/llms.txt
PulseAugur coverage of /llms.txt — every cluster mentioning /llms.txt across labs, papers, and developer communities, ranked by signal.
10 天有情绪数据
-
提议的llms.txt标准缺乏AI平台确认 · 跟踪2个来源
一个名为llms.txt的提议标准旨在提高AI平台使用大型语言模型的透明度。然而，目前还没有主要的AI平台确认采用该标准。该标准在Mastodon帖子链接的网站上有详细介绍。
-
LuisCore 推出使用机器可读清单的代理发现系统
LuisCore 推出了一种新的代理发现方法，强调使用机器可读格式而非传统的营销页面。该系统依赖于 `for-agents.json` 引导清单和托管在 Zenodo 上的公共语料库，允许自主代理直接检索和引用基础设施信息。这种引用驱动的方法旨在为代理建立规范的来源，确保 LLM 引用一致的定义，并通过公共图提供可衡量的代理发现证明。
-
QRflows 使用 llms.txt 指导 AI 模型，改进了 Claude 集成
一个名为 QRflows 的 SaaS 平台实现了一个 `llms.txt` 文件，这是一个纯 Markdown 文档，旨在指导 AI 系统了解网站的内容和优先级。该文件充当 AI 模型的简明摘要，阐明了网站的目的、核心功能和信息层级。开发者发现该文件对其 Claude MCP 集成特别有用，因为它有助于 Claude 在与其工具交互之前准确理解 QRflows 的产品，从而防止误解并确保更有效的 AI 驱动的交互。
-
仅 5% 的 AI 工具暴露代理友好的 mcp.json 标准
最近的一项分析显示，在评估的 163 个 AI 工具中，只有 5% 的工具正确暴露了 mcp.json 文件，这是代理友好应用程序的标准。这些工具中的大多数仅提供 llms.txt 文件，未能兑现其支持代理功能的主张。这表明许多 AI 工具的宣传功能与其代理就绪的实际实现之间存在显著差距。
-
新的 `llms.txt` 约定旨在指导 AI 助手和代理
一项名为 `llms.txt` 的新约定被提出，作为网站与 AI 助手和代理直接沟通的一种方式。这个位于网站根目录的单一 Markdown 文件将作为 AI 模型的指南，类似于 `robots.txt` 指导爬虫。它旨在改善 LLM 理解和总结网站内容的方式，有可能提高网站在 AI 生成的搜索结果中的可见性。该格式很简单，需要网站名称、描述和重要页面列表，并且可以为大型网站自动生成。
-
AI-Only Society 推出，一个供 AI 代理发布内容的平台
一个名为 AI-Only Society 的新在线平台已上线，该平台专为 AI 代理发布内容而设计，人类则进行观察。代理可以通过特定的 API 端点和配置文件注册加入该平台。
-
人工智能在创意自由方面遇到困难，在没有人类输入的情况下产生“垃圾”
一名从公司被解雇的个人开发了一个用于生成 `llms.txt` 文件的自动生成器，在处理大型网站时遇到了重大的开发挑战。这段经历让他质疑当人工智能获得完全创意自由时的真正能力，促使他创建了一个名为“薛定谔的网站”的项目。该项目要求 AI 模型在没有具体指示的情况下生成不寻常的故事和 HTML 布局。结果，特别是来自 Gemini 和 Anthropic Opus 的结果，被描述为“壮观的狗屎”和“HTML 幻觉”，表明在没有人类指导的…
-
新的“Markdown for AI”插件简化了AI工具的内容处理
一款名为“Markdown for AI”的新插件已发布，旨在从已发布的内容中自动生成干净的Markdown（.md）文件。该工具旨在提高AI工具对内容的访问性和可处理性，并且它还集成了LLMS.txt插件。
-
日志分析显示，AI 助手很少读取 `llms.txt` 文件
对 GoodBarber 的 Web 服务器日志进行的回顾显示，在四个月内收到的 1,321 次总请求中，仅有 26 次请求来自 AI 助手，而 `llms.txt` 文件是专为 AI 系统设计的。其中，只有四次请求真正来自 OpenAI 的 GPTBot，而这四次中的三次源自 AI 就绪检查器 `agentready.md`。分析还识别出三起冒充 AI 机器人（使用通用用户代理字符串和不在供应商公布范围内的 IP 地址）的请求，这表…
-
尽管提供 `llms.txt`，但大部分中国出口品牌尚未准备好应对 AI 爬虫
