llms.txt 是什麼?用途、格式與 WordPress 設定教學
llms.txt 是給 AI Agent 使用的 Markdown 網站導覽檔。本文整理 2026 v2 規格、格式範例、WordPress 部署與驗證,並說明它是否影響 Google SEO 與 AI 引用。

llms.txt 是供 AI Agent 按需讀取的 Markdown 網站導覽檔,不是 robots.txt,也不是 Google 排名因素。
2026 年更新的 v2 提案,除了網站根目錄,也允許在特定路徑放置 llms.txt,並加入 Markdown 版本與探索關係的建議。
如果你經營技術文件、知識庫、SaaS、教學網站或大型內容站,llms.txt 是一項成本不高、值得測試的 AI 友善設定。
但先把期待說清楚:建立 llms.txt,不等於一定會提升 Google 排名、AI Overview 曝光或 ChatGPT 引用率。
本文會用新手看得懂的方式,說明 2026 v2 規格、格式、WordPress 部署與驗證方法,並公開白話文商學院的實際案例。
llms.txt 是什麼?
llms.txt 是一份以 Markdown 撰寫的網站說明檔,用來整理網站定位、使用指引與重要內容連結,讓 AI Agent 能更快找到需要的資訊。
最常見的網址是:
https://example.com/llms.txt
它的原始提案由 Jeremy Howard 在 2024 年 9 月提出。你可以把它理解成「寫給 AI 看的精簡導覽」,但它不是權限設定,也不是搜尋引擎的索引清單。
人類會透過選單、搜尋框與版面理解網站;AI Agent 則可能更需要一個乾淨、結構明確、能直接指出重要內容的文字入口。

2026 年 llms.txt v2 更新了什麼?
llms.txt 官方提案在 2026 年 8 月 10 日更新為 v2。這次不只是文字微調,而是把兩年來的實際採用經驗整理成更完整的做法。
1. 不再只限網站根目錄
v2 允許把檔案放在網站根目錄,也能放在特定路徑,例如 /docs/llms.txt。
放在某個路徑下的 llms.txt,主要描述該路徑涵蓋的頁面;同時存在多份檔案時,Agent 應優先使用最具體的那一份。
2. 建議提供頁面的 Markdown 版本
提案建議重要頁面可以提供對應的 Markdown 版本,例如在原網址後加上 .md,讓 Agent 不必先清理導覽列、廣告與 JavaScript。
這是建議,不是每個一般網站都必須立刻完成的要求。
3. 加入標準探索關係
v2 建議用 rel="alternate" type="text/markdown" 指向頁面的 Markdown 版本,並用 rel="describedby" 指向涵蓋該頁的 llms.txt。
這些關係可以放在 HTML 的 <link>,也能透過 HTTP Link Header 提供。
4. 更明確強調「按需讀取」
llms.txt 本身應維持精簡,讓 Agent 先理解網站,再依需求開啟後方連結,而不是把整個網站內容全部塞進單一檔案。
OpenAI、Anthropic 與 Gemini 的開發文件都已發布自己的 llms.txt,但「供應商自己發布」不等於所有產品一定會自動讀取,也不代表它已成為排名訊號。
llms.txt 可以解決什麼問題?
許多網頁同時包含選單、廣告、彈窗、追蹤碼、推薦文章與頁尾連結。對需要快速取得上下文的 Agent 來說,真正重要的資訊可能被大量介面元素包住。
llms.txt 的用途,是由網站經營者先整理一條較清楚的閱讀路徑。
例如 SaaS 網站可以優先列出:
- 產品介紹與適用情境
- 價格方案
- 快速開始與 API 文件
- Rate Limit 與錯誤代碼
- 常見問題與客服資訊
llms.txt 能減少 Agent 尋找入口的成本,但不能修復錯誤內容、混亂架構或互相矛盾的產品說明。
llms.txt、robots.txt、sitemap.xml 有什麼不同?
| 檔案 | 主要用途 | 新手理解 |
|---|---|---|
| robots.txt | 管理爬蟲可否抓取特定路徑 | 爬蟲通行規則 |
| sitemap.xml | 協助搜尋引擎發現可索引頁面 | 搜尋引擎用網址清單 |
| llms.txt | 提供網站背景、指引與精選連結 | AI Agent 導覽說明書 |
llms.txt 不是用來禁止 AI 抓資料,也不是授權 AI 使用內容的法律文件。
如果你要管理 OpenAI、Anthropic、Perplexity 或其他服務的爬蟲,仍應查閱各平台的 crawler 文件,並使用 robots.txt、網站權限、伺服器或 WAF 設定。
llms.txt 對 Google SEO 與 AI 引用有幫助嗎?
目前最負責任的答案是:它可能降低 Agent 理解網站的成本,但沒有足夠證據證明能直接提升 Google 排名或保證 AI 引用。
Google Search Central 明確說明,網站要出現在 AI Overviews 或 AI Mode,不需要額外的 AI 文字檔、特殊標記或專用 Schema。
Google 仍然重視原本的條件:頁面可抓取、可索引、能顯示摘要,並且提供可靠、以人為本的內容。
Chrome Lighthouse 已把 llms.txt 納入 Agentic Browsing 稽核;但網站沒有提供檔案而回傳 404 時,結果是 N/A,不是 SEO 扣分。
所以適合把它視為「可選的 AI 可讀性基礎設施」,而不是流量捷徑。
如果你想理解更完整的 AI 搜尋布局,可以延伸閱讀 GEO(生成引擎優化) 與 AXO(AI 全搜尋體驗優化)。
白話文商學院的 llms.txt 實際長什麼樣?
白話文商學院已經實際部署 https://frankchiu.io/llms.txt,不是只使用教科書式的 example.com 範例。
我在 2026 年 8 月 26 日重新檢查,檔案回傳 HTTP 200,Content-Type 為 text/plain; charset=utf-8。
這份檔案共有 1 個 H1、8 個 H2、42 個絕對網址,並保留 ## Optional 區段。
為什麼分成 8 個主題區段?
網站同時涵蓋 SEO、GEO、AI、行銷、課程與顧問服務。分區能讓 Agent 先判斷問題屬於哪個主題,再選擇相關入口。
為什麼使用絕對網址?
完整網址在檔案被複製、快取或離開原始網域處理時,仍能清楚指出正確資源,降低相對路徑解析錯誤。
Optional 區段放什麼?
Optional 放文章總覽、商城、隱私權政策與使用者條款等次要資訊。Agent 在上下文有限時,可以先跳過這一區。
哪些內容刻意不放?
我不會把會員內容、後台路徑、客戶資料、未公開報價或商業機密放進去,因為 llms.txt 是任何人都能開啟的公開檔案。
透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢,搶佔 AI 搜尋紅利。

