进阶 10 分钟GEO

llms.txt：被ChatGPT和引用的行业标准 Perplexity

llms.txt 文件是一个简单的约定：放置在您网站根目录下的一个 Markdown 文件，用于以人工智能可读的方式展示网站内容。其目标是帮助像 ChatGPT、Perplexity 或 Claude 这样的模型理解您的网站，并在理想情况下正确引用它。本指南涵盖精确规格、与 llms-full.txt 的区别、逐步部署方法，以及对人工智能响应中可见性（GEO）的实际影响——不会过度宣传。

作者： Mohamed Meguedmi·更新于 2026-09-03·已在 Windows、macOS 和 Linux 上测试

#为什么需要 llms.txt 文件

现代网页对机器来说极难解析：菜单、Cookie 横幅、脚本、广告区块、嵌套的 HTML。人类会不假思索地过滤掉这些内容；语言模型却必须猜测有用内容在哪里，而且它的上下文窗口有限。结果就是：当 AI 读取您的网页时，其 token 预算中很大一部分都耗在了无关信息上。

llms.txt 解决了这一问题。它是一个 Markdown 格式的文本文件，放在您域名的根目录下（地址为 /llms.txt），为 AI 提供一份清晰简洁的网站概览：网站介绍什么，以及应访问哪些页面了解详情。这一想法直接受到 robots.txt（告诉爬虫可以访问哪些位置）和 sitemap.xml（列出 URL）的启发，但面向的是 LLM 阅读，而非传统的索引爬虫。

i
该标准源自何处
llms.txt 由 Jeremy Howard（Answer.AI 和 fast.ai 的联合创始人）于2024年9月提出。该参考规范发布在 llmstxt.org 上。这是一项开放的社区共识，而非由 OpenAI 或 Google 强制规定的标准。

#llms.txt 规范

本地 AI 套件

只需 1 小时，即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档，无需云端。

  • 在线空间，终身可用
  • PDF + 文件
  • 终身更新
本地 AI 套件 →或 所有套件终身使用权 — 49 € →

格式刻意保持极简，完全基于标准 Markdown，且按严格顺序排列，以确保程序可解析：

一个H1标题
网站或项目的名称。这是该规范中唯一必需的元素。
一个引用块
用一句摘要描述网站，并在句首加上 >。强烈建议提供这句摘要：它往往是 AI 最先阅读的内容。
自由格式的段落
零个或多个文本块（无标题）用于提供上下文：网站面向哪些用户，如何阅读，是否存在特定约定。
H2章节
每个 H2 标题下都汇集了一份指向您重要页面的 Markdown 链接列表，格式为 [标题](url): 可选的页面说明。
一个名为“Optional”的章节
一个标题必须恰好为 Optional 的 H2 二级标题，其中的链接被标记为次要链接：赶时间的 AI 可以忽略这些链接，以节省上下文空间。
/llms.txt
# QuelLLM.fr

> Guides francophones pour installer et faire tourner des LLM open-weight en local (Ollama, LM Studio, llama.cpp), du choix du matériel au RAG.

Site en français destiné aux utilisateurs qui veulent auto-héberger une IA sans cloud. Chaque guide est autonome et daté.

## Guides essentiels

- [Installer Ollama en 5 minutes](https://quelllm.fr/guides/installer-ollama.html): prérequis RAM/GPU et premier modèle
- [Choisir sa quantification (Q4, Q5, Q8, FP16)](https://quelllm.fr/guides/choisir-quantification-q4-q5-q8.html): compromis qualité/mémoire
- [Le RAG expliqué simplement](https://quelllm.fr/guides/rag-debutant-c-est-quoi-comment-ca-fonctionne.html): discuter avec ses documents

## Matériel

- [Quel LLM sur RTX 4090 ?](https://quelllm.fr/guides/llm-rtx-4090.html): la référence grand public 24 Go

