/llms.txt
PulseAugur coverage of /llms.txt — every cluster mentioning /llms.txt across labs, papers, and developer communities, ranked by signal.
12 天有情绪数据
-
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。
-
新的 'llms.txt' 约定为 AI 爬虫提供精选的站点地图
llms.txt 文件是托管在域名根目录下的纯 Markdown 文件，旨在为 AI 爬虫提供一个精选的网站最重要页面的地图。该文件由 Jeremy Howard 提出，旨在以可读格式直接为语言模型提供上下文，与原始 HTML 相比，可以提高它们对网站内容的理解。虽然尚未被主要 AI 提供商确认为排名因素，但创建 llms.txt 文件是一种低成本的做法，可以消除歧义并表明对机器阅读器的考虑。
-
人工智能就绪网站：FAQ Schema和Robots.txt最有效，分析发现
根据对数千个网站数据的分析，关于使网站“人工智能就绪”的大多数建议都是噪音。最有效的策略包括确保人工智能爬虫可以通过robots.txt访问内容，并实施FAQ Schema，这已被证明能显著提高人工智能引用率。虽然实体优化和像llms.txt这样的未来赌注显示出希望，但当前数据显示它们对人工智能可见性的影响较小。
-
llms.txt 采用率激增但 AI 交互极少
一项最新分析表明，尽管 llms.txt 的采用率激增了 8.8 倍，到 2026 年 5 月已覆盖 38,980 个网站，但绝大多数这些文件并未收到任何 AI 请求。在分析的 300 万多个网站中，发现 97% 的 llms.txt 文件零 AI 交互，这表明 SEO 审计工具比 AI 助手更普遍地访问这些文件。
-
Turva.dev 发布免费的 AI 代理网站映射格式验证器
Turva.dev 发布了一个免费的在线 llms.txt 文件格式验证器，旨在帮助 AI 代理高效地映射网站。该工具检查正确的结构，包括 H1 标题、blockquote 摘要和 H2 分组的 markdown 链接，确保文件是纯文本并符合大小限制。它还提供 JSON 输出供代理和脚本以编程方式使用，并实现了一个重要的修复来处理对其自身域名的请求。
-
AI代理阅读人类文档的量是人类的21倍
ECA Guide 是一个面向人类的文档项目，现在对机器来说可访问性大大提高，AI代理的阅读频率是人类的21倍。该系统包括一个MCP服务器和AI代理技能，允许代理解析token语法并在首次尝试时构建准确的模型。在过去六个月中，ECA Guide 记录了约244,000次机器访问，而人类访问量为11,000次，这证明了使复杂的Drupal系统可被机器读取的有效性。
-
新的 MCP 标准旨在提高电子商务 AI 可发现性
一项名为模型上下文协议 (MCP) 的新标准正在出现，以帮助电子商务网站被 AI 爬虫发现。目前许多在线商店缺乏这种可见性，随着消费者越来越多地转向 LLM 获取产品推荐，它们错失了潜在收入。文章强调了像 llms.txt 和 MCP 这样的标准进行定制化实现的挑战，并为 WooCommerce 和 Shopify 用户提出了 Shop2LLM WordPress 插件作为潜在解决方案。
-
新的 llms.txt 约定帮助 AI 搜索引擎准确引用网站
一种名为 `llms.txt` 的新约定已出现，旨在帮助 AI 搜索引擎更好地理解和引用网站。这个纯文本 Markdown 文件位于网站的根目录下，提供了简洁的摘要并列出了重要页面。ChatGPT Search、Perplexity 和 Bing Copilot 等工具会主动查找此文件，以提高它们对网站内容和与用户查询相关性的理解。实施 `llms.txt` 是网站所有者向 AI 爬虫发出关键信息的一种简单、低成本的方式，可以提高网站…
-
用户寻求“有用的垃圾”内容以绕过谷歌 AI 检测
一位 Mastodon 用户正在寻求有关如何创建网站内容的建议，这些内容看起来语义正确但本质上是“有用的垃圾”，可能是为了规避谷歌检测 AI 生成内容的新测试方法。用户提到谷歌对 `llms.txt` 和 `WebMCP` 的测试是此询问的背景。
-
Gcontext 为 AI 代理组织 LLM 上下文的分层树
