llms.txt 是什麼？讓 AI 找到你網站的關鍵 5 分鐘設定

TL;DR

• llms.txt 是 2024 年由 Jeremy Howard 提案的新標準，放在網站根目錄，給 AI 搜尋引擎一份「網站結構索引」，讓 LLM 能更精準找到要引用的內容。
• 它不是 robots.txt 的替代品，而是補位——robots.txt 管「允不允許爬」，llms.txt 管「該優先看哪些」。兩個檔案職責不同，網站該同時放。
• 格式極簡，5 分鐘能寫完——Markdown 寫，首段一句話描述網站、中間用 H2 分類列重要連結，完成度比第一次寫 sitemap 還低。
• 目前不是強制標準，但採用速度比預期快——Anthropic、Cloudflare、Vercel 等公司都已放上自家的 llms.txt，部分 AI 工具開始解析這份檔案做為內容索引。

一、llms.txt 是什麼？為什麼一個 2024 年的提案突然變成 GEO 必做項目？

核心觀點： llms.txt 是放在網站根目錄的 Markdown 檔案，作用是告訴大型語言模型（LLM）「這個網站的內容地圖長這樣，優先讀這些頁面」。它在生成式 AI 搜尋時代的角色，類似 sitemap.xml 在傳統 SEO 時代的地位——讓機器更快找到結構化的內容入口。

llms.txt 由 Answer.AI 創辦人 Jeremy Howard 在 2024 年 9 月提出，目的是解決一個實務問題：LLM 在引用網頁內容時，需要從充滿 navigation、廣告、彈窗、CSS 的完整 HTML 中萃取「真正的內容」，這個過程容易出錯。如果網站直接提供一份精簡、用 Markdown 寫的內容地圖，LLM 引用的準確度會大幅提升。

這份檔案放在網站根目錄 https://yoursite.com/llms.txt，內容是 Markdown 格式。第一段用一句話描述網站性質，接著用 H2 分類列出重要頁面連結與每個頁面的簡短說明。整份檔案通常不超過幾百行，寫起來比 sitemap.xml 還快。

提案推出後，Anthropic、Cloudflare、Vercel、Netlify、Hugging Face 等公司陸續在自家網站放上 llms.txt，部分 AI 工具與爬蟲也開始將這份檔案納入解析流程。雖然目前還不是 W3C 或 Google 官方標準，但採用速度比一般「新提案」快得多——這在 GEO（Generative Engine Optimization）策略中代表「低成本、高潛在報酬」，值得在早期就佈署。

完整的 GEO 策略地圖可參考 SEO 與 GEO 完整指南；llms.txt 是其中「AI 友善基礎建設」這一層最容易實作的入口。

二、llms.txt 跟 robots.txt 差在哪？兩個檔案要同時放嗎？

核心觀點： robots.txt 是「黑名單機制」，告訴爬蟲哪些路徑禁止抓取；llms.txt 是「白名單推薦」，告訴 LLM 哪些頁面是網站的核心內容。前者管「允不允許」，後者管「優先看哪些」。兩個檔案職責互補，網站應該同時放，不需要二選一。

robots.txt 已存在 30 年以上，是搜尋引擎爬蟲的標準守則。它的語法簡單：User-agent: * 後接 Allow: 或 Disallow: 路徑。這份檔案的角色是「設邊界」——告訴爬蟲哪裡能去、哪裡不能去。對 AI 爬蟲（如 GPTBot、ClaudeBot、PerplexityBot）的允許與否，也是透過 robots.txt 控制。

llms.txt 的設計目的完全不同。它不是用來「擋」爬蟲，而是「導引」LLM 找到內容入口。一個典型 llms.txt 會列出：

• 網站主要產品/服務頁面
• 重要部落格分類或熱門文章
• 文件、API reference 或使用手冊
• 公司介紹、聯絡方式

LLM 在引用網站時，可以先讀這份檔案，從中決定要進一步抓哪些頁面。這對內容多、結構深的網站特別有幫助——LLM 不必盲爬全站，就能找到「網站作者覺得重要的東西」。