## Optional

- [Mentions légales](https://quelllm.fr/legal.html): informations éditeur
→
使用绝对 URL，并让链接指向干净的内容
始终使用绝对 URL（https://...）：该文件可能会脱离上下文被读取。如果您的页面有原始 Markdown 版本（许多文档生成器会提供 /page.md），请链接到该版本，而不是 HTML 页面：这样 AI 能获得更多上下文，您也能减少 token 的浪费。

#llms.txt 与 llms-full.txt

这两个文件的用途不同，也不要求两者都具备。

llms.txt
一个索引。简短、结构化的文件，列出您的网页并附有简要描述。AI 会读取该索引以理解网站架构，然后查找感兴趣的页面。这是优先创建的文件。
llms-full.txt
将网站（或文档）的全部内容拼接成一个大型 Markdown 文件。AI 可以一次性读入，无需发起其他请求。对于需要完整载入长上下文的技术文档，这很方便。

实际应用中：博客或指南目录等内容型网站使用 llms.txt；如果您的内容是希望能整份“粘贴”到 LLM 中的文档，则可额外使用 llms-full.txt。注意，llms-full.txt 很容易达到数兆字节——只有在适合您的具体情况时才生成。

#逐步创建您的文件

  1. 01
    列出真正重要的页面
    不要把所有内容都包含进来。请选择 10 到 50 个体现您价值的页面：核心指南、产品页和关键文档。目标是建立一个有用信息密集的索引，而不是复制一份 sitemap。
  2. 02
    编写头部信息
    先用一个H1标题写出网站名称，再用一个引用块，以一句话准确概括您网站上的内容。请如实描述：AI在介绍您时，往往会原样引用这句话。
  3. 03
    按H2标题分组链接
    按主题划分章节（例如「安装」、「硬件」、「RAG」）。每个链接后需在冒号后添加一段简短说明，说明该页面提供了什么内容。这些说明有助于AI选择合适的页面。
  4. 04
    添加 Optional 部分
    将辅助页面（法律声明、联系、关于）放入该部分，让 AI 知道这些页面属于次要内容。
  5. 05
    验证Markdown
    请确认 Markdown 语法有效，且所有链接均使用绝对 URL 并能正常访问。语法错误会使文件失去作用。
!
不要让它变得过时
一个长期不更新的 llms.txt，如果指向失效的 URL，或仍在描述已经发生变化的网站，比完全没有这个文件更糟：它会让 AI 对您形成错误的认识。每次重大改版时都应重新生成该文件，最好通过脚本在构建时完成。

#部署到静态网站或 WordPress 上

文件必须能通过 https://votre-domaine.fr/llms.txt 这一确切地址访问，并以纯文本形式提供（Content-Type 为 text/plain 或 text/markdown）。具体方法取决于您的托管环境。

在静态网站（Hugo、Astro、Eleventy，或一个简单的 HTML 文件夹）上，操作很简单：将 llms.txt 文件放在发布目录的根目录下（通常为 public/ 或 static/），与 robots.txt 放在同一位置。网站会自动对外提供该文件。

终端
# Déposer le fichier à la racine du site publié
cp llms.txt ./public/llms.txt

# Vérifier qu'il est bien servi une fois en ligne
curl -I https://votre-domaine.fr/llms.txt
# Attendu : HTTP/2 200 et un Content-Type text/plain ou text/markdown

WordPress 没有专门的字段。有三种选择：通过 FTP/SFTP 将文件放到根目录（与 wp-config.php 同级）；使用较新的 SEO 插件（多个插件，包括 Yoast 和 Rank Math 的部分版本，都能生成 llms.txt）；或添加一条规则，通过某个端点提供该文件。FTP 方式仍然最简单，行为也最容易预期。

→
像声明站点地图一样声明它
并无必须声明它的要求，但您可以参照 Sitemap 指令，在 robots.txt 中添加一行，让它更容易被发现。有些团队还会在 <head> 中添加链接。这些约定尚未定型：将文件放在根目录仍是关键。

