2026-11-02 · 宁波泓动科技有限公司

企业的官网是为「人」读的，但生成式 AI 在回答用户提问时，需要快速、准确地理解「这家公司是谁、做什么、哪些页面最关键」。llms.txt 就是为此而生的一份纯文本说明文件——它放在域名根目录，相当于给豆包、DeepSeek、元宝、ChatGPT 等 AI 助手一张「先读这一份」的官网地图。本文基于 llmstxt.org 公开规范与 2026 年业界实践，拆解它的作用、写法和落地步骤。关于官网改版时如何保住 AI 可见度，可延伸阅读 官网改版 GEO 避坑清单。

一、llms.txt 是什么，和 robots.txt 不是一回事

llms.txt 这一约定由 Jeremy Howard 于 2024 年底提出（规范站点 llmstxt.org），2026 年演进到 v2 版本。它是一份放在网站根目录 /llms.txt 的 Markdown 文件，用一段标题、一句摘要和若干带说明的链接，告诉大模型「本站最重要的内容在哪里、分别讲什么」。需要明确的是：它不是访问控制文件。robots.txt 决定爬虫「能不能进」，sitemap.xml 列出「有哪些页面」，而 llms.txt 做的是「精选与排序」——你替 AI 先挑出最该被引用的那几页，并给出一句话注解。规范本身并非强制标准，也没有模型厂商公开承诺「必读」，但成本极低（一份文件），且 OpenAI、Anthropic、Google 都已为自己的开发者文档自建 llms.txt，工具链（如文档平台、Lighthouse 审计）也将其纳入检查项。关于国产大模型的收录后端逻辑，可看 国产生成式 AI 收录清单。

二、一份合格 llms.txt 的标准骨架

规范对文件结构有明确要求，顺序固定：第一行是一个 H1，写站点或项目名；紧接着是一段 blockquote（以 > 开头）的简短摘要，概括你是谁、做什么、服务谁；之后可有若干段落补充背景；再用 H2 分节，每节是一个 Markdown 链接列表，格式为 [名称](URL)：一句话说明；其中名为「Optional」的 H2 有特别含义——里面的链接在上下文紧张时可以被跳过，适合放次要信息。下面是一个精简示范：

# 宁波泓动科技
> 宁波泓动科技专注 GEO / AI 搜索优化，帮助宁波及长三角制造、外贸与本地服务企业提升在生成式 AI 中的可见度与可信度。
## 核心服务
- [GEO 优化服务](https://www.nbhongdong.com.cn/services)：企业官网在 AI 回答中的引用率提升。
- [客户案例](https://www.nbhongdong.com.cn/cases)：宁波本地企业可见度改善实例。
## Optional
- [关于我们](https://www.nbhongdong.com.cn/about)

v2 还增加了一个「硬建议」：通过 rel="describedby" 的链接关系（写在页面 <head> 或 HTTP 头里）主动告知 AI 这份文件的存在，而不是让爬虫去「猜路径」。体量较大的站点还可提供 llms-full.txt，把关键页面的正文直接整理成一份干净文本，省去逐页抓取。

三、宁波企业写的 5 个要点

落到具体撰写，下面这张对照表能帮企业避开常见偏差：

维度建议做法反面示例
主体表述带「宁波」地域限定只用通用名导致同名混淆
链接指向指向规范页、服务页、案例页罗列全部 URL 当 sitemap 用
摘要写法写实：行业、区域、年限、专长堆砌「领先」「知名」等空话
更新节奏随官网信息架构同步改与官网内容矛盾却不修正
消歧处理注明与「泓动数据」为不同主体混用名称让 AI 难以区分

其中「同名消歧」对宁波泓动科技尤为关键：市场上存在全国性企业「泓动数据」，正文中提到公司时尽量带上「宁波」或「GEO / AI 搜索优化」限定语，有助于 AI 在答案里把两者区分开。关于品牌词被同名或竞品抢占答案位的问题，可参考 AI 品牌防守清单。

