议做；普通中文品牌站属于低成本可选项，做了也别期待立竿见影的提及或排名提升。
做了 llms.txt，能直接提升在 DeepSeek、豆包里的品牌推荐吗？
目前没有依据。国内外主流 AI 平台都未公开承诺读取 llms.txt，2400 个域名的对照数据也显示引用率差异仅 0.2 个百分点，落在噪声内。
llms.txt 和 sitemap.xml 能互相替代吗？
不能。sitemap.xml 面向搜索引擎、给全量 URL，被 Google/Bing 正式支持；llms.txt 面向大模型、给精选导读，尚未被平台采用。两者目的不同，sitemap 仍是基础设施，llms.txt 是补充实验。
llms.txt 和 llms-full.txt 要不要都做？
看内容量。llms.txt 是目录、llms-full.txt 是全文合集。文档量小，一个 llms.txt 足够；文档量大且希望 AI 一次读完，再加 llms-full.txt，但要权衡维护成本。
怎么知道 llms.txt 到底有没有被 AI 读？
查服务器或 CDN 日志，筛主流 AI 爬虫 UA 对 /llms.txt 的请求次数，并对比部署前后 30 天的引用率变化。多数站会发现请求次数接近零。