#GEO：让 AI 答案引擎引用您的内容

GEO（Generative Engine Optimization，生成式引擎优化）之于 ChatGPT、Perplexity 或 Google 的 AI Overviews，就如同 SEO 之于传统搜索：它是一系列让内容出现在 AI 生成的回答中并被引用的做法。根本变化很简单：在答案引擎上，用户阅读的是综合摘要，点击次数少得多。重要的不再只是出现在搜索结果第一页，而是成为 AI 采用并明确注明的来源。

llms.txt 遵循这一思路：为模型提供清晰的访问途径，使其能够获取划分合理、描述明确的内容。不过，我们需要准确说明因果关系，因为许多文章正是在这一点上夸大其词。

真正有助于GEO的要素
内容基于事实，划分为清晰的章节，在页面开头直接回答问题，并为数据标注日期和来源。无论有没有 llms.txt，答案引擎都会青睐这样的内容。
llms.txt 文件的作用
帮助理解您的网站结构，并提供 AI 可以复用的描述。它能让机器更容易理解网站内容，但并不是什么神奇的排名信号。

#llms.txt 无法实现的功能（我们坦诚地说）

!
目前没有任何大型爬虫确认将其作为信号使用
截至目前，OpenAI、Perplexity 和 Anthropic 都没有正式宣布会读取 llms.txt 来对网站进行排名或引用网站，Google 也公开表示不会将其用于搜索。请警惕任何承诺“借助 llms.txt，引用次数增加 X%”的文章：这类说法目前无法验证。

需注意两个结构性限制。首先，llms.txt 并不会阻止任何人，也不会强制任何人：一个不了解 llms.txt 的爬虫仍会正常读取您的 HTML 内容——要控制 AI 爬虫的访问，应配置 robots.txt（以及 AI 爬虫的 user-agent 指令），而非 llms.txt。其次，文件本身无法弥补内容质量的不足：如果您的页面信息模糊或过时，再漂亮的索引也无法使其变得可引用。

那么，为什么还要部署它？因为成本几乎为零，而且这个过程会促使您理清网站的架构和相关描述（这也有助于读者和传统 SEO）；如果它迅速普及，您也已经做好了准备。这是一份低成本的保险，而不是魔法棒。

#实践经验：哪个LLM 的部署

我们已在 哪个LLM 的根目录下发布 llms.txt 文件数月。具体来说，该文件在构建时根据我们的指南目录生成：每篇指南对应一行，按类别（安装、硬件、RAG 等）分组，描述取自 meta 字段。这保证了只要指南存在，文件就不会过时。

我们观察到的情况
无法单独将引用数量的提升归因于某个文件：同时存在太多变量在变动（新内容、知名度、搜索引擎演进等）。因此，我们不会声称存在可量化的具体效果。
可量化的实际收益
这次生成工作促使我们为每篇指南准备简短、准确且不含行话的描述。这番整理在各处都发挥了作用：元标签、搜索预览，以及编辑内容的一致性。
成本
生成脚本写好后，就无需维护。正是这种收益与成本之比，说明了保留它的价值，无论它对 GEO 的实际影响究竟有多大。

我们的立场是：部署它，是为了保持规范、提前做好准备，而不是因为有人承诺这样就能让您的内容被引用。请把主要精力放在真正重要的地方——内容本身的质量和结构上。

#深入了解

这些指南进一步介绍了本文涉及的概念，重点是 AI 如何检索和引用信息：

理解RAG
「RAG 是什么以及它如何工作」解释了人工智能如何检索外部内容以进行回答——这正是 llms.txt 所试图简化的核心机制。
可靠性与引用信息
《幻觉：为什么您的本地 LLM 会编造内容，以及如何减少这种情况》说明了标明来源和组织结构为何对可靠回答如此重要。
来源笔记本
《本地运行 NotebookLM：开源替代方案》具体展示了如何基于一组来源材料进行带有来源引用的问答。
这份指南对您有帮助吗？

有反馈、发现了错误，或想补充说明？请告诉我们，让这份指南对每个人都更有帮助。