在传统 SEO 里，`sitemap.xml` 告诉搜索引擎你的页面在哪。在生成式引擎优化（GEO）里，`llms.txt` 告诉 AI 模型你的页面是什么意思。它是放在域名根目录的一个纯 Markdown 文件，把你最重要内容的精选、极省 token 的摘要，直接递给 ChatGPT、Claude、Perplexity 等 AI 智能体，让它们能准确地描述并引用你，而不是靠猜。
这是一份动手搭建的指南。读完你会写出一个真正的 `llms.txt`、在你的平台上部署好，并确认它已上线且正确。如果你想了解这套格式背后的策略——该优先放哪些页面、为什么它能撬动 AI 可见度——请配合阅读[如何为 GEO 创建 llms.txt 文件](/zh/blog/how-to-create-llms-txt-file-for-geo)。这里，我们只专注把文件建出来、发上线。
核心要点
- `llms.txt` 是一个 Markdown 文件，服务于 `https://yourdomain.com/llms.txt`。没有 XML、没有特殊编码，只有标题、一句摘要，以及带一行说明的精选链接。 - 它的结构固定到足够简单：一个写你名字的 H1、一段引用块摘要，然后是若干 H2 分区，归类你最重要的链接，每条链接后跟一句简短描述。 - 狠心精选。价值在于挑出你最好的页面并加以描述，而不是把所有页面都列上。臃肿的文件违背了初衷。 - 部署方式因平台而异。静态站或代码站把文件放进 public 根目录；Shopify 或 WordPress 则路由该路径、或用插件/应用。 - 验证：在浏览器里打开该 URL，确认它返回纯文本、状态码 200，并检查链接可正常打开。
步骤 1：挑出值得收录的页面
动笔之前，先列出 AI 真正需要用来理解并推荐你的页面。想想模型要回答「[你的品牌]是什么、值不值得用」需要哪些内容。通常包括你的首页或关于页、核心产品或功能页、定价页、关键文档，以及几篇基石指南。剔除登录页、购物车页、标签归档，以及单薄或重复的页面。`llms.txt` 的全部意义就在于精选，所以一份聚焦的十到二十个强页清单，胜过两百个页面的堆砌。
步骤 2：用 Markdown 写文件
在纯文本编辑器里新建一个名为 `llms.txt` 的文件。格式是标准 Markdown，但有固定形状：一个写项目名的 H1、一段概括你在做什么的引用块摘要，然后是若干归类链接的 H2 分区，每条链接在冒号后跟一句简短描述。
这是一个可套用的示例：
``` # Acme Analytics
Acme Analytics is a GEO monitoring platform for DTC brands that tracks how AI models mention and cite them.
## Core pages - [About Acme](https://acme.com/about): Who we are, what we build, and who it is for. - [Pricing](https://acme.com/pricing): Current plans and what each tier includes. - [Product overview](https://acme.com/product): How the platform works, end to end.
## Documentation - [Quickstart](https://acme.com/docs/quickstart): Get set up in five minutes. - [API reference](https://acme.com/docs/api): Full endpoints and parameters.
