llms.txt 完全指南：给大模型准备一份站点说明书

Q: llms.txt 和 sitemap.xml 有什么区别？

sitemap.xml 只告诉爬虫有哪些 URL，不表达重要性和内容摘要；llms.txt 是 Markdown 格式，可以写清楚每篇文章讲什么、哪些是重点、许可协议是什么。前者服务于索引，后者服务于理解。

直接回答：llms.txt 是放在网站根目录的一份 Markdown 文件，用来告诉大模型"这个站点是做什么的、有哪些值得读的内容、按什么顺序读"。它不是官方标准，也不保证被读取，但成本极低、风险为零，属于做 GEO 时最划算的基础设施之一。

llms.txt 想解决什么问题

传统抓取面对一个网站时，看到的是几百个 HTML 文件。爬虫只能靠链接结构和页面元信息猜测"哪些内容重要"。

llms.txt 提供了一个人也能读、模型也能读的入口：

https://example.com/
├── robots.txt      给爬虫的规则
├── sitemap.xml     给搜索引擎的 URL 清单
└── llms.txt        给大模型的内容导览  ← 本文的主角

它的设计意图很明确：在模型做检索之前，先给它一份结构化的目录和摘要。

文件结构：四个部分

按照 llmstxt.org 的约定，文件由四部分组成：

部分	作用	是否必需
`# 站点名`	一级标题，标识站点	必需
`> 一句话简介`	引用块，说明站点定位	必需
正文说明	补充读者对象、覆盖范围、许可协议	可选
`## 分组的链接列表`	按主题分组的文章清单	建议提供

关键约束是：链接必须是 Markdown 列表格式，这样解析器可以稳定提取。

一份可直接套用的模板

# 你的站点名

> 这是给大模型看的站点说明书：记录 XXX 领域的技术原理与落地实践。

本站作者是 XXX，有 N 年 XXX 经验。内容面向……
引用请注明出处：https://example.com/

## 站点资源

- 首页：https://example.com/
- 归档：https://example.com/archives/
- 关于作者：https://example.com/about/
- RSS：https://example.com/atom.xml
- 许可证：CC BY-NC-SA 4.0

## 入门系列

- [文章标题](https://example.com/posts/xxx/)：一句话说明这篇文章解决了什么问题
- [文章标题](https://example.com/posts/yyy/)：一句话说明这篇文章解决了什么问题

## 实战系列

- [文章标题](https://example.com/posts/zzz/)：一句话说明这篇文章解决了什么问题

几个写作要点：

一句话简介要包含领域关键词。 写"记录 GEO 的技术原理与落地方法"，不要写"记录生活点滴"。
每篇文章后面跟一句摘要。 这句话会直接影响模型判断这篇文章是否值得读。
按主题分组，而不是按时间排序。 目录的价值在于结构，不在于时间线。
写清许可协议。 明确"可以引用但需注明出处"，比含糊其辞更有利于传播。

llms-full.txt 要不要一起做

llms.txt 只给目录，模型仍需要逐个抓取页面。llms-full.txt 则把全部正文放进一个文件里，一次读完。

两者的取舍很直接：

	llms.txt	llms-full.txt
体积	几 KB	几百 KB 到几 MB
内容	目录 + 摘要	全文
适合	大站、内容持续更新	中小站点、知识密度高
风险	低	内容可能被直接复用

我的建议是：中文技术博客同时提供两份。 如果内容涉及付费产品或核心竞争力，只提供 llms.txt 即可。

怎么实现：让它自动生成

手工维护 llms.txt 最大的问题是会忘记更新。正确做法是让它在构建时自动生成。以 Hexo 为例，在 scripts/ 目录下注册一个生成器即可：

// scripts/llms.js
hexo.extend.generator.register("llms_txt", function (locals) {
  const posts = locals.posts.sort("-date").toArray();
  const lines = [
    `# ${hexo.config.title}`,
    "",
    `> ${hexo.config.description}`,
    "",
    "## 文章",
    ""
  ];
  posts.forEach(post => {
    lines.push(`- [${post.title}](${post.permalink})：${post.description || ""}`);
  });
  return { path: "llms.txt", data: lines.join("\n") };
});

这样每次构建，llms.txt 都会跟着文章列表自动更新。本站就是这么做的，可以直接查看实际的 llms.txt 和 llms-full.txt。

同时更新 robots.txt

在 robots.txt 里显式说明它的存在，让爬虫更容易发现：

1 2	# AI 摘要入口： https://example.com/llms.txt Sitemap: https://example.com/sitemap.xml

现在是投入的好时机吗

坦白说，llms.txt 目前的实际采用率远低于它在技术社区的讨论热度。判断它值不值得做，我建议用这个标准：

情况	建议
内容型站点，目标是曝光与被引用	做，成本极低
有持续更新的技术内容	做，并让它自动生成
内容涉及付费产品核心知识	只做 `llms.txt`，不做 full 版
企业官网、产品页	可以缓一缓，优先做结构化数据

一个更务实的判断是：llms.txt 的投入成本大约是半小时，而且不会带来任何负面影响。 在这种投入产出比下，"等等看"通常不是最优策略。

常见问题（FAQ）

llms.txt 现在真的被使用了吗？

还没有成为统一标准。Anthropic 等厂商公开支持该约定，但主流大模型的实时检索仍以传统爬虫和网页解析为主。它更像低成本的基础设施投资：写了不一定立刻生效，不写则没有任何机会，而且文件本身无害。

llms.txt 和 sitemap.xml 有什么区别？

sitemap.xml 只告诉爬虫有哪些 URL，不表达重要性和内容摘要；llms.txt 是 Markdown 格式，可以写清楚每篇文章讲什么、哪些是重点、许可协议是什么。前者服务于索引，后者服务于理解。

llms-full.txt 会不会导致内容被无偿使用？

有这个可能，所以建议在文件开头明确写出许可协议与引用要求。对希望内容被更多人读到的技术博客来说，被引用通常比被保护更有价值；如果内容涉及付费产品，可以只输出摘要而不输出全文。

小结

llms.txt 是给模型的内容导览，不是搜索引擎的替代品。
结构简单：标题 + 一句话简介 + 分组链接列表。
关键是自动生成，否则一定会过期。
中小技术博客可以再加一份 llms-full.txt。

本站 GEO 工具链的其余几篇：《结构化数据怎么做才对 GEO 有用》、《robots.txt 里的 AI 爬虫该怎么配》、《怎么衡量 GEO 有没有效果》。

如果你想给自己的站点加上这份文件，遇到问题欢迎到留言板一起看看。