llms.txt: apa fungsinya, apa yang tidak, dan sama ada ia berbaloi

llms.txt ialah fail Markdown teks biasa yang dicadangkan, diletakkan di akar laman web, yang memberi model bahasa besar ringkasan laman yang pendek dan terpilih serta pautan kepada halaman paling bergunanya. Ia murah untuk ditambah dan boleh membantu alat AI yang membacanya, tetapi tiada enjin carian AI utama yang mengesahkannya sebagai isyarat kedudukan atau petikan.

Apakah sebenarnya llms.txt?

Ideanya mudah. Halaman web dibina untuk pelayar: navigasi, sepanduk kuki, skrip, pengaki. Model bahasa yang cuba memahami perniagaan anda perlu menggali semua itu. Cadangan llms.txt, yang diterbitkan pada 2024, mencadangkan satu fail di /llms.txt yang ditulis dalam Markdown yang pada dasarnya menyatakan "inilah siapa kami, dan inilah halaman yang berbaloi dibaca". Sesetengah versi juga menunjuk kepada salinan Markdown yang bersih bagi halaman utama, dan idea pendamping, llms-full.txt, menghimpunkan teks penuh dokumentasi ke dalam satu fail.

Statusnya perlu dinyatakan dengan tepat. llms.txt ialah cadangan komuniti, bukan standard web, dan ia tidak sama dengan robots.txt. robots.txt memberitahu perangkak apa yang boleh dan tidak boleh diambil. llms.txt tidak membenarkan atau menyekat apa-apa; ia panduan bacaan.

Adakah ChatGPT, Gemini, Perplexity atau Google AI Overviews menggunakannya?

Di sinilah kebanyakan artikel tentang subjek ini melampau, jadi kami akan berhati-hati. Pada masa penulisan, tiada pengalaman carian AI utama yang menyatakan secara terbuka bahawa llms.txt mempengaruhi sumber yang dipetiknya. Google menyatakan ciri AInya bergantung pada indeks carian dan sistem kedudukan biasanya, dan wakilnya bersikap skeptikal terhadap fail ini. Log pelayan daripada pelbagai pemilik laman menunjukkan llms.txt sekali-sekala diambil, tetapi pengambilan bukan bukti ia digunakan dalam jawapan.

Di mana llms.txt jelas bernilai ialah dalam alat yang diarahkan untuk menggunakannya: pembantu pembangun, ejen pengekodan dan platform dokumentasi yang memuatkan llms.txt sesuatu projek supaya model dapat bekerja dengan dokumentasi yang tepat dan terkini. Jika khalayak anda termasuk pembangun, itu sahaja sudah cukup untuk mewajarkan usahanya.

Pandangan kami di SNMRush: anggap llms.txt sebagai pengurusan rumah yang baik, bukan tuas keterlihatan. Ia mengambil masa sejam, ia memaksa kejelasan yang berguna, dan ia tidak akan menyelamatkan kandungan yang nipis.

Bagaimanakah anda menulis llms.txt yang baik?

Struktur dalam cadangan itu ringkas. H1 dengan nama laman atau jenama, ringkasan satu perenggan dalam blockquote, nota pilihan, kemudian bahagian H2 yang mengandungi senarai pautan dengan penerangan satu baris setiap satu. Bahagian bernama "Optional" boleh memuatkan pautan yang boleh dilangkau model jika konteks terhad.

Contoh lengkap bagi syarikat perisian perakaunan rekaan mungkin kelihatan begini dalam bentuk rangka:

• Tajuk: nama jenama, betul-betul seperti yang anda mahu ia dinamakan.
• Ringkasan: dua ayat yang menyatakan apakah produk itu, siapa yang dilayaninya dan di mana ia beroperasi. Tulis sebagai jawapan yang anda mahu diberikan pembantu AI.
• Halaman teras: gambaran keseluruhan produk, harga, tiga artikel bantuan terpenting, keselamatan dan pematuhan.
• Penerangan: panduan yang menjawab soalan paling lazim khalayak anda.
• Pilihan: sejarah syarikat, akhbar, kerjaya.

Perenggan ringkasan ialah bahagian yang paling penting, dan ia disiplin yang sama seperti blok jawapan yang kami syorkan pada setiap halaman. Jika anda tidak dapat menggambarkan syarikat anda dalam dua ayat fakta yang ringkas, sistem AI juga akan bergelut. Panduan kami tentang penulisan yang mengutamakan jawapan membincangkan kemahiran itu secara mendalam.

Halaman mana yang patut anda sertakan?