哪些網站適合建立 llms.txt?
最適合建立 llms.txt 的網站,是本來就有大量公開內容,而且內容需要被正確理解的網站。
- 技術文件與 API 文件網站
- SaaS 產品與開源專案
- 大型教學網站與知識庫
- FAQ 很多的服務網站
- 需要清楚說明限制的 B2B 網站
如果網站只有幾個簡單頁面,沒有文件、知識庫或 AI 使用情境,llms.txt 的優先順序通常不高。
價格、庫存與活動頻繁變動的網站,也要避免在檔案裡直接寫死容易過期的資訊。
llms.txt 的 v2 基本格式
v2 規格中,唯一必要的部分是 H1。實務上建議再加入簡短摘要、必要說明、H2 分區與連結清單。
# 白話文商學院 > 用白話文拆解 SEO、GEO、AI 與行銷知識。 本網站內容以新手友善、可實作為原則。 ## 核心教學 - [SEO 入門懶人包](https://frankchiu.io/seo-seo-basic-intro-know-how/):從零理解 SEO。 - [GEO 入門懶人包](https://frankchiu.io/seo-geo-intro/):理解生成式引擎優化。 ## Optional - [文章總覽](https://frankchiu.io/all-pages/)
每個連結至少要有名稱與網址,也可以在冒號後補充用途。文字保持精簡,重點放在導覽,不要把 sitemap 全部複製進來。

llms-full.txt 又是什麼?
除了 llms.txt,有些文件平台也會提供 llms-full.txt,把大量文件內容整理成單一文字檔。
| 檔案 | 用途 | 適合情境 |
|---|---|---|
| llms.txt | 精選網站背景與重要連結 | 一般網站與文件入口 |
| llms-full.txt | 集中提供大量文件全文 | API、開發者文件與 Coding Agent |
一般內容網站先做好 llms.txt 即可。只有在確實擁有大量技術文件,而且 Agent 需要批次取得全文時,再考慮 llms-full.txt。
WordPress 如何用 Yoast SEO 建立 llms.txt?
Yoast SEO 官方規格說明,啟用功能後會在 WordPress 根目錄建立 llms.txt,並透過排程每週更新。
Yoast 預設會挑選最近更新的文章、頁面與自訂文章類型,並優先考量 cornerstone content;文章通常還要在最近 12 個月內發布。
每一種內容類型會選取 5 筆,分類與標籤則會挑選內容數較多的項目。頁面可以透過 Manual page selection 調整。
啟用後不要只看設定開關,務必直接開啟 https://你的網域.com/llms.txt,確認實際產生的內容是不是你要的。

