谷歌llms.txt事件辟谣

最近，X上面有人发现谷歌官方文档里悄悄出现了llms.txt文件和Markdown下载选项，一时间AI搜索排名新信号的内容频出，为了清晰了解整件事的来龙去脉，小魏博客把事情的起因、反转告诉给大家：

事情的经过与时间线

第一次：谷歌自家网站悄悄挂上了llms.txt

很多SEO人员表示：“连谷歌自己都用llms.txt了!这一定是未来的搜索排名新信号/AI 搜索优化(GEO)的刚需!”

谷歌Search团队紧急辟谣

John Mueller很快在公开场合Bluesky表示：

这不是官方背书： 谷歌Search团队根本不使用、也不承认llms.txt作为搜索和排名的信号。

这只是因为谷歌内部某些团队使用的网站内容管理系统(CMS)更新了自动生成该文件的功能，部分技术团队“顺手留着”或者“懒得删”罢了。

甚至，负责搜索文档的团队在发现后，第一时间就把自己网页底下的llms.txt给删除了。

第二次疑惑：谷歌文档又加了Markdown文件

就在最近，大家发现谷歌的Search开发者帮助文档里，每个页面的下拉菜单中都提供了一个直接下载 .md.txt(Markdown 格式)文件的选项。

SEO专家Lily Ray在Bluesky上公开对@John Mueller提问：为什么谷歌既然口口声声说搜索用不上这些，自己却在文档里又是搞llms.txt又是搞Markdown下载?

谷歌搜索团队的John Mueller在Bluesky上明确表示：

“目前没有任何AI系统(指谷歌搜索)在使用llms.txt。” —— John Mueller

他甚至把llms.txt比作十几年前就被淘汰的 “Keywords Meta Tag”。

John Mueller提出了一个非常经典的框架：发现 (Discovery) vs 功能性 (Functionality)。

•发现 (SEO)： 让搜索引擎找到你。

•功能性 (用户体验)： 帮助用户完成任务。

谷歌加Markdown纯粹是为了功能性。

现在的程序员都在用Cursor或GitHub Copilot。这些AI助手读取复杂的HTML会产生大量“噪音”(广告、侧边栏、脚本)，消耗Token且容易出错。

Markdown的优势

•零噪音： 纯净的结构化文本。

•极速解析： AI助手能以100%的准确率瞬间读懂API规范。

•离线友好： 方便开发者导入Obsidian或Notion建立个人知识库。

为什么谷歌不买账llms.txt?

1.信任危机： 谷歌从不信任站长自己写的“摘要”。如果llms.txt能决定排名，黑帽SEO会瞬间让它充满垃圾信息。

2.渲染能力： 谷歌拥有全球最强的渲染引擎。它看你的HTML网页就像真人一样，根本不需要你喂它吃“面包屑”。

3.数据证伪： 根据OtterlyAI的日志分析，AI爬虫访问llms.txt的比例仅为 0.1%。它在服务器里冷清得像个被遗忘的角落。

GEO(生成式引擎优化)的崛起

虽然谷歌不看llms.txt，但Perplexity、ChatGPT 和Claude却非常喜欢它。

这就是我们常说的GEO (Generative Engine Optimization)。

为什么其他AI搜索引擎需要它?

与谷歌的“异步搜索”不同，AI搜索往往是“实时抓取”。

1.节省算力： HTML源码可能100KB，而Markdown只有 5KB。对AI来说，这就是省钱。

2.精准引用： 因为Markdown结构清晰，AI能轻松定位段落，并把你的链接作为 Citations(引用)挂出来。

如果你运营的是技术博客或开源项目，提供Markdown通道能显著提升你在AI搜索中的曝光率。

SEO人员该怎么看待这件事?

