当用户不再点进你的网站：AI 搜索时代 SEO 的新战场
过去做 SEO，站长的目标很明确：让搜索引擎把页面收录、排到前面，用户点击进入你的站点。但这两年一个明显的变化是：越来越多的用户不再点开搜索结果，而是直接看 AI 给出的答案。ChatGPT、Perplexity、Bing 的 Copilot、以及各家国内的 AI 搜索，正在成为新的"入口"。它们的回答从哪里来？很大一部分来自对公开网页的抓取、索引和引用。
这带来一个全新的问题：当 AI 引用一个话题时，它会不会引用你的网站？如果你的内容在 AI 的答案里被正确引用、并带上链接，你就能拿到一波新的精准流量；如果引用的是竞品，你就彻底失去了这个曝光位。针对 AI 搜索引擎做优化的方法论，业界叫 GEO（Generative Engine Optimization，生成式引擎优化），而 llms.txt 是它最直接、最容易落地的技术手段之一。这篇文章把 GEO 的思路和 llms.txt 的实操讲清楚，面向个人站长，全部可落地。
GEO 与传统 SEO 的关系：不是替代，是延伸
先给结论：GEO 不是要你抛弃 SEO，而是在 SEO 的地基上加盖一层。搜索引擎和 AI 系统并不是两套完全独立的体系——AI 搜索的语料往往就来自搜索引擎的索引，或者直接来自爬虫抓取的网页。你在传统 SEO 上做对的事（清晰的结构、明确的主题、快速的加载、可靠的内容）对 GEO 同样有效。
但 GEO 确实带来了几个新的侧重点：
- 从"关键词匹配"转向"语义完整"。AI 倾向于引用那些对一个问题给出完整、准确、结构化回答的页面，而不是关键词堆砌的页面。
- 从"排名"转向"被引用"。你的目标是在 AI 生成答案时，被当作可信来源纳入参考并注明出处。
- 内容的可机器解析性变得举足轻重。AI 需要能快速提取"谁、在讲什么、结论是什么、来源是否可信"，这比给人看更重要的是机器能读懂。
- 新鲜度和权威性是硬指标。AI 常常偏好有明确更新时间、有作者信息、有事实依据的内容。
理解了这四点，后面的具体动作就是水到渠成。
llms.txt 是什么：给 AI 的一张"站点说明书"
llms.txt 是一个放在网站根目录的纯文本文件（就像 robots.txt 一样），它的作用是用简洁的 Markdown 结构，向大语言模型说明你的网站是什么、有哪些重要页面、每个页面讲什么。它不是标准，也不是协议，而是一个社区约定——但它简单到极致，成本几乎为零，却可能让 AI 更准确地理解和引用你的站点。
它的基本结构长这样：
# 站点名称
> 一句话说明这个网站是做什么的，面向谁。
## 核心文档
- [页面标题](https://example.com/page1)：这一页讲了什么
- [页面标题](https://example.com/page2)：这一页讲了什么
## 可选
- [关于我们](https://example.com/about)：作者与站点背景注意几个细节：第一行是站点标题（H1），紧接着用引用块写一句话简介，后面用 Markdown 列表列出重要页面的标题、链接和一句话说明。"可选"部分用于放次要信息。整个文件的思路是：让 AI 用最少的时间，理解你这个站点最有价值的资源在哪里。
把文件保存为 llms.txt，放到网站根目录，确保能通过 https://你的域名/llms.txt 直接访问即可。用 Nginx 的话，把文件放到站点根目录（比如 /var/www/html/llms.txt）通常就能直接访问，如果被伪静态规则拦截，需要加一条明确的放行规则：
location = /llms.txt {
default_type text/plain;
add_header Cache-Control "public, max-age=3600";
}部署完成后用 curl https://你的域名/llms.txt 验证是否返回正确内容，Content-Type 应为 text/plain。
为什么 llms.txt 值得做：三个实际理由
有人会问：AI 系统到底认不认 llms.txt？坦白说，目前没有官方标准保证所有 AI 都读它，但做它的理由依然充分：
- 成本极低、风险极小。花十分钟写一个文件，最坏情况是没被读取，不会对你的传统 SEO 造成任何负面影响。
- 给 AI 一条理解你的捷径。很多 AI 抓取工具在爬取一个站点时，会优先寻找 robots.txt、sitemap、llms.txt 这类约定文件来判断站点的结构和重点。你提供了，就多了一次被准确理解的机会。
- 倒逼你把自己的站点结构理清楚。写 llms.txt 的过程，本身就是一次站点信息架构的梳理——哪些页面是核心、哪些是次要，一目了然。这对人、对搜索引擎、对 AI 都有好处。
GEO 的可落地动作清单
llms.txt 只是入口。真正让 AI 愿意引用你的，是内容本身的可引用性。以下是一套面向个人站长的可落地清单。
1. 用语义清晰的标题层级
确保每个页面有唯一的 H1，用 H2/H3 组织内容结构。AI 在抽取段落时，非常依赖标题层级来判断"这一段在回答什么问题"。避免用图片文字充当标题，也不要为了样式而滥用 H 标签。
2. 结构化数据标注
