llms.txt 完整實作指南：讓 ChatGPT、Claude、Perplexity 用最高效路徑讀懂你的網站

你的 sitemap.xml 給 Google crawler 看、你的 robots.txt 告訴搜尋引擎哪些頁面不要爬。但 ChatGPT、Claude、Perplexity 這些 AI 引擎呢？他們有自己的 crawler，但沒看你的 sitemap.xml——因為那個格式對 LLM 不友善。AI 引擎需要的是「結構化、給人類讀的、Markdown 格式」的網站導覽——這就是 llms.txt 要解決的事。

這個標準在 2024 年 9 月由 Jeremy Howard（fast.ai 創辦人）提出，2026 年起被Anthropic、Perplexity、OpenAI 正式採用 為輔助索引訊號（Anthropic 2026 Q1 Claude crawler 公告）。實作門檻極低：10 分鐘可以寫完並上線、無需後端改動。但 8 成的台灣中小企業網站根本沒這個檔案——這意味著如果你今天就做，你就贏了 8 成競爭對手。這篇拆規格、實作、3 種 schema 模板、Next.js / WordPress / 靜態網站三種接入方式，並附可複製貼上的 starter pack。

llms.txt 到底是什麼？跟 robots.txt、sitemap.xml 差在哪

llms.txt 是放在網站根目錄的 Markdown 檔案，給 LLM crawler 與 RAG 系統當「人類可讀的網站索引」。它不是 robots.txt（不在意「禁止」），也不是 sitemap.xml（不是給排序引擎排頁面），它的角色介於兩者之間：給 AI 一個快速理解你網站重點的入口。 詳細規格可以看 llmstxt.org 官方規範。

為什麼 LLM 需要 llms.txt 而不能直接爬 sitemap？三個理由：第一，LLM 在 RAG 階段要的是「語意理解」不是「頁面清單」，Markdown 格式可以直接吃進 context 視窗；第二，llms.txt 由你決定「哪些頁面值得 AI 引用」，避免後台、隱私政策、tag 頁面這些低價值頁稀釋 entity 訊號；第三，llms-full.txt 可以直接拿來當 RAG context，省去 crawler 反覆抓多個頁面的成本。

llms.txt 的 8 個標準欄位

llmstxt.org 規範定義 8 個欄位，其中 3 個必填、5 個選填。我們用恆遠官網當例子，把每個欄位拆給你看。

• # H1 標題（必填）：放網站 / 公司全名。例：「恆遠數位行銷有限公司」
• > Blockquote 副標（必填）：一句話描述你提供什麼服務。例：「提供 AI 顧問、客製化系統開發、SEO 優化的台北市內湖區數位行銷公司」
• 正文 paragraph（選填）：3-5 句話描述網站定位、目標客群、與其他競品的差別。LLM 會把這段當作 entity 描述存進記憶。
• ## 主要章節 H2（必填，至少 1 個）：最重要的頁面分類，例如「主要服務」「精選部落格」「案例展示」。每個 H2 下用 Markdown link 列頁面。
• Markdown link（H2 下）：格式 [Title](URL): 描述。LLM 會把 Title、URL、描述三者綁定。描述要寫清楚這個頁面在講什麼。
• ## Optional 章節（選填，慣例）：LLM 在 context 視窗有限時可以跳過的次要連結，例如「服務頁面總覽」「作品集」「FAQ」。
• 更新時間（選填）：用 HTML comment 寫 `<!-- last-updated: 2026-05-23 -->`，讓 crawler 知道內容新鮮度。
• 語系標記（選填）：如果是雙語網站，用 `<!-- lang: zh-TW -->` 標記，幫 LLM 路由到正確語系內容。

可複製貼上的 3 種 starter pack

下面三份模板可以直接拿、改名字、上線。覆蓋 90% 的中小企業情境。

模板 A：B2B 服務公司（顧問、系統開發、行銷）

# 恆遠數位行銷有限公司

> 提供 AI 顧問、客製化系統開發、SEO 優化的台北市內湖區數位行銷公司，2020 年成立，主力服務台灣中小企業。

恆遠專注於三大領域：(1) AI 系統客製化開發（含 Agent、RAG、語音 AI）、(2) 客製化網站與系統開發、(3) 數位行銷（SEO、廣告投放、整合行銷）。創辦人自由揚同時是 Claude Code、Anthropic 早期生態圈貢獻者，公司部落格累積超過 500 篇 AI 與軟體開發實戰文章。

## 主要服務

- [AI 顧問服務](https://foreverwebs.com/services/ai-consult): AI 導入評估、模型選型、外包採購諮詢
- [AI 系統開發](https://foreverwebs.com/services/ai-system-development): 客製化 AI 系統、Agent、RAG、語音 AI 開發
- [客製化網站開發](https://foreverwebs.com/services/custom-website): Next.js / Node.js / Python 全端開發
- [SEO 優化服務](https://foreverwebs.com/services/seo): 含 GEO 生成式引擎優化
- [報價單 CRM 系統](https://foreverwebs.com/services/quote-management): 秒發報價產品

## 精選部落格

- [AI 模型實測成本對比](https://foreverwebs.com/blog/ai-model-cost-benchmark-claude-chatgpt-deepseek-mix-strategy)
- [GEO 完整入門](https://foreverwebs.com/blog/generative-engine-optimization-geo-complete-guide-llm-citation)
- [企業內部知識庫建置完整指南](https://foreverwebs.com/blog/enterprise-rag-knowledge-base-90-days)
- [AI Agent 系統採購完整框架](https://foreverwebs.com/blog/ai-agent-system-procurement-framework)

