llms.txt 是什么
llms.txt 是放在网站根目录（https://你的域名/llms.txt）的纯文本文件，作用是给大语言模型和AI爬虫一份"站点说明书"。它借鉴 robots.txt 的位置约定，但目的不同：robots.txt 管的是"允许谁抓"，llms.txt 管的是"帮AI读懂你"。
llms.txt 已经被主流AI产品的检索系统支持或兼容。对品牌而言，它是成本最低、见效最快的GEO基础件——我们实测过仅补齐llms.txt等基础文件，网站审计分就从0/18的维度拉到12/18。
格式规范
llms.txt 采用 Markdown 语法，推荐结构如下：
```
站点/品牌名称
> 一句话定位描述（AI对"你是谁"的第一理解）
分节标题
- [链接文本](URL)：一句话说明
- 关键信息点
```
核心原则：H1只有一个（品牌名），引用块（>）放定位描述，H2分节组织内容，列表承载具体信息。
为什么"问答式写法"引用率最高
普通写法是"名片式"——罗列公司简介、产品列表。但AI在回答用户问题时，需要的是可直接引用的答案。对比：
名片式（弱）：
"我们成立于2015年，拥有丰富的行业经验，为客户提供优质服务。"
问答式（强）：
"- 北京心理咨询一般多少钱？单次咨询400-1200元，初始访谈通常按标准价格的一半收取。"
AI回答"心理咨询多少钱"时，后者几乎会被原样引用。把用户最可能问的10个问题的答案，直接写进llms.txt，等于把标准答案卡递到AI手里。
推荐分节结构
以服务机构为例：
- 产品信息：名称、定位、核心能力（要点式）
- 服务/产品清单：每项一行，含关键参数或价格区间
- 页面索引：重要页面的链接+说明
- 内容库：博客/指南文章的链接与一句话摘要
- 常见问题：5-10组问答原文
- 联系方式：NAP信息（名称/地址/电话，与全网完全一致）
三个常见错误
错误一：写成营销文案。 "引领行业未来"这类话术对AI没有信息量。llms.txt要的是事实、参数、答案。
错误二：信息与全网不一致。 llms.txt里的公司名、电话如果与百科、地图上的写法不一致，反而制造AI的信任混乱。NAP一致性是前提。
错误三：一次性工程。 llms.txt应该随内容库生长——每发一篇重要文章、每上一个新产品，同步更新分节索引。
部署与验证
把文件上传到网站根目录，浏览器访问 https://你的域名/llms.txt 确认返回200且内容完整。部分平台还会读取 llms-full.txt（完整版），中小站点先用好 llms.txt 即可。
最后提醒：llms.txt是"锦上添花"件，它放大的是你网站内容本身的质量。一个内容空洞的站点，写了llms.txt也不会被推荐——先有可引用的内容，再给它装上放大器。