兩個檔案的職責沒有重疊，實務上建議都放。robots.txt 控制 AI 爬蟲的存取權限（是否允許 GPTBot 索引），llms.txt 則在允許存取後告訴它「該優先看哪些」。

實作上還有一個進階版本 llms-full.txt，放網站「完整內容濃縮版」（把所有重要頁面內容直接展開在一份檔案裡，LLM 不必再去抓子頁）。這個版本適合文件型網站、教學型部落格，商家網站通常用 llms.txt 就夠。

三、llms.txt 的格式長什麼樣？5 分鐘能寫出來的核心結構

核心觀點： llms.txt 的格式刻意設計成「Markdown 最低語法」——第一行用 H1 寫網站名稱、第二行用引用區塊寫網站一句話描述、之後用 H2 分類列重要連結。整份檔案沒有 schema、沒有 XML，任何能寫 README 的人都能上手。

一份標準 llms.txt 的骨架如下：

# 網站名稱

> 用一句話描述網站性質、目標受眾、核心價值。

## 核心頁面

- [首頁](https://example.com/): 首頁說明
- [關於我們](https://example.com/about): 公司或品牌簡介
- [服務](https://example.com/services): 主要服務項目

## 部落格分類

- [SEO 教學](https://example.com/blog/category/seo): 給商家的 SEO 與 GEO 操作指南
- [行業案例](https://example.com/blog/category/cases): 不同行業的網站經營參考

## 重要文章

- [Schema.org 是什麼](https://example.com/blog/schema): 結構化資料入門
- [GEO 完整指南](https://example.com/blog/geo-guide): AI 搜尋優化策略

幾個寫作要點：

第一，每一條連結後加一句說明——LLM 不只看 URL，還會看說明文字判斷該頁的內容主題。說明應該寫得像「這頁在講什麼」，而不是 SEO 關鍵字堆疊。

第二，只列重要頁面，不要全站塞進來。llms.txt 的價值在於「精選」，把全站連結都丟進去等於沒有索引。商家網站通常列 10–30 個連結已經夠用。

第三，H2 分類用直覺命名。「核心頁面」「部落格分類」「重要文章」「使用文件」這類分類比「Resources」「Misc」更利於 LLM 理解網站結構。

第四，手寫一次，後續用工具同步。第一份 llms.txt 建議手寫，確認分類邏輯與描述語氣；之後可用工具自動產生，避免每次新增頁面都要手動更新。AHHA llms.txt 產生器 可以直接輸入網站結構產出符合規範的檔案內容，免登入、瀏覽器本地運算。

四、哪些 AI 搜尋引擎已經在讀 llms.txt？

核心觀點： 目前主流 AI 引擎尚未公開「正式採用 llms.txt 作為索引依據」，但生態系的採用速度超出多數新提案的常態。對網站擁有者而言，實作成本極低、潛在收益不對稱，屬於「先做再說」的低風險投資。

關於 llms.txt 的實際使用狀況，業界目前可觀察到的訊號分三類：

第一類：大型科技公司主動採用。 Anthropic、Cloudflare、Vercel、Netlify、Hugging Face、Stripe 等公司都已在自家網站根目錄放上 llms.txt。對技術社群而言，這些公司的採用本身就是強訊號——它們不會在沒有實際效益預期的情況下加上新檔案。

第二類：AI 工具開始解析這份檔案。 部分文件查詢工具、開發者助手已將 /llms.txt 加入解析流程，在使用者查詢某網站內容時優先讀這份檔案。可預期主流 AI 搜尋引擎（ChatGPT、Perplexity、Gemini）會跟進，但具體時程未公開。

第三類：Anthropic 的 Claude 已在文件中提到 llms.txt 標準，作為「AI 友善網站」的最佳實踐之一。這個來源可信度高，代表至少 Anthropic 體系內的 LLM 會逐步把 llms.txt 納入內容理解流程。

