GEO-008·第 01 期·技术底座·8 / 132
llms.txt 对电商站到底有没有用
llms.txt 不是让 AI 收录你的开关。本文拆开它与 robots.txt、sitemap 三者的分工，说明电商站该精选哪些站内入口，指出三类常见反例分别错在哪，并给出用服务器日志与复测判断它是否被读取的具体做法。
本期主线入口迁移：AI 搜索如何重排海外电商流量
深圳一家做宠物饮水机的独立站，运营在群里转了一篇文章：只要在网站根目录放一个 llms.txt，ChatGPT 就会“优先收录”。技术负责人问了三句：放在哪、谁维护、怎么证明有用。没人答得上来。一周后文件上线了，内容是把 sitemap 的 URL 列表改了个标题；两周后服务器日志里，只有他们自己的一次 curl。
llms.txt 不是让 AI 收录你的开关，而是一份你主动递给模型的站点说明书；电商站该做的是精选入口、写清事实，而不是把几万个 SKU 全量倒进去。
先分清三份文件：许可、清单、说明书
三份文件经常被混为一谈，但它们解决的是不同问题。
| 文件 | 作用 | 面向谁 | 有没有强制力 |
|---|---|---|---|
| robots.txt | 抓取许可与禁区 | 爬虫 | 有，主流爬虫遵守 |
| sitemap.xml | 全量 URL 清单，求全 | 爬虫 | 有约定，无强制 |
| llms.txt | 精选入口与说明，求选 | 模型或 agent | 没有，纯提案 |
llms.txt 由 Jeremy Howard 在 2024 年 9 月提出，格式刻意做得很轻：根目录一份 Markdown，H1 写站点名，一句摘要，再按 H2 分组列链接，每条链接后面可以跟一句注释。它的姊妹文件 llms-full.txt 装正文全文，属于可选。
关键差别在于约束力。robots.txt 是爬虫进门前要看的规则；llms.txt 是进门后放在桌上的一张便签。截至 2026-01，主流 AI 引擎的公开文档里没有承诺会读取它，也没有把它列为抓取或排序依据。所以写了不等于被读，不写也不会被惩罚——它现在是一个可选协议，不是通行证。
那还值不值得做？值得，但理由要换。第一，它是对一个低成本提案的提前下注，做错的代价是几十行文件，不是一次改版。第二，它逼你把 canonical 入口、政策页、证据页整理成一份人和模型都能读的清单，这件事本身就在修技术债。判断：把 llms.txt 放进技术卫生清单，不要放进增长实验清单。
三个反例：这样写等于没写
反例一：把 sitemap 改个名字。 几万条 URL、没有分组、没有标题、没有一句说明。模型读到的只是另一份清单，仍然要靠自己猜哪一页重要。llms.txt 的全部价值就在“替模型做取舍”，照搬 sitemap 恰好把这件事丢了。
反例二：用 llms-full.txt 灌全量商品与价格。 价格、库存、促销按小时变，全量副本发布即过期。模型引用一个三周前的价格，比不引用更糟：客诉、退货、差评都会回到你身上。判断：会变的字段只留链接，正文写“以页面为准”。商品页该提供哪些可被摘走的字段，见AI 答案里的商品，长什么样。
反例三：写成一页营销文案。 “行业第一”“最好用”“必买”堆在一起，没有参数、没有适用边界、没有退换条款。模型需要的不是形容词，是可核验的名词和数字；夸张词还会与站内证据打架，让它在两个说法之间选择不写。
三个反例的共同点：都在增加字数，没有增加信息。llms.txt 不是内容战场，是导航层。
电商站怎么写：五步，先做减法
写法不复杂，难的是决定不写什么。五步按依赖顺序排，第一步不过，后面都是装饰。
| 步骤 | 动作 | 谁来做 | 怎么验证 |
|---|---|---|---|
| 1 | 确认前置条件：核心页无 JS 可读、robots 没误伤 AI 爬虫、canonical 唯一 | 技术 | curl 拿到 200 和正文；用官方 UA 实测 robots |
| 2 | 列入口清单，控制在 30–80 条：品牌与实体、品类选购、核心商品、政策售后、证据页 | 内容 + 运营 | 每条能回答“模型读完多知道什么” |
| 3 | 从内容源生成，不手写：标题、URL、注释都取自 canonical 数据 | 技术 | 脚本可重跑，diff 可审 |
