- [ 首页 ](/zh/) / - 优势与局限 # 优势与局限 对 llms.txt 的作用、无作用以及是否该发布它的坦诚说明。 最近更新: 2026年9月8日 本页内容 - [ 优势 ](#benefits) - [ 局限 ](#limitations) - [ 有文档依据的审慎态度 ](#skepticism) - [ 何时值得采用 ](#when) - [ 不适用时 ](#when-not) - [ 如何衡量影响 ](#measure) ## 优势 ### 1. 已发布的机器可读约定 第一个具体收益是内部的：编写一个 `llms.txt` 迫使你的团队就哪些页面真正代表你的项目达成一致。大多数团队会发现， 他们发布的文件比导航更短、更清晰，而这个练习本身就很有价值。 ### 2. 为会读取它的助手提供更好的 grounding 可以将兼容的助手或自定义检索流程配置为读取 `llms.txt` 并访问其中的链接。文件可为这一流程提供经过筛选的页面。仅仅发布文件，并不能证明 Claude、ChatGPT、Perplexity 或其他产品会自动获取它或将其用于回答；应验证具体集成的实际行为。 ### 3. 一个稳定、可引用的语料库 带有 `llms-full.txt` 配套使用时，助手可以将你的文档作为单个制品摄取，并向用户引用具体 URL。这种引用行为对信任和点击率都很重要。 ### 4. 消除有歧义品牌的歧义 如果你的名称与其他公司、产品或术语冲突，页面顶部的 blockquote 摘要 会 `llms.txt` 是一次性消歧工具。你可以控制助手读到的关于你的第一句话。 ### 5. “GEO”/“AEO”工作的可靠基线 生成式引擎优化（GEO）和答案引擎优化（AEO）仍属于新兴学科。发布 `llms.txt` 会为兼容客户端创建具体资源，但本身不能证明或导致引用。 ## 局限 ### 1. 没有主要搜索引擎确认会读取它 Google 搜索明确表示其不使用 `llms.txt`。没有任何主要 LLM 提供商记录在推理时自动将其用作依据。发布文件并不等于确认接收端实际使用了它。 ### 2. 它不能控制爬虫行为 `llms.txt` 没有允许或禁止语义。如果你想阻止 `GPTBot` 或 `ClaudeBot`，你仍然需要 `robots.txt`. 这两个文件解决的是不同的问题。 ### 3. 接收端的采用情况并不均衡 可以配置兼容客户端或检索工作流来获取 `llms.txt`。 必须逐个产品验证提供方支持情况，不能从发布本身推断。 ### 4. 规范由社区维护，尚未标准化 该提案位于 [llmstxt.org](https://llmstxt.org/) 且尚未经过 IETF 或 W3C 流程。预计会有小幅变化，因此应根据实时规范进行验证，而不是依据冻结的副本。 ### 5. 容易过度优化 这种格式会诱发与 2010 年元标签相同的问题：关键词堆砌、营销文案和隐藏意图。请克制。人类也会读取该文件，而这些做法很快就会显得质量低劣。 ## 有文档依据的审慎态度 存在健康的争论。最常被引用的怀疑声音是 John Mueller（Google 搜索倡导者）， 他在 2025 和 2026 年间的 Bluesky 和 Mastodon 帖子中多次质疑其采用和影响。他的总结，转述如下： *发布该文件成本很低；期待 Google 使用它只是一厢情愿。* 实际的反驳更为狭窄：如果网站有兼容的客户端或检索工作流可供测试，并且能保持索引最新，那么它就可以合理地使用该文件。 这并不会使 `llms.txt` 一种通用的 grounding 机制。请根据一个有名称、 可衡量的工作流来决定，而不是基于对提供方行为的假设。 备注 诚实的摘要 如果要发布，请因为 LLM 助手对您的用户很重要而发布，而不是因为期待 Google 排名变化。将发布、检索和使用作为三个独立结果来衡量。 ## 何时值得采用 - **文档网站。** 投资回报率最高：助手已经是开发者的主要发现渠道。 - **开发者工具和 API。** 原因相同。与 `llms-full.txt`. - **面向技术买家的 SaaS。** 买家会使用 AI 工具进行研究；清晰的文件能改善这些工具对您的描述。 - **知识库和参考网站。** Wiki、术语表和分类体系都能从明确的人工筛选中受益。 - **名称存在冲突的品牌。** 引用块摘要是你消除歧义的唯一机会。 ## 何时大概率不该这样做 - **纯电商目录。** 产品列表变化太频繁；结构化数据（Schema.org）是更好的选择。 - **以视觉或媒体为主的网站。** 图库、视频平台和设计作品集从 Markdown 文本文件中获得的收益很少。 - **URL 不稳定的网站。** 如果您的网址频繁变动，文件就会失效，而陈旧的网址会损害其声誉。 - **高度依赖身份验证的网站。** 公开列出私有页面既无用又有风险。 ## 如何衡量影响 坦诚来说：衡量很困难。目前没有适用于 LLM 引用的 Google Search Console。可以使用的一套实用工具包括： - **服务器日志。** 筛选已知的 LLM 用户代理（`GPTBot`, `ClaudeBot`, `PerplexityBot`, `OAI-SearchBot`）请求 `/llms.txt` 和 `/llms-full.txt`. - **引荐来源分析。** 查看来自以下来源的引荐流量： `chat.openai.com`, `claude.ai`, `perplexity.ai`。该处的流量在 2025 年大幅增长。 - **手动提示词。** 定期向 Claude、ChatGPT 和 Perplexity 询问与你的产品有关的问题。记录它们是否引用你的域名，以及选择了哪些 URL。 - **品牌监测。** Profound、Otterly、Xfunnel 和 AthenaHQ 等工具会跟踪大语言模型对品牌的提及；这些工具尚处于早期阶段，但发展很快。 ## 下一步 - [最佳实践](/zh/best-practices/)，规则与错误。 - [真实案例](/zh/examples/). - [验证器](/zh/validator/). ## 来源 - [ llmstxt.org，社区提案 ](https://llmstxt.org/) - [ John Mueller（Google），关于 llms.txt 的 Bluesky 线程 ](https://bsky.app/profile/johnmu.com) - [ Search Engine Land，llms.txt 是 AI 的藏宝图 ](https://searchengineland.com/llms-txt-isnt-robots-txt-its-a-treasure-map-for-ai-456586) - [ SE Ranking，llms.txt 采用率研究（30 万域名） ](https://seranking.com/blog/llms-txt/)