用 JSON-LD 标注 Article、FAQPage、BreadcrumbList、HowTo 等类型，把"这是什么内容、谁写的、什么时候更新"用机器可读的方式说清楚。结构化数据既是传统 SEO 的加分项，也是 AI 理解内容的重要依据。核心字段包括：headline、author、datePublished、dateModified。注意 author 和日期的格式要规范，日期用 ISO 8601（如 2026-10-13）。
3. 让答案"可直接引用"
AI 生成答案时，倾向于引用那些已经把结论说清楚的段落。所以每篇内容最好在开头或小标题下，用一两句话直接给出核心结论，再用正文展开论证。这种"先结论后论证"的写法，对人读者和 AI 都友好。
4. 保证爬虫可读性
这是一个很多人踩的坑：JS 渲染的页面，AI 爬虫可能只看到空壳 HTML。如果你的内容依赖前端 JS 动态加载，AI 往往抓不到。尽量让核心内容在服务端渲染（SSR）或预渲染，至少保证"查看网页源代码"时能看到正文。这一点比什么都重要——内容抓不到，后面所有优化都是空谈。
5. 维护更新时间和作者信息
AI 对内容新鲜度很敏感。给每篇文章显示并标注真实的发布时间和最后更新时间，并保持实质性的更新（不是改个错别字就改日期）。作者信息也一样，有署名、有简介的站点，在 AI 眼里可信度更高。
6. 主动提供站点地图
除了给搜索引擎的 sitemap.xml，可以在 llms.txt 里列出核心内容清单。让 AI 和搜索引擎都能快速发现你的高质量页面。
7. 关于 AI 爬虫的取舍
你的 robots.txt 决定哪些 AI 爬虫可以抓你。常见的 AI 抓取 UA 包括 GPTBot（OpenAI）、ClaudeBot（Anthropic）、PerplexityBot、Google-Extended 等。如果你希望被 AI 引用以获得曝光，就不该屏蔽它们；如果你担心内容被无偿用于模型训练，可以选择性地只放行会回链引用的抓取（如 PerplexityBot），屏蔽纯训练用途的抓取（如 GPTBot）。这是一个策略选择，取决于你的内容定位。下面是一段示例：
User-agent: GPTBot
Disallow: /
User-agent: PerplexityBot
Allow: /
User-agent: ClaudeBot
Disallow: /这段配置的语义是：允许 Perplexity 抓取（因为它在回答里带引用链接），不允许 GPTBot 和 ClaudeBot 抓取（纯训练用途）。你要根据自己的目标调整，切忌照抄。
真实复盘：一次 GEO 尝试带来的变化
背景：一个讲 Linux 运维的技术博客，传统 SEO 已经做到了自然收录、部分关键词排在第一页，但流量增长停滞。站长注意到，一些用户反馈"是从某 AI 助手里看到你的文章的"，于是决定系统性地做一次 GEO 优化。
动作：
- 写了 llms.txt，把站内最核心的 30 篇教程按主题分类列出，每篇配一句话摘要；
- 给所有文章补齐 JSON-LD 结构化数据，特别是
dateModified和author； - 把几篇 JS 渲染的页面改成服务端输出，确保爬虫能抓到正文；
- 在每篇文章开头加了"结论先行"的摘要段；
- 检查 robots.txt，确认 PerplexityBot 等带引用的爬虫能正常抓取。
效果观察：一个月后，通过 AI 助手带来的引荐流量（在访问日志里能通过 Referer 看到部分来源）从几乎为零增长到日均几十个访问，虽然绝对量不大，但质量很高——这些用户是带着明确技术问题来的，跳出率显著低于搜索引擎来的泛流量。同时传统 SEO 的收录数据没有受到负面影响。
这次尝试最大的体会是：GEO 的门槛看起来很高，但个人站能做的那几件事（llms.txt、结构化数据、服务端渲染、结论先行）其实都很朴素，而且和传统 SEO 高度重合。不需要什么黑科技，把基础做扎实，就能在这个新入口里占到一个位置。早做的站长，往往能吃到一个新渠道早期的红利。
常见问题
Q：llms.txt 会被 AI 读取吗？没有保证。它是一个社区约定，部分工具和平台会读取，但没有强制标准。做它的价值在于成本极低且无害，属于"宁可信其有"的低风险投入。
Q：GEO 会不会和传统 SEO 冲突？不会。两者高度兼容，结构化数据、服务端渲染、清晰标题、内容更新，这些都是传统 SEO 早就推荐的做法。GEO 只是多了 llms.txt 和对 AI 爬虫策略的考量。
Q：应该屏蔽 AI 爬虫吗？取决于你的目标。如果内容是靠流量变现、希望被引用导流，就放行；如果内容有商业机密或不愿被无偿用于训练，就选择性屏蔽。没有标准答案。
Q：小站有机会被 AI 引用吗？有。AI 更看重内容本身对问题的解答质量，而不是域名权重。一个把某个细分问题讲透的小站，完全有可能被 AI 引用。这其实是小站的一个机会。
总结
AI 搜索正在重塑流量的入口，GEO 也随之成为站长必须了解的新课题。它不神秘：核心是让内容对机器更友好、更可引用、更可信。落地路径很清晰——写一个 llms.txt 给 AI 一张站点说明书，补齐结构化数据说清"这是什么、谁写的、何时更新"，保证服务端可抓取，用"结论先行"的写法提高可引用性，再想清楚对 AI 爬虫的开放策略。对个人站长来说，这些动作成本低、和传统 SEO 不冲突，却是通往一个新流量入口的门票。在新渠道的早期，行动比完美更重要——先做，再迭代。