不要把llms.txt误神话为“AI 时代的排名作弊器”，但也绝不要听信“它完全没用”的极端言论。

了解清楚三件事

这不是Google的排名信号

谷歌搜索(包括 AI Overviews)明确表示不用它，因为谷歌底层的网页渲染能力太强了。

但是，在Google Chrome团队最新推出的 Lighthouse 13.3 版本中，已经悄悄上线了“智能体浏览器就绪度(Agentic Browsing Readiness)”的实验性审查，专门检查网站是否有llms.txt。

这说明谷歌内部不同团队对它的定位是：它不是为了SEO排名，而是为了未来“AI 智能体(Agents)”能像人类一样顺畅地逛你的网站。

AI搜索时代的流量逻辑变了

传统的SEO是B2H(Business to Human)，你做网站是给人类看的。现在的趋势正在向 B2A(Business to AI/Agent) 演进。

Perplexity、ChatGPT Search在回答实时问题时，依然在拼命抓取、清洗网页。

Markdown格式提供一个机器极其好读的接口，能显著降低AI系统的抓取成本和延迟(Latency)。

“网站的功能性”正在变成SEO的“隐形翅膀”

正如John Mueller所说，提供Markdown文件是为了提升使用AI工具(如 Cursor 编程、Obsidian 笔记)的用户的体验。

这些用户在被你的Markdown喂饱后，会产生大量的站外品牌提及、社交媒体讨论(Co-citation)，而这些全网的“共识信号”，恰恰是 Perplexity、ChatGPT 以及Google评估你品牌权威度(E-E-A-T)的核心依据。

2026年站长的最佳落地实践

1.部署 llms.txt

既然成本极低，那就做一个。

策略： 在网站根目录下建立一个文件llms.txt。

原理： 精简、有主见（Editorial Choice）。不要把全站成千上万个页面都塞进去，AI 会迷失。只挑出 20-50 个最核心的 canonical 页面（如：核心产品页、价格页、最能代表你专业度的行业深度评测/指南、FAQ 汇总页）。

格式规范(严格按照 Markdown)：
Markdown
# 你的品牌/网站名称(拒绝广告词)
> 用 2-3 句话简明扼要地介绍你的业务和核心优势(让 AI 智能体一秒读懂你是谁)。
## 核心服务与产品
- [网站页面布局](https://blog.topsucai.com/wang-zhan-ye-mian-bu-ju/): 网站页面布局：兼顾SEO优化与用户体验的布局指南。
- [SEO URL](https://blog.topsucai.com/seo-url/): 2026年SEO URL规范设计完全指南。

目的： 给那些开源AI Agents抓取。

2.采用BLUF架构

这是在ChatGPT搜索里刷引用率最有效的”手段”。

操作： 在每一篇 SEO 文章的 H1 标题下方，或者核心 H2 标题（最好是问题格式，如“XX平台的动态风控机制是什么？”）的正下方，用 50-80 个字的大白话、加粗直接给出核心答案。

原理： AI爬虫在急迫抓取时，会优先提取这段话作为回答摘要。

3.堆砌Schema JSON-LD

AI引擎不信任你的Markdown，但它们100%信任结构化数据代码。

重点： 部署FAQPage、Product 和 Article 标签。这才是机器最爱的“标准语言”。但不要制造垃圾内容。

4. 用“独家数据”建立壁垒

AI讨厌千篇一律的通稿，内容要具体，不要太范

操作： 少说“速度很快”，多说“经实测延迟为 140ms”。

效果： AI为了证明自己的权威性，会本能地引用带有具体数据和案例研究 (Case Studies) 的网站。

5.调整你的 SEO 关键绩效指标（KPIs）

别再只盯着 Google Search Console 的点击量了。在日常周报/月报中，开始关注并记录：

AI 推荐流量： 监控来自 utm_source=chatgpt.com 以及 perplexity.ai 的引流和辅助转化率(Assisted Conversions)。

手动埋点测试： 挑出你核心出单的 5 个长尾问题，每周在 ChatGPT Search 和 Perplexity 上搜一次，看看自己的品牌是否在 AI 吐出的“引用蓝色小标”里。如果在，记录下被引用的页面结构是怎样的。

总结

继续用规范的HTML拿谷歌流量;顺便做个llms.txt给AI智能体抓取。