## Key concepts - [What is AIGVR](https://acme.com/blog/aigvr): How the AI visibility score is calculated. - [Share of Model explained](https://acme.com/blog/share-of-model): How to read your share versus competitors. ```
摘要引用块要写得事实、具体，因为模型常常原样搬走它。每条链接描述写成一句干净、说明读者会读到什么的话。用绝对 URL，不要相对路径，因为这个文件可能脱离上下文被读取。
步骤 3：部署到你的域名根目录
文件必须恰好响应在 `https://yourdomain.com/llms.txt`。怎么放上去，取决于你的技术栈。
静态站或从代码部署的站（Next.js、Astro、Hugo、纯 HTML），把 `llms.txt` 放进 public 或根输出目录，比如 `public/llms.txt`，再重新部署。WordPress 上，用主机的文件管理器或 SFTP 把文件传到站点根目录，或用能生成并托管它的 SEO/`llms.txt` 插件。Shopify 上，你无法直接写入真正的根目录，可以建一个页面、或用应用把内容服务在 `/llms.txt` 路径，或从该路径重定向到一个托管文件；平台专属处理见[Shopify GEO 优化指南](/zh/blog/shopify-geo-optimization-guide-geoly)。无论哪个平台，测试都一样：原始 URL 必须以纯文本返回你的 Markdown。
步骤 4：保持准确与更新
一份塞满过期事实的 `llms.txt` 比没有更糟，因为你是在把错误信息直接喂给模型。定价变了就更新文件；发了基石指南就加进去；被链页面搬家了就修 URL。把它当作一份活文档，每当核心页面变动就复查一次，并配上干净的 `robots.txt` 规则，让你邀请来的爬虫真能访问到你列出的页面。这一面见[如何为 AI 爬虫配置 robots.txt](/zh/blog/configure-robots-txt-ai)。
如何验证
在浏览器里打开 `https://yourdomain.com/llms.txt`。你应看到原始 Markdown 以纯文本呈现，而不是渲染后的页面或 404。确认响应是 200、内容类型为 text，然后点开几条链接，确保它们能打开真实页面。最后，拿你摘要和描述里的事实，对照真实网站核查一遍。
要确认它在发挥作用，就观察一段时间里关于你品牌的 AI 答案是否更准确。GEOly 这个 GEO 数据平台在这里能帮上忙：其 29 项 GEO 审计会检查 AI 就绪度信号，包括爬虫能否访问你的关键页面；它的监控会追踪 ChatGPT、Gemini、Perplexity、Copilot、Grok 如何描述并引用你，让你看到文件的效果，而不是凭空假设。在 `app.geoly.ai` 提供免费 3 天试用；更多见[GEOly AI 是什么](/zh/blog/what-is-geoly-ai)与[GEOly AI 作者页](/zh/blog/author/geoly-ai)。
常见坑
- 把所有页面都列上，而不是精选。文件的价值在于取舍，臃肿只会埋没你最好的页面。 - 用相对 URL。文件可能脱离你的域名上下文被读取，所以始终用绝对链接。 - 让事实变过期，尤其是定价和产品说法，之后被原样引用回你身上。 - 没打开 URL 就假定部署成功。躺在错误目录里的文件谁也帮不了。 - 在 `llms.txt` 里邀请爬虫，却在 `robots.txt` 里封禁它们。这两个文件必须口径一致。
常见问题
llms.txt 是 AI 模型必须遵守的官方标准吗？
它是一个被广泛采纳的社区约定，而非每个模型都保证遵守的强制规范。采纳度在上升，因为它创建成本低、又确实有用；即便对那些看心情读取的爬虫，提供一张干净精选的地图也不花你什么代价。
llms.txt 和 robots.txt 有什么区别？
`robots.txt` 控制访问，告诉爬虫哪些可以抓、哪些不行；`llms.txt` 提供理解，带着上下文把模型指向你最好的内容。一个是门，一个是向导，你要让两者配置一致。
这篇指南和你另一篇 llms.txt 文章有何不同？
这篇是动手搭建：写文件、按平台部署、验证上线。姊妹篇[如何为 GEO 创建 llms.txt 文件](/zh/blog/how-to-create-llms-txt-file-for-geo)讲的是收录什么、以及它为何影响 AI 可见度的策略。两篇一起读。
我需要单独一个 llms-full.txt 文件吗？
有些站会加一个 `llms-full.txt`，为能摄入更多内容的模型提供扩展版。先从一份精炼的 `llms.txt` 开始，因为一个精选到位的核心文件已能带来大部分价值。若你的文档量大到值得，再补上更全的版本。
llms.txt 能保证 AI 模型引用我的品牌吗？
不能。它让你的内容更易理解、减少猜测，但引用仍取决于实体清晰度、爬虫访问和可信第三方信源。把 `llms.txt` 当作更大 GEO 策略里一个高回报的层，而不是万能钥匙。
