- [ 首页 ](/zh/) / - 什么是 llms.txt # 什么是 `llms.txt`？ 对拟议的 llms.txt 约定、当前范围、实测采用情况及其局限的简明定义。 最近更新: 2026年8月25日 本页内容 - [ 定义 ](#definition) - [ llms.txt、llmstxt、llms txt，还是 llmtxt？ ](#spelling) - [ 来源 ](#origin) - [ 它解决了什么问题 ](#what-it-solves) - [ llms.txt 不是什么 ](#what-it-is-not) - [ 采用情况（2026 年） ](#adoption) - [ 典型使用场景 ](#use-cases) - [ 快速 FAQ ](#faq) ## 定义 **`llms.txt`** 是一个发布在网站根目录或特定 路径下的 Markdown 文件。它为兼容代理提供该范围内有用资源的简短精选地图。熟悉的 根 URL 是 `https://example.com/llms.txt`. 它由 [Answer.AI 的 Jeremy Howard](https://www.answer.ai/posts/2024-09-03-llmstxt.html) 于 2024年9月 作为一项社区约定提出，而非正式标准。规范正文位于 [llmstxt.org](https://llmstxt.org/). 示例 一句话版本 一份人类可读的 Markdown 映射，发布在根目录或更具体的路径中，兼容客户端可使用它查找该范围内的精选资源。 ## llms.txt、llmstxt、llms txt，还是 llmtxt？ 建议的文件名是 **`llms.txt`**。人们还会搜索 `llmstxt`, `llms txt`, `llmtxt`，以及 `llm.txt` ，尤其是当他们省略标点、记错复数形式，或指的是该主题而非具体文件时。 这些拼写方式并不代表不同的格式。请使用 `llms.txt` 在文档中以及发布的 URL 上。llmtxt.info 是这个参考站点；llmstxt.org 发布当前的 v2 提案。 本页将这些变体归类，而不是创建重复页面。 ## 来源 Howard 最初的论点是：与典型网站相比，大语言模型的上下文窗口很小。每当有人想询问你的产品时，都让模型抓取整个网站既浪费资源，又会造成信息损失。网站已经发布了 `robots.txt` 供爬虫使用，并发布 `sitemap.xml` 用于搜索引擎， `llms.txt` 提出了一种专门面向 LLM 的并行约定。 该格式故意保持极简： - Markdown（便于人类阅读和编辑）。 - 可预测的结构（使解析器能够可靠地提取分节和链接）。 - 经过筛选，而非面面俱到（目标是提供信号，而非追求覆盖率）。 ## 它解决了什么问题 - **上下文窗口限制。** 即使模型支持数百万 token，加载整个文档网站仍会产生延迟和成本。一个聚焦的 `llms.txt` 可以减少不必要的检索，前提是兼容客户端只需要少量规范资源。 - **发现噪声。** 对 LLM 而言，网站中最有价值的内容很少与访问量最高的内容相同。 `llms.txt` 允许您明确告诉模型：“这些 页面值得阅读。” - **可审阅的合同。** 如果文件受版本控制并在 CI 中检查，其 URL 就会成为一个明确的可测试界面，可在页面移动时进行验证。 - **配套文件 `llms-full.txt`.** 一个由多家文档发布者采用的相关约定，会将所链接页面的内容以拼接 Markdown 的形式内联，使 LLM 客户端只需加载一个网址即可获得完整、可直接输入的语料库。 ## llms.txt 不是什么 实际使用中存在很多混淆。明确来说： - **它不是 W3C、IETF 或其他形式的标准化协议。** 它是一个社区提案。 - **任何主要 LLM 提供商都未强制执行它。** 没有任何供应商（OpenAI、Anthropic、Google、 Meta）公开承诺会持续抓取该文件。目前的采用大多是机会性的。 - **这不是排名信号。** 发布 `llms.txt` 不会提高你的网站在传统搜索或 AI Overviews 中的排名。截至 2026年8月，没有公开证据支持这种说法。 - **它不能取代 `robots.txt`, `sitemap.xml`，或 schema.org。** 参见专门的 [对比页面](/zh/comparison/). - **它不是安全机制。** 你在 `llms.txt` 按定义就是公开的。 ## 采用情况（2026 年） 采用确实存在，但并不均衡。大多数早期采用者是 **文档平台和开发者工具公司**：Anthropic、Cloudflare、Vercel、Stripe、Mintlify、Perplexity。在开发者工具领域之外，覆盖率仍然很低。 我们固定的技术导向样本发现了 122 个有效根目录文件，样本来自 217 个可访问主机，日期为 2026-09-07，速率为 56.2%。这是透明的固定样本测量结果，而不是对整个 Web 采用率的估计。 质疑意见也有记录。Google 的 John Mueller 曾公开表达谨慎态度，Mintlify 自身也曾 [正面回应了质疑](https://www.mintlify.com/blog/what-is-llms-txt)：该文件作为稳定、机器可读的契约很有用，但 LLM 对它的实际使用情况取决于各家供应商不断变化的选择。 警告 如实披露 截至 2026年8月，没有公开证据确认 ChatGPT、Claude、Gemini 或 Perplexity 会持续获取 /llms.txt 回答用户问题时。应将 llms.txt 作为 你可控制的基础设施 ，而不是作为保证性的渠道。 ## 典型用例 - **API 文档。** 直接将 LLM 映射到你的端点参考页面和教程。 - **SaaS 营销网站。** 帮助助手依据一小组规范页面回答有关你的产品、定价和集成的问题。 - **开源项目。** 引导客户端访问 README、贡献指南、示例和变更日志。 - **知识库。** 应突出少量高质量答案，而不是列出每篇帮助中心文章。 ## 快速 FAQ **是否 `llms.txt` 是必需的吗？** 不。它是自愿的。 **它会改善我的 SEO 吗？** 并非直接如此。请阅读我们的 [优势与局限](/zh/benefits-limitations/) 页面，以获取谨慎的回答。 **如何创建？** 请参阅 [分步指南](/zh/how-to-create/)，或者使用 [生成器](/zh/generator/) 来搭建基线。 ## 继续阅读 - [llms.txt 文件](/zh/llms-txt-file/)，位置、范围和发现机制。 - [格式参考](/zh/llms-txt-format/)，必需元素和可选元素。 - [llms.txt 的工作方式](/zh/how-it-works/), 文件结构和解析规则。 - [与 robots.txt 和 sitemap.xml 的比较](/zh/comparison/). - [最佳实践](/zh/best-practices/)，十条规则与常见错误。 ## 来源 - [ llmstxt.org，社区提案 ](https://llmstxt.org/) - [ Google Search Central，生成式 AI 优化指南 ](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide) - [ Answer.AI、Jeremy Howard，原始提案（2024-09-03） ](https://www.answer.ai/posts/2024-09-03-llmstxt.html) - [ 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) - [ Mintlify，拆解怀疑 ](https://www.mintlify.com/blog/what-is-llms-txt) - [ Ahrefs，13.7 万站点请求日志研究（2026年6月） ](https://ahrefs.com/blog/llmstxt-study/) - [ SE Ranking，30 万域名采用率研究（2025年6月） ](https://seranking.com/blog/llms-txt/)