Pilih halaman yang menjawab soalan sebenar, bukan halaman yang paling ingin anda jual. Di sinilah penyelidikan khalayak membuktikan nilainya. Di SNMRush kami menggunakan SOMIN, platform penyelidikan khalayak AI, untuk melihat soalan dan ketegangan yang disuarakan orang tentang sesuatu kategori dalam perbualan awam, kemudian menyemak sama ada laman itu mempunyai halaman yang jelas bagi setiap satu. Halaman yang menjawab soalan itu dimasukkan ke dalam llms.txt; jurang dimasukkan ke dalam pelan kandungan. Jika anda ingin melihat cara penyelidikan itu menyumbang kepada strategi secara lebih luas, gambaran keseluruhan strategi SOMIN menerangkan pendekatannya.

Senarai semak ringkas untuk pemilihan:

1. Adakah halaman itu menjawab satu soalan dengan jelas dalam perenggan pertamanya?
2. Adakah ia terkini, dengan harga, ciri dan tarikh yang tepat?
3. Adakah ia boleh diakses tanpa log masuk, skrip atau halaman celahan?
4. Adakah anda berpuas hati jika pembantu AI memetiknya perkataan demi perkataan?
5. Adakah ia satu-satunya halaman terbaik di laman itu bagi soalan tersebut, bukan salah satu daripada lima halaman yang bertindih?

Takrifan: llms.txt dan jirannya

• robots.txt: standard lama yang memberitahu perangkak laluan mana yang boleh diambil. Di sinilah anda membenarkan atau menyekat perangkak AI seperti GPTBot atau Google-Extended.
• sitemap.xml: senarai URL yang boleh dibaca mesin untuk ditemui oleh enjin carian.
• llms.txt: panduan Markdown yang dicadangkan, boleh dibaca manusia, kepada kandungan paling berguna anda untuk model bahasa.
• llms-full.txt: fail pendamping yang dicadangkan yang mengandungi teks penuh, kebanyakannya digunakan untuk dokumentasi.

Apakah yang lebih penting daripada llms.txt?

Jika anda hanya mempunyai seminggu, gunakannya untuk perkara lain dahulu. Kebanyakan enjin jawapan AI yang melayari web bersandarkan indeks carian, jadi kebolehrangkakan, pengindeksan dan kedudukan kekal sebagai asas. Seterusnya ialah kandungan itu sendiri: jawapan langsung, fakta khusus, perbandingan yang jujur. Kemudian data berstruktur dan maklumat entiti yang konsisten, yang membantu mesin memahami siapa anda. Akhir sekali, sebutan di laman pihak ketiga yang boleh dipercayai, yang membentuk cara pembantu AI menggambarkan anda.

Susunan ini juga penawar yang berguna kepada kepercayaan bahawa satu fail atau tag boleh memenangi keterlihatan AI. Model penaakulan yang dibincangkan oleh studio bersaudara kami GPT5 Marketing semakin mahir menimbang sumber; ia memberi ganjaran kepada isi, dan ia sukar diperdaya.

Bagaimanakah anda menyemak sama ada ia berkesan?

Bersederhanalah tentang atribusi. Semak log pelayan anda untuk permintaan ke /llms.txt dan catat ejen pengguna. Kekalkan panel gesaan tetap dan jejak sama ada alat AI memetik anda, sebelum dan selepas perubahan, tetapi jangkakan sebarang kesan akan bercampur dengan semua perkara lain yang anda lakukan. Agensi yang dipaparkan dalam kajian kes KPI Media menunjukkan nilai mengasaskan keputusan pada bukti dan bukan andaian, dan prinsip yang sama terpakai di sini: ukur, jangan andaikan.

Keputusan kami mudah. Tambah llms.txt jika anda mempunyai dokumentasi, khalayak pembangun, atau sekadar mahukan ringkasan kemas laman anda untuk mesin. Tulis perenggan ringkasan dengan teliti. Kemudian kembali kepada kerja yang diketahui penting: menjawab soalan yang benar-benar ditanya khalayak anda, dengan lebih baik daripada orang lain.

Jika anda mahukan pendapat kedua tentang persediaan anda, SNMRush menyertakan semakan llms.txt dalam setiap audit keterlihatan AI, bersama akses perangkak, skema dan penjejakan petikan.

Soalan lazim

Adakah llms.txt diperlukan untuk keterlihatan carian AI?

Tidak. Ia cadangan pilihan dan tiada enjin carian AI utama yang mengesahkannya sebagai isyarat petikan atau kedudukan. Kebolehrangkakan, kandungan yang kukuh dan sebutan yang boleh dipercayai jauh lebih penting.

Adakah llms.txt menyekat perangkak AI?

Tidak. llms.txt ialah panduan bacaan. Untuk membenarkan atau menyekat perangkak AI tertentu, gunakan peraturan robots.txt bagi ejen pengguna yang diterbitkan.

Di manakah llms.txt patut diletakkan?

Di akar domain anda, contohnya https://example.com/llms.txt, ditulis dalam Markdown dengan H1, ringkasan pendek dan senarai pautan.