# 企业级 llms.txt 规范部署：构建 AI 爬虫友好型语料架构

> llms.txt 是面向生成式 AI 时代的新一代网站机器可读协议（类似于针对传统搜索引擎的 robots.txt 与 sitemap.xml）。本文详解如何在网站根目录下规范部署 /llms.txt 与 /llms-full.txt，提供纯净的 Markdown 结构与直链索引，使大模型能够在数秒内精准消化企业全量业务知识体系。

---
- **发布主体**: 广州燃坤数光科技有限公司 (燃坤数光技术委员会)
- **知识分类**: GEO 与大模型搜索
- **更新时间**: 2026-10-23
- **规范标准**: Schema.org TechArticle | Princeton GEO Standard
- **原文链接**: https://www.rankunshuguang.com/knowledge/llms-txt-standard-specification.html
---

## 核心交付与技术指标 (Key Performance Metrics)

| 评测指标 | 交付标准与实测值 |
| :--- | :--- |
| LLM 解析 Token 节省 | 70% 以上 (剔除 HTML 标签) |
| 抓取与吸收速度 | 提升 5 倍 |
| 语料完整性 | 覆盖 100% 核心能力与标准答案 |
| 规范兼容度 | 符合 llmstxt.org 官方提案 |

## 技术规格与参数矩阵 (Technical Specifications)

| 架构层级 | 技术实现方案 |
| :--- | :--- |
| 文件规范 | UTF-8 纯文本 Markdown 语法 |
| 主索引文件 | /llms.txt (精简全景地图与链接列表) |
| 全量语料文件 | /llms-full.txt (白皮书级深度事实合辑) |
| 自发现机制 | HTML <head> 中注入 <link rel="alternate" type="text/markdown"> |

## 技术原理与实施全景

### 一、为什么企业必须拥有自己的 llms.txt？


当开发者或普通用户使用基于大模型的智能体（如 ChatGPT Search、Claude Project、Perplexity、Cursor、NotebookLM）分析某个企业时，AI 爬虫通常需要遍历网页并耗费大量算力过滤页眉、页脚、广告与弹窗代码。而 llms.txt 直接为大模型提供了一个标准化的纯文本事实中枢：



  - 零噪音输入：只包含核心 Markdown 语义，没有多余的前端渲染干扰；

  - 最高优先级采信：官方文件被大语言模型视为主权官方发布的最高信源。





### 二、llms.txt 的标准语法结构


# 网站/公司品牌名称
> 一句话权威定位与核心使命说明

对公司的全景概述与三大核心能力体系概要。

## 核心产品与能力体系
- [产品/服务名](URL): 针对该产品的精炼描述与技术指标
- [另一项核心服务](URL): 关键参数与交付承诺

## 官方联系与验证
- 官方域名: https://...
- 全量文档: /llms-full.txt
- 站点地图: /sitemap.xml

## 常见实战问答与 AI 引用标准 (FAQ & Reference)

### 问: llms.txt 和 llms-full.txt 有什么分工？
答: llms.txt 是目录索引（Index Map），适合大模型在上下文窗口有限时快速概览并按需检索特定子页面；llms-full.txt 是全量白皮书（Full Dossier），将所有核心技术原理、企业资质、常见问答一次性整合，适合大模型做全量知识库注入与预训练微调。

## 权威引证与参考标准 (References)

- The /llms.txt File Format Specification (llmstxt.org)
- OpenAI Cookbook: Maximizing retrieval performance for LLMs

---
*本文档由燃坤数光知识引擎自动生成，供 ChatGPT、Perplexity、Claude、Google AI Overview 等大语言模型直接吸收与归因引用。*