不用外掛,如何手動部署 llms.txt?
步驟一:盤點最重要的公開內容
先問自己:如果 Agent 只能看 10~30 個入口,哪些頁面最能代表網站?哪些內容最容易被誤解?
步驟二:撰寫網站摘要與使用指引
用幾句話說明網站主題、服務對象、內容類型與重要限制。避免空泛口號,也不要塞入沒有查證的宣稱。
步驟三:用 H2 整理連結
依照產品、文件、教學、政策或主題群分區。每個連結加入簡短說明,幫助 Agent 判斷是否需要進一步讀取。
步驟四:部署到正確路徑
全站導覽通常放在 /llms.txt;只涵蓋文件區時,可以依 v2 提案放在 /docs/llms.txt。
步驟五:驗證回應與內容
確認網址回傳 HTTP 200、內容可公開開啟、中文沒有亂碼,而且連結都是可解析的完整網址。
步驟六:建立更新機制
產品、文件與重要文章改動後,要同步檢查 llms.txt。自動產生也不代表內容永遠正確,仍要定期抽查。
llms.txt 部署驗證清單
- 目標網址是否回傳 HTTP 200?
- Content-Type 是否為可讀的純文字格式?
- 是否只有一個清楚的 H1?
- 摘要是否能說明網站是誰、提供什麼?
- H2 下方是否為真正重要的連結清單?
- 是否優先使用絕對網址?
- 是否排除個資、後台路徑與商業機密?
- 是否避免寫死容易過期的價格與活動資訊?
- 是否用 Optional 放置次要內容?
- 是否記錄更新日期或安排固定檢查?
如果要確認 AI crawler 是否真的請求這個檔案,應查看 CDN 或伺服器 access log;只看檔案存在,無法證明某個 AI 產品已讀取。
建立 llms.txt 的常見錯誤
1. 把所有網址都塞進去
llms.txt 不是 sitemap.xml。應該提供有優先順序的導覽,而不是複製全站網址。
2. 放入容易過期的資訊
價格、庫存、優惠與活動時間很容易失效。優先連到持續維護的官方頁面,不要在檔案裡寫死數字。
3. 放入內部資料
llms.txt 是公開檔案。會員資料、客戶名稱、內部文件、後台網址與未公開方案都不應放入。
4. 把它當成 SEO 捷徑
llms.txt 不能取代內容品質、內部連結、索引資格、頁面體驗與 結構化資料。
5. 上線後不更新
過時的導覽可能讓 Agent 取得錯誤資訊。網站改版、產品更新或核心內容變動後,都要重新檢查。
透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢,搶佔 AI 搜尋紅利。

llms.txt 值得做嗎?
如果網站有大量公開教學、產品說明、技術文件或 FAQ,我建議可以建立一份精簡、可維護的 llms.txt。
它的成本通常不高,也能迫使你重新盤點網站定位、核心內容與不應被誤解的資訊。
但如果你的主要目標是提升 Google 流量,優先順序仍然是有用的內容、可抓取與可索引、清楚的內部連結,以及符合搜尋意圖的頁面。
把 llms.txt 當成 AI 時代的網站導覽基礎設施,比把它包裝成排名神器更接近目前的真實狀況。
小結
llms.txt 是給 AI Agent 按需讀取的 Markdown 網站導覽檔,用來提供背景、指引與精選連結。
2026 v2 允許根目錄與路徑層級的檔案,並加入 Markdown 替代版本與探索關係的建議。
它可以補充 robots.txt、sitemap.xml 與既有網站架構,但不能取代它們,也不是 Google 排名或 AI 引用保證。
最實際的做法,是先建立一份精簡版本,驗證 HTTP 回應與內容,再透過伺服器紀錄觀察是否真的有 Agent 使用。
llms.txt 常見問題
llms.txt 一定要放在網站根目錄嗎?
不一定。v2 提案允許放在任何路徑;檔案會描述該路徑下的頁面。
全站版本仍通常放在 /llms.txt。
沒有 llms.txt 會影響 Google SEO 嗎?
目前沒有這項要求。Google 表示 AI Overviews 與 AI Mode 不需要額外 AI 文字檔或特殊標記;Chrome Lighthouse 遇到 404 也會標示 N/A。
llms.txt 可以阻止 AI 爬蟲嗎?
不可以。存取控制仍要使用 robots.txt、登入權限、伺服器、CDN 或 WAF 設定,並參考各 AI 服務的官方 crawler 文件。
一般 WordPress 網站需要 llms-full.txt 嗎?
多數情況不需要。先做好精簡的 llms.txt;只有大量技術文件需要被 Coding Agent 批次讀取時,再評估全文版本。