| 4 | 上线校验：路径、200、text/plain; charset=utf-8、无重定向、每条链接可达 | 技术 | 一次脚本跑完，失败阻断发布 |
| 5 | 观察读取：日志里的路径与 UA，同一批问题前后复测 | 增长 + 技术 | 有基线、有对比，不拿单次截图下结论 |
第 2 步最值钱。清单不是目录，是编辑判断：买家决策时会问的页面放前面，公司想推的页面往后放。一个漂亮的 SKU 详情页，不如“尺寸怎么选”“滤芯多久换”“退货谁付运费”这三页更容易被引用。
多语言站点按语言分组，但每条链接只指向该语言的 canonical URL，不要把英文页塞进德语分组。注释里写“适合谁、读完知道什么”，不写促销话。文件行数没有硬上限，但一份要模型读完的索引，超过几百行就失去了“精选”的意义——判断标准很朴素：一个第一次来你站点的人，能不能在十分钟内读完并知道该看哪几页。
示例：一份宠物饮水机的入口清单
以下品牌、域名与参数均为虚构，只用于演示结构。
# 示例宠物饮水机品牌
> 出口美国与德国的宠物智能饮水机品牌，主打可拆洗泵体与 12 个月质保。
## 品牌与实体
- [关于我们](https://example.com/about)：成立时间、工厂位置、售后主体
- [型号对照](https://example.com/models)：各渠道命名差异
## 选购
- [猫用还是狗用](https://example.com/guides/cat-vs-dog)：出水高度、噪音、容量
- [滤芯更换周期](https://example.com/guides/filter)：按水质与宠物数量
## 核心商品
- [UV 循环饮水机 2L](https://example.com/p/uv-2l)：价格、库存、保修以页面为准
## 政策与售后
- [运费与时效](https://example.com/shipping)
- [退货与保修](https://example.com/returns)
## 证据
- [第三方评测汇总](https://example.com/press)三处细节值得注意：价格和库存只留链接；每条链接后有一句“读完能知道什么”；商品只放核心型号，长尾 SKU 交给 sitemap 和站内搜索。这份清单的读者不只是模型，也是新来的运营和外包写手——人都读不懂的说明书，模型多半也读不懂。
怎么验证它有没有被读取
先看日志里有没有对 /llms.txt 的 GET：时间、UA、状态码、响应大小、是否命中 CDN 缓存。第一步是排除噪音——自己的 curl、监控探针、安全扫描都会来，先按来源 IP 剔掉。
UA 可以伪造，别只看名字。结合请求来源的网络判断更可靠，但也别声称能识别所有爬虫；识别不了就承认识别不了。至于“被读到”的门槛，可以自己定一个示例值：连续两周、每周有若干次来自非自有网络的 200 请求。行业没有统一标准，重要的是提前定，别事后解释。
更难的是证明“被引用”。可以在 llms.txt 里放一句只在这里出现的独特表述，再去答案里找它；找到了也只是相关性，不是因果。真正要判断影响，还是回到引用份额的基线复测。一句话：日志是诊断工具，不是 KPI。
边界：这几种情况先别做
第一，抓取和渲染还没修好。llms.txt 不能绕过 robots.txt，也不能把 JS 渲染的页面变成可读文本。前置条件不过，先修技术底座这条线的前两层。入口不同，可干预的点也不同，可对照AI 搜索把海外电商流量切成了四段逐层排查。
第二，SKU 数万、价格分钟级变化。维护成本高于收益，优先做 feed、结构化数据与 PDP，llms.txt 最多当索引。
第三，销量主要在平台内。平台 AI 读的是 listing、评论与履约指标，官网文件影响不到那一层；平台型市场与独立站市场的取舍，市场优先级矩阵里已经分过类。
第四，期待“加了就被推荐”。没有这个机制。把它当排名开关，三个月后一定失望。
第五，没有 owner。没人负责的文件三个月后必然过期，而过期的说明书比没有更糟。
把动作收窄，这个月只做一件事：从 sitemap 里挑 20 个“买家决策时真的会看”的 URL——品牌 1 条、品类 3 条、核心商品 8 条、政策 4 条、证据 4 条——逐条用 curl 确认 200、canonical、无 JS 也能读到正文。全过，再让技术用脚本生成第一版 /llms.txt 提交进仓库；有一条不过，先修那条，别急着上线文件。