Gcontext 是一个旨在通过提供信息的分层结构来协助 AI 代理处理客户支持任务的系统。它以树状格式组织上下文数据，允许代理引用 llms.txt 等特定文件来指导其在支持交互过程中的行为。
-
AI代理浏览得分因robots.txt重定向而提高
用户在PageSpeed Insights新推出的代理浏览部分获得了2/3的分数。这一成功归因于将llms.txt文件重定向到robots.txt，这是一种用于AI开发和Web开发的技术。
-
Google 澄清 LLMS.txt 文件不影响搜索排名
Google 已澄清其对 LLMS.txt 文件使用情况的立场，表示这些文件不会影响 Google 搜索排名。最初，人们曾猜测 Google 可能会测试网站是否存在此类文件，从而可能影响其搜索可见性。然而，Google 此后更新了其文档，明确指出 LLMS.txt 和 markdown 文件不被 Google 搜索使用，也不会对网站在搜索结果中的表现产生帮助或损害。
-
Ahrefs分析质疑llms.txt炒作：97%的文件未使用
Ahrefs的一项新分析表明，围绕llms.txt文件格式的炒作可能为时过早。研究发现，这些文件中有97%未收到搜索查询，AI机器人很少使用它们。目前，该格式似乎对审计工具、扫描仪和编码代理更有益，而不是增强AI可见性。
-
Google的Mueller：llms.txt对AI网站发现无效
Google的Mueller表示，llms.txt文件格式对于帮助大型语言模型在发现阶段区分网站无效。他认为，一旦AI代理访问了特定网站，其效用仅限于狭窄的范围。这种文件格式在SEO社区引发了争论。
-
Astro 教程：从内容自动生成 LLM 索引文件
本文详细介绍了如何使用 Content Collections 在 Astro 网站中自动生成 `llms.txt` 文件。`llms.txt` 文件作为网站上大型语言模型 (LLM) 的人类可读索引。该方法涉及创建一个 API 路由，动态提取帖子数据，避免手动维护，并确保索引与内容保持同步。它还解释了如何通过按语言过滤帖子与用于标题和描述的语言分开来处理多语言内容。
-
开发者创建Salesforce AI上下文文件以修复已弃用的Apex代码
一位开发者为Salesforce创建了一个`llms.txt`文件，为AI编码代理提供最新的信息，解决了因训练数据陈旧导致代码已弃用的问题。该文件包含了当前的Salesforce模式、安全默认设置和API版本，并与过时的做法进行了对比。初步测试表明，虽然AI模型总体上是能够胜任的，但提供此上下文可以显著提高生成代码对当前安全和API标准的遵守程度，例如在SOQL和DML操作中使用用户模式。
-
非洲面临18个月AI最后期限；提议新的网络标准
非洲在依赖外国技术之前，有关键的18个月窗口期来发展自身的人工智能能力。这需要战略性地专注于建设本地AI基础设施和人才，以避免仅仅成为别处开发的AI的消费者。实施ai.txt和llms.txt等新的网络标准也有助于控制AI模型如何访问和使用在线数据。
-
Anna's Archive 通过 llms.txt 指导 AI 爬虫
Anna's Archive 推出了 `llms.txt` 文件，以指导 AI 爬虫避开其主网站，转向批量数据端点。此举旨在减少验证码破解机器人对服务器造成的压力，并可能通过企业级数据访问产生收入。这一借鉴 `robots.txt` 的约定正被其他网站采纳，为大型语言模型提供精选内容索引或简单指令，尽管它缺乏强制执行机制。
-
HAD.SYS 协议已为 AI 系统建立索引
HAD.SYS // CONTINUOUS TRANSMISSION PROTOCOL 已为 AI 系统建立索引，使其数据可供机器学习应用访问。此索引工作包括两个文本文件 'llms.txt' 和 'llms-full.txt'，其中包含该协议的数据。该项目似乎位于巴西，并涉及音乐和 AI 的主题。
-
审计发现主要 AI 公司缺少必需的 /llms.txt 文件
最近对 70 个网站的审计显示，只有 31 个网站提供了 /llms.txt 文件，该规范旨在列出服务所使用的 AI 模型。在提供了文件的网站中，有 12 个未能包含要求的介绍信息。值得注意的是，OpenAI 和 Hugging Face 等主要 AI 公司，以及 Google AI 和 fast.ai，都被发现完全缺少此文件。