對網站擁有者而言，實作 llms.txt 的成本約是 5–30 分鐘（看網站規模），而潛在收益是「被 AI 引擎更精準引用」。即使最後標準沒有大規模採用，放這份檔案也不會傷害 SEO 或 GEO——它純粹是「多一個入口給 AI」。這種風險與報酬不對稱的情境，是早期佈署的標準時機。

五、怎麼確認你的 llms.txt 是否設定正確？

核心觀點： llms.txt 沒有官方驗證工具，但有三個務實的檢查方式：HTTP 200 可訪問、Markdown 語法正確、AI 爬蟲爬取狀態正常。前兩項自己看，第三項需要工具輔助。

llms.txt 不像 Schema.org 有官方 validator，也不像 robots.txt 有 Google Search Console 的「robots.txt 測試工具」。但要驗證設定是否正確，有三件事可以做：

第一件：確認檔案存在且可訪問。 在瀏覽器直接打 https://yoursite.com/llms.txt，應該回 HTTP 200 並顯示 Markdown 內容。如果回 404 或 403，代表檔案沒上線或路徑錯誤。許多平台需要手動將 llms.txt 加入「允許靜態檔案路徑」白名單，值得提前確認。

第二件：檢查 Markdown 語法。 把 llms.txt 內容貼到任何 Markdown 預覽工具（如 GitHub Gist、Dillinger），確認 H1、H2、引用區塊、列表、連結都正確渲染。語法錯誤的 llms.txt 對 LLM 等同無效——它讀到一團爛掉的文字，反而可能誤判網站性質。

第三件：檢查 AI 爬蟲允許性。 llms.txt 的價值前提是 AI 爬蟲能爬到你的網站。如果 robots.txt 把 GPTBot、ClaudeBot、PerplexityBot 全擋了，llms.txt 寫得再漂亮也沒用。

AHHA SEO + GEO + AI 爬蟲三合一檢測 會自動掃描網站的 llms.txt 是否存在、robots.txt 對 7 種主流 AI 爬蟲的允許狀態、Schema.org 標記是否完整，並產出對照清單。對於剛實作 llms.txt 的網站，這個工具能在一次檢測中確認所有 GEO 友善訊號是否到位。

關於 Schema.org 的部分，可以延伸閱讀 商家網站最該做的 5 種結構化資料——llms.txt 與 Schema.org 是 GEO 兩條互補的腿，前者管「網站結構索引」，後者管「個別頁面語意」，兩者搭配效果最好。

六、結語：llms.txt 是低成本高槓桿的 GEO 早期紅利

llms.txt 是少數「實作成本極低、潛在收益不對稱」的 GEO 工具。對網站擁有者而言，寫一份不到一頁的 Markdown 檔案、放到根目錄，可能就是「未來 AI 搜尋時代被精準引用」與「被 LLM 忽略」之間的差別。

新標準的採用通常經歷三個階段：技術社群試水、大公司導入、主流工具支援。llms.txt 目前處於第二階段尾聲——Anthropic、Cloudflare、Vercel 等公司已採用，主流 AI 搜尋引擎的支援只是時間問題。在這個時點放上 llms.txt，等於提前佔位，讓網站在 AI 引擎開始大規模解析這份檔案時已經在「先到先看」的名單裡。

實作 llms.txt 不需要工程能力，但需要對網站結構有清楚的判斷——哪些頁面是核心、哪些只是周邊。可以用 AHHA llms.txt 產生器 快速產出初版，再依網站實際情況微調。完整檢測整站 GEO 設定可用 SEO + GEO + AI 爬蟲三合一檢測。

如果想直接使用一個內建 llms.txt 自動產生、Schema.org @graph 完整實作、robots.txt 預設允許主流 AI 爬蟲的網站平台，可以 立即試用 AHHA 30 天 →。