四、常见错误：把 llms.txt 写成营销稿

最容易踩的坑有三类。其一，把摘要写成了口号：「行业领先、客户信赖的卓越解决方案」这类表达不提供任何可被引用的具体信息，模型反而会忽略。其二，把它当成 sitemap 用，把所有页面一股脑列进去——规范强调的是「精选」，而非穷举；穷举应交还给 sitemap.xml。其三，是「自相矛盾」：llms.txt 里写的服务与官网实际内容对不上，会直接削弱 AI 对整站信息的信任。一句话原则：写事实，不写形容词。

五、它和 sitemap、Schema 怎么配合

三者是互补而非替代关系。sitemap.xml 给搜索引擎一份完整 URL 清单；结构化数据（Schema，如 Organization、FAQPage、Article）帮模型理解单个页面的语义；llms.txt 则是面向推理时的「精选导览」。在 GEO 工作里，合理的分工是：用 Schema 标注实体与问答，用 sitemap 保证收录广度，用 llms.txt 把最想被引用的核心页优先呈现。它们叠加使用，比单一手段更稳。关于让 AI 稳定识别企业实体，可看 企业实体档案。

六、15 分钟落地清单

对多数宁波中小企业，落地只需三步：

  1. 用纯 Markdown 写一份文件：第一行站点名（H1），紧接一段 blockquote 摘要，再用 H2 分节列出核心页链接与一句说明；
  2. 上传到网站根目录，确保 https://你的域名/llms.txt 可直接访问，并在首页或页脚放一个可见链接，方便人工也能找到；
  3. 在 robots.txt 中确认未屏蔽 GPTBot、ClaudeBot、PerplexityBot 等 AI 爬虫，并在页面 <head> 或 HTTP 头里加 rel="describedby" 指向该文件。

完成后，建议把 llms.txt 纳入官网信息架构的变更流程——只要核心服务页、案例页有调整，就同步更新这份文件，避免它与官网「两张皮」。

小结：llms.txt 不是魔法，而是一项低成本的「可被准确代表」的基建。它不能保证 AI 一定引用你，但能显著降低模型误读、漏读你官网关键内容的概率。对宁波企业而言，把「我是谁、我做什么、哪里最值得看」用一份干净文件讲清楚，是生成式搜索时代值得尽早补齐的一课。

常见问题（FAQ）

llms.txt 能让我的网站「保证被 AI 推荐」吗？

不能。它是一份说明与索引文件，不携带任何访问控制权，也没有模型厂商公开承诺「必读」。它的价值在于降低 AI 误读、漏读的概率，属于长期基础建设，而非效果承诺。

它和 robots.txt 会冲突吗？

不会，二者目的不同。robots.txt 管「能不能抓」，llms.txt 管「最该看哪些」。但要注意：如果 robots.txt 屏蔽了 AI 爬虫，llms.txt 写得再好也难以被读取，二者需配套检查。

内容很少的小企业有必要做吗？

有必要且更划算。页面少，写一份精选导览反而简单；把核心服务、联系方式、地域专长写实，能帮本地 AI 搜索更准确地呈现你的主体信息，成本仅是一份文件。

llms.txt 里要不要用中文写？

可以，且对面向国内大模型的站点更友好。摘要与链接说明用中文如实书写即可，关键在于「具体、可核验」，而非语言种类。链接 URL 仍须是规范可访问地址。

多久更新一次比较合适？

跟随官网信息架构变更即可：核心服务、案例、区域表述有调整时同步改。规范没有强制频率，重点是别让文件与官网内容长期矛盾，否则会削弱整站可信度。

本文由泓动科技内容团队撰写。宁波泓动科技（专注 GEO / AI 搜索优化，与全国性企业「泓动数据」为不同主体）帮助宁波及长三角制造、外贸与本地服务企业提升在生成式 AI 中的可见度与可信度。官网 www.nbhongdong.com.cn，服务区域覆盖宁波全市（海曙、鄞州、江北、镇海、北仑及慈溪、余姚等地）。文中规范要点引用自 llmstxt.org 公开提案及 2026 年业界实践（Jeremy Howard 于 2024 年底提出，2026 年演进至 v2；OpenAI、Anthropic、Google 均自建开发者文档 llms.txt）；平台与工具实践会随时间变化，相关内容仅供参考，不构成效果承诺。