关于LLMs.txt的真相：被过度炒作还是不可或缺？

LLMs.txt是一个纯文本文件，放置在domain.com/llms.txt，仅从采用数字来看，它看似取得了惊人的成功——短短两年内已有数十万个网站添加了该文件。但采用率并非证据，本文正是要进行一次证据核查：实际存在哪些数据，哪些平台已经确认（以及哪些尚未确认），以及整件事到底是明智的对冲策略，还是披着基础设施外衣的炒作。如果你先想了解技术细节——具体规范、语法以及如何编写——请阅读我们的配套指南：LLMs.txt：它是什么、有用吗、你应该使用吗？ 。在这里，我们要提出一个更尖锐的问题：是否有证据表明这个文件改变了AI系统的引用内容，以及你是否应该信任一种可能列出比实际页面上更多内容的格式？

采用数据：超过84.4万个网站且仍在增长

数据表明其确实获得了牵引力：截至2025年10月，已有超过84.4万个网站实施了LLMs.txt，采用者主要集中在那些理解AI在未来中作用的公司。包括Anthropic、Cloudflare、Stripe、Vercel和Supabase在内的主要参与者都已实施该标准，这表明严肃的基础设施公司看到了这项实验的价值。Mintlify在2024年11月决定为数以千计的文档网站自动生成该文件，引发了一次重要的采用激增，证明工具支持可以加速实施。目前有三个社区目录跟踪实施情况，共记录788+个经过验证的网站。然而，采用模式揭示了一个重要特征：实施高度集中在开发者工具和文档平台——这恰恰是最可能从AI可见度中受益的行业。以下是采用格局的真实面貌：

令人不安的真相：没有主流AI平台确认使用它

这就是怀疑论变得有道理的地方：零个主要AI平台官方确认在其检索系统中使用LLMs.txt。Google的John Mueller明确表示：“目前没有任何AI系统使用llms.txt。“这句话本应终结讨论，但不知何故并没有。OpenAI、Anthropic、Google、Microsoft和Perplexity都保持战略性沉默——没有官方文档，没有使用确认，没有公开路线图。有证据表明某些平台会爬取这些文件（已观察到Microsoft和OpenAI的机器人抓取LLMs.txt文件），但爬取和实际使用是完全不同的两回事。乐观的解释是，平台在做出公开承诺之前正在悄悄测试；怀疑的解释是，它们永远不会采用，因为这并不能解决它们实际存在的问题。这种沉默是"过度炒作"论点的核心：在该提案获得关注18个月之后，我们拥有广泛的实施，但零官方平台采用。这不是标准——这是希望。

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

开始使用 联系我们

怀疑论者的理由：批评者为何称其为作秀

怀疑论者的立场建立在一个简单的基础上：没有确凿证据表明LLMs.txt能改善AI检索、增加流量或提升内容可见度。信任问题更为深刻——通过创建一个独立的文件，其中包含没有人与实际页面内容核对过的措辞，你实质上是在纵容操纵。关于LLM行为的研究表明，它们推荐被特别突出或定位的内容的可能性高出2.5倍，这创造了明显的游戏化激励。一个组织理论上可以在LLMs.txt中填充其表现最佳内容的描述，同时悄悄省略较弱的页面，或者更糟的是，描述与实际页面内容不符的内容。SEO工具供应商通过将缺少LLMs.txt标记为优化机会，放大了这种压力——Rank Math、SEMrush等工具制造了一个自我实现的循环：网站实施该标准不是因为它有效，而是因为工具告诉它们缺少了某些东西。这才是真正的问题：18个月的实施压力，却没有一个记录在案的可衡量价值案例。这就像每个人都买彩票，只是因为彩票公司一直在做广告。

支持者的反驳：未来-proof逻辑

支持LLMs.txt的阵营提出了完全不同的论点，这一论点根植于不可避免的变化，而非当前的证据。Yoast的Carolyn Shelby完美地阐述了这一点：“排名不再是奖品——被纳入才是。” AI代码编辑器Windsurf报告称，LLMs.txt在解析文档时节省了可观的时间和token，这表明对于确实使用它的AI系统来说存在真实的效率提升。Anthropic特别要求Mintlify为其文档实施LLMs.txt，暗示即使他们不愿公开确认，也存在内部价值。Google将LLMs.txt纳入其A2A（代理间通信）协议，表明该公司将其视为AI间通信未来基础设施的一部分。Jeremy Howard的观察切中了支持者逻辑的核心：“99.9%的注意力即将成为LLM的注意力，而非人类的注意力”，这意味着为AI系统进行优化不是可选的，而是不可避免的。Springs Apps报告称实施后搜索可见度提升了20%，不过这仍未经验证，可能反映的是相关性而非因果关系。