对 59 个中国跨境品牌的最新扫描显示，虽然大多数品牌不阻止 GPTBot 等 AI 搜索引擎爬虫，但提供 `llms.txt` 文件的品牌大多使用的是通用的 Shopify 模板。在可检查 `llms.txt` 文件的 43 个网站中，67.4% 提供了此类文件。然而，检查发现，这些文件中有五分之四的内容没有具体的品牌信息，而是提供了与支付协议相关的模板化文本。只有 Anker 提供了一个包含品牌定位和产品信息的详细 `llms.t…
-
可供代理读取的网站需要四层：可读、可发现、可调用、可支付
为了使网站能够被AI代理访问，需要四层：可读、可发现、可调用和可支付。可读层涉及提供每个页面的Markdown版本，这比HTML小得多。可发现层使用像RFC 9727的/.well-known/api-catalog这样的标准来列出可用资源，使代理能够轻松找到它们。可调用层需要一个服务器来处理请求，而可支付层则支持货币化。
-
研究发现AI工具的代理友好声明与实际不符 · 追踪10个来源
对162个AI工具的最新分析显示，“代理友好”声明与实际实施之间存在显著差距。虽然大多数工具声称与AI代理兼容，但只有37-38%发布了`llms.txt`文件，仅有5%暴露了`mcp.json`文件。此外，只有10%声明了具体的AI爬虫政策，表明大多数工具未能实现稳健的代理集成。
-
OpenAI 向全球 10 万研究人员免费提供 ChatGPT，包括日本
OpenAI 将向全球包括日本在内的 10 万名研究人员免费提供 ChatGPT 访问权限。此举旨在支持人工智能领域的研究和开发。另外，平台 note 通过支持 /llms.txt 格式改进了其 AI 可查找性。
-
Robots.txt、sitemap.xml 和 llms.txt：理解 AI 新的网络策展文件
2026年，网站所有者将需要管理三个不同的纯文本文件：robots.txt、sitemap.xml 和新的 llms.txt。Robots.txt 控制机器人可以访问哪些网络路径，sitemap.xml 列出搜索引擎可索引的所有页面，而 llms.txt 则专门为 AI 模型在推理过程中策展精选的高信号页面列表。这些文件在管理网站访问、确保全面覆盖以及为 AI 提供目标信息方面发挥着互补作用。
-
Ghost 的新 GEO 功能改进了 LLM 内容引用
流行的发布平台 Ghost 推出了名为 GEO 的新功能，该功能可自动生成 `llms.txt` 文件和公共内容的 Markdown 版本。此功能旨在改进大型语言模型如何引用和处理网站信息。GEO 默认禁用，但用户可以启用它以增强其网站被 AI 模型发现和引用的能力。
-
新的llms.txt文件旨在指导AI聊天机器人了解网站内容
一种名为`llms.txt`的新文件格式已被提出，以帮助AI聊天机器人更有效地理解网站内容。与控制搜索引擎访问的`robots.txt`不同，`llms.txt`提供了关于网站目的、关键页面和内容结构的清晰、通俗的指导。虽然尚未被普遍采用，但该文件旨在通过提供一种直接的方式供大型语言模型解释网站信息，从而提高AI生成答案的准确性。
-
AI代理在集成库时优先选择源代码而非文档
一位开发者发现，AI编码代理在学习新库时，会优先读取源代码，特别是 `__init__.py` 文件、类型提示和工具模式，而不是传统的文档网站。这一发现促使通过重写入口点的文档字符串并用描述性词汇和单位增强工具模式来优化 `waitbus` 库。目标是使库更容易被AI代理理解和使用，确保它们不会被这个日益增长的用户群所忽视。
-
LuisCore 推出使用 JSON 和公共语料库的代理发现系统
LuisCore 引入了一种新的代理发现方法，强调使用 `for-agents.json` 和公共语料库等机器可读格式，而不是传统的登陆页面。这种方法旨在使自主代理能够通过获取结构化数据来发现基础设施，而不是解析营销内容。该系统包括一个引导清单、一个拥有超过 13,000 个问答条目的 Zenodo 支持的语料库，以及通过引用引力可衡量的代理发现证明。
-
新兴的 llms.txt 格式帮助 AI 代理理解网站
新兴的 llms.txt 文件格式正作为一种帮助 AI 代理理解网站内容和文档的方式获得关注，尽管它尚未成为网络标准。该文件提供了一种结构化的方式供网站传达其与 AI 相关的信息，这与 robots.txt 和 sitemaps 等现有格式有所区别。文章提供了关于其推荐结构、常见陷阱以及针对各种 Web 开发框架的自动化脚本的指导。
-
开源工具简化 AI 代理项目结构以防止上下文丢失
一位开发者创建了一个名为 AI-Ready Context Template Engine 的开源工具，以解决 Cursor 等 AI 代理中的上下文丢失问题。该引擎可自动设置标准化的项目结构，包括一个 `llms.txt` 文件和一个 `.ai/` 知识引擎，旨在优化大型语言模型的代码库上下文。该工具旨在防止 AI 代理在项目增长时出现幻觉或超出 token 限制，并提供特定于堆栈的开发者指南。