llms.txt 到底有没有用？5.15 亿次 AI 爬虫记录，加上我们自己官网的实测
先把结论放前面，省得你往下翻：到今天为止，llms.txt 不是 AI 搜索的排名因子，也不是被 AI 引用的保证。谁要是跟你说"部署一个 llms.txt，AI 就会来抓你、就会在回答里提你"——这话现在没有数据撑得住。
它成本极低，你想抢在标准前面先放一个，没问题。但别把它当增长杠杆卖，也别当增长杠杆买。这两件事，我们不光看了别人的数据，自己官网 fanhongai.com 上也放了一个 llms.txt——放归放，我们从没在任何地方说过"因为放了它，所以被 AI 提到"。为什么放、为什么又不吹，这篇讲清楚。
这也是我们做 GEO（生成式引擎优化，就是想办法让 AI 在回答里认得你、提到你）这一年里，被老板问得最多的"要不要交这笔钱"之一。
一、"部署 llms.txt = 被 AI 收录"这套话术，为什么听着这么顺
先说它对的地方，不然像抬杠。
有个做工业设备的老板，把一份 GEO 服务报价单转给我们看，问"这个值不值"。报价单里赫然一条："llms.txt 部署与优化"，单列一个价。他说："听着挺专业的，是不是必须做？"
我特别理解他为什么会被打动。这套逻辑表面上顺得很——你网站上早就有两个文件在管搜索引擎：一个 robots.txt 管着爬虫能进哪儿不能进哪儿，一个 sitemap.xml 帮搜索引擎摸清你有哪些页。那现在 AI 来了，给 AI 也准备一个专属文件、把你最重要的内容整理好喂给它，这想法本身不坏，成本还几乎为零。
llms.txt 就是这么个东西：放在网站根目录的一个纯文本文件，用来告诉大模型"我这站最重要的内容在这几页、大概讲什么"。提出来的初衷是好的。
问题不在初衷。问题在于——AI 的爬虫，到底看不看它。这不是靠讲道理能定的，得看实际发生了什么。
二、5.15 亿次爬虫记录，把这事说破了
有一份分析，我核过它的出处：Limy 的数据科学家 Yahel Oren，2026 年 5 月发布，统计口径写得很清楚——总共 5.15 亿次（精确到 515,382,577 次）AI 爬虫的访问记录，90 天窗口，5 亿多次访问里，直接冲着 /llms.txt 去的只有 408 次。
GPTBot、ClaudeBot、PerplexityBot、OAI-SearchBot、Google-Extended——就是 ChatGPT、Claude、Perplexity、Google 这些你叫得出名字的 AI 背后的爬虫，它们碰 llms.txt 的比例，用原文的话说是"统计上可以忽略"。它们来了，但不看这个文件，直接扒你网页本身（HTML）去了。
你辛辛苦苦准备的那份"喂给 AI 的精选菜单"，AI 压根没进这个门。它绕过菜单，直接进后厨自己翻。
Google 那边说得更直接。Gary Illyes（Google 搜索关系团队）在 Google Search Central Live 上明确表态：Google 不支持 llms.txt，也没有支持的计划。Google 搜索团队还把它类比成"keywords 元标签"——那是个搜索引擎十几年前就不看了的老东西。他的同事 John Mueller 在 Reddit 上补了一句（2026 年 6 月，Search Engine Journal 有报道）："这纯属猜测——这文件存在好几年了，可没有一个 AI 系统在用它，那它到底意味着什么？"
翻译成人话：这不是"以后可能有用"的期待，是"标准放在那儿好几年，没人接"的现状。
所以回到那个工业设备老板的报价单——单列一条 llms.txt 收费，本身不是骗局，那文件是真能给你配上的。但你要是因为"配了它就能被 AI 收录"才掏这笔钱，那你买的是一个当前不成立的承诺。
三、那我们自己官网，为什么还放了一个
到这儿你可能觉得，那结论就是"别碰它"。不是。
我们官网 fanhongai.com 上，就放着一个 llms.txt。说这个不是打自己脸，恰恰是我想讲的分寸。
放它，就两个朴素理由：一是成本近乎为零，写一个文件的事，不占预算、不占人力；二是万一哪天某个 AI 真开始读了，我们已经在场——抢个先手，输了也不亏什么。就这么简单，跟"投资回报"没关系，更像顺手把门口的灯泡换了。
但你翻遍我们官网、我们所有对外的东西，找不到一句"翻红AI 因为部署了 llms.txt，所以被 AI 引用了多少次"。因为我们没有这个证据。没证据的话，说出来就是注水，就砸了我们自己天天挂在嘴边那句"真效果，查得到"的招牌。
做它，是因为便宜；不吹它，是因为没证据。这两句话不矛盾，中间那条线，就是我们做 GEO 这行给自己划的诚实红线。一个只花你几分钟的动作，和一个值得写进报价单、当卖点收你钱的"增长杠杆"，是两码事。
四、真正让 AI 提到你的，是别的东西
光唱衰不指路，那是耍流氓。llms.txt 帮不上忙，那到底什么帮得上？说说我们自己实测下来、反复验证过的两条。
第一，AI 答题的时候，爱抄它信得过的那几个地方。你去问豆包、问 Perplexity 一个行业问题，它回答里提到的品牌，往往来自它平时抓得最勤、最信任的那些内容平台——不是来自你官网根目录那个没人看的 txt 文件。所以功夫得下在"让你的信息，出现在 AI 信得过的地方，并且被它反复看到"。
第二，你得先让 AI 认得清你是谁。我们见过太多这种情况：一个老板在豆包里搜自己公司，弹出来的全是别人家的，或者干脆把他认成了另一个同名的。这时候你放一百个 llms.txt 也没用——AI 连"你是谁"都没搞清，谈何推荐你。这一步靠的是让你官网、以及好几个别的地方，说的都是同一个你，口径对得上、认得准。
说白了，让 AI 提到你，从来不是"加一个文件"的事，是"AI 认得清你 + 好几个地方都在说同一个你"这两件慢功夫。这套东西我们后来自己总结成了几步，这里不展开——但没有一步是"放个 llms.txt 就见效"。
可能有人会说：万一哪天 AI 真开始读 llms.txt 了呢？这担心有道理，我们也是这么想的——所以我们也放了嘛，成本低，赌就赌了。但"可能有一天有用"和"现在就是能带来增长的杠杆"，是两件必须分开的事。前者花你几分钟，后者花你几千上万块，还赌的是一个尚未发生的未来。你可以为前者花那几分钟，但别为后者买单。
回到开头
llms.txt 现在不是 AI 搜索的排名因子，也不是被 AI 引用的保证——5.15 亿次爬虫记录和 Google 自己的表态，都指着同一个方向。
放它，因为便宜；别为它买单，因为没证据。这事我们自己在官网上就是这么做的，也这么建议每一个来问的老板。真到了该把预算花在哪儿的时候，花在"让 AI 认得你、让信得过的平台反复提到你"上——那才是现在真能动的地方。
—— 翻红AI ｜ 我们自己先跑通，再跟你说实话
了解翻红GEO：让 AI 帮你翻红 →