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

Robots.txt和Schema.org为何成功（而LLMs.txt尚未成功）

理解LLMs.txt可能失败的原因，需要审视其他标准为何成功。Robots.txt之所以有效，是因为它以最小的成本创造了互利，并获得了官方的RFC支持（RFC 9309）——搜索引擎想要高效爬取，网站想要控制爬取，解决方案足够简单，采用无障碍。Schema.org通过Google、Microsoft、Yahoo和Yandex从一开始的多方利益相关者开发而成功——没有单一公司能声称所有权，这建立了信任。Sitemap.xml在广泛采用之前就获得了广泛平台支持，而非之后。LLMs.txt缺乏以上所有三个成功因素：没有W3C参与，没有联盟支持，没有官方平台支持，也没有在流量提升、排名改善或准确性增益方面的可证明价值。真正让标准发挥作用的是多方利益相关者的参与、清晰可衡量的益处以及低操纵性。LLMs.txt有希望，有早期信仰者的采用，有工具支持。但它缺乏将以前的标准从实验转变为基础设施的基础要素。

如今真正影响AI可见度的因素

如果LLMs.txt仍未得到验证，那么什么才是真正驱动AI可见度和AI引用的因素？答案并不像一种新文件格式那样新奇：

• 在首段直接给出答案 - AI系统优先选择立即回答问题的内容，而不是将答案埋藏在正文中
• 匹配自然查询的口语化语言 - 按人们实际提问的方式写作，而非按SEO关键词结构
• 强化的标题层级（H2、H3、H4） - 清晰的结构帮助AI系统理解内容组织并提取相关章节
• 项目符号列表和对比表格 - 结构化数据更容易被AI系统解析和准确引用
• 带有数据和引用的具体示例 - AI系统更重视有具体证据支持的内容，而非泛泛之谈
• Schema标记实施 - 结构化数据帮助AI系统理解概念之间的上下文和关系
• 连接相关概念的内部链接 - 帮助AI系统理解您的内容生态系统并查找相关信息
• 带有清晰时间戳的新鲜内容 - 时效性信号对评估来源可靠性的AI系统至关重要
• 经验支持的权威专业知识 - AI系统能够识别并优先采用来自领域内已证明专家的内容

这些策略之所以有效，是因为它们与AI系统实际处理信息的方式相吻合，而不是因为它们针对某种特定文件格式进行了优化。

真正的转变：从排名到被引用

关于LLMs.txt的讨论反映了内容在线成功方式的更深层转变：人类用户体验与AI优化的融合。关于生成式引擎优化（GEO）的研究表明，在AI生成答案中胜出的内容具有共同特征——清晰性、结构性、权威性和具体性。Vercel报告称，其注册用户中现在有10%直接来自ChatGPT提及，而非传统的自然搜索，这一指标在五年前是不可想象的。成功越来越意味着出现在AI生成的答案中，而不仅仅是在自然搜索结果中排名靠前——这是具有不同要求的两种不同优化目标。工具生态已经演变以追踪这一转变：SEMrush AIO、Profound的GEO追踪和Ahrefs Brand Radar现在都在监控AI可见度，与传统排名并列。根本性的重新框架是这样的：被引用比被排名更重要，被提及比被索引更重要。这一转变解释了为什么LLMs.txt在缺乏官方支持的情况下仍能获得关注——它代表了为一种新的注意力经济进行优化的尝试，在这种经济中，AI系统是主要的分发渠道。

结论：你应该实施吗？

是的，总体而言——但并非因为它已被证明有效。其负面影响几乎为零：小网站实施只需大约10分钟，较大的站点也只需要大约一小时；如果AI平台从未正式采用，该文件也只是无害地存放在你的服务器上。无论你如何决定，文件至少在语法上必须是有效的，才有任何可能发挥作用——AmICited的Agent可访问性审计会自动检查，而不需要你自行猜测。流量正在分散到多个AI系统：ChatGPT、Perplexity、Claude以及新兴的竞争者们每月共同处理数亿次查询，无论你是否拥有这个文件，你已经对它们可见。诚实的定位是将其视为一种对冲，而非一种策略：如果你有十分钟空闲时间就实施它，把你的真正精力投入到上述内容策略中，把LLMs.txt当作一个微小、免费的赌注，而不是你AI可见度计划的核心。关于具体规范及逐步构建说明，请参阅我们的配套指南：LLMs.txt：它是什么、有用吗、你应该使用吗？ ，其中有完整的详细讲解。