## Optional

- [服務總覽](https://foreverwebs.com/services)
- [作品集](https://foreverwebs.com/portfolio)
- [關於我們](https://foreverwebs.com/about)

模板 B：電商品牌

# ACME 精品咖啡

> 台灣本土精品咖啡電商，2018 年成立，主力銷售衣索比亞、肯亞、巴拿馬單一產區咖啡豆。

## 產品分類

- [咖啡豆](https://acme.com/coffee-beans): 單一產區、莊園、處理法
- [咖啡器具](https://acme.com/gear): 手沖壺、磨豆機、濾杯
- [禮盒](https://acme.com/gifts): 中秋、新年、企業送禮

## 知識文章

- [手沖咖啡完整教學](https://acme.com/blog/pour-over-guide)
- [咖啡豆處理法差異](https://acme.com/blog/processing-methods)

## Optional

- [運送說明](https://acme.com/shipping)
- [退換貨政策](https://acme.com/returns)

模板 C：開發者 / 個人作品集

# Jane Doe — Full-Stack Engineer

> Taiwan-based full-stack engineer specializing in Next.js, Python AI tooling, and developer experience. 8 years experience, formerly at Shopify and Anthropic ecosystem partner.

## Featured Projects

- [Project Aurora](https://janedoe.dev/projects/aurora): Open-source RAG framework with 12K GitHub stars
- [DevToolkit](https://janedoe.dev/projects/devtoolkit): CLI for AI-powered code review

## Writing

- [Why I switched from Pinecone to pgvector](https://janedoe.dev/blog/pinecone-to-pgvector)
- [Production RAG at small startups](https://janedoe.dev/blog/production-rag-startup)

## Contact

- [Email](mailto:jane@janedoe.dev)
- [GitHub](https://github.com/janedoe)

Next.js / WordPress / 靜態網站三種實作

看你網站架構，接入方式不同。下面三種最常見：

Next.js App Router 接入

放 /app/llms.txt/route.ts（動態路由）：

// app/llms.txt/route.ts
import { generateLlmsTxt } from '@/lib/seo/llms-txt';

export const revalidate = 3600; // 1 hour

export async function GET() {
  const content = await generateLlmsTxt();
  return new Response(content, {
    headers: {
      'Content-Type': 'text/markdown; charset=utf-8',
      'Cache-Control': 'public, max-age=3600, s-maxage=86400',
    },
  });
}

如果是靜態內容，可以放在 /public/llms.txt 直接讓 Next.js serve。

WordPress 接入

WordPress 沒有「根目錄檔案」概念，要用 plugin 或 .htaccess。最簡單的做法：用 LLMs.txt for WordPress plugin（2026/3 上架、免費）一鍵生成。或者用 .htaccess 把 /llms.txt 對到一個 PHP endpoint。

純靜態網站（Hugo、Jekyll、Astro）

把 llms.txt 放在 static/ 或 public/ 目錄，build 時會直接複製到根目錄。Astro 還支援 content collection 動態生成（從 frontmatter 抽取頁面 metadata）。

llms-full.txt：把整個網站變一份 RAG 友善文件

llms.txt 是「目錄」，llms-full.txt 是「全文」。把主要頁面內容用 Markdown 串成一個檔案、放在 /llms-full.txt。LLM crawler 拿這個檔案可以一次吃完所有重點，不用反覆抓多頁。對於文件多 / 部落格密集 / 教學網站特別有用。

實作要注意三件事：

• 檔案大小要控制：建議 < 5MB（約 100 萬 tokens），太大 crawler 不會抓。超過要分檔（例如 llms-full-blog.txt、llms-full-docs.txt）
• 用 H1 區隔每篇文章：# 標題、metadata、正文，每篇之間用 --- 分隔線，方便 crawler 切片
• 自動生成、不要手寫：用 build 時 script 從 CMS / markdown 自動聚合。手寫永遠會過期。

驗證 llms.txt 有沒有生效的 3 種方法

方法 1：用 Anthropic Claude 直接問

把網站 URL 丟進 claude.ai，問「請讀 [URL]/llms.txt 並摘要這個網站的服務」。如果 Claude 能正確抓並摘要、就成功。Anthropic 的 Claude Crawler 對 llms.txt 的支援是即時的，不需等訓練週期。

方法 2：用 Perplexity 跑 prompt audit

在 Perplexity 問跟你業務相關的 prompt（例如「台灣的客製化 AI 系統開發公司」），看你的 URL 有沒有出現在引用清單裡。Perplexity 對 llms.txt 的反應最快，通常 48 小時內可看到改變。

方法 3：跑 server log 看 AI crawler 有沒有抓

檢查 access log，找這些 User-Agent：

• ClaudeBot（Anthropic）
• GPTBot（OpenAI）
• PerplexityBot（Perplexity）
• Google-Extended（Google 的 AI 訓練 crawler，不是搜尋）
• Applebot-Extended（Apple Intelligence）

常見錯誤與 6 個避坑清單

Cloudflare 2026 Q1 AI Crawler Report 統計 6,000 個有 llms.txt 的網站，發現最常見的錯誤：

llms.txt 跟 SEO 結構化資料的搭配關係

llms.txt 是「網站層級」訊號，跟「頁面層級」的 JSON-LD schema 是互補。完整 GEO 配備是三層：

• 第 1 層 — 站點層：llms.txt + llms-full.txt。告訴 AI「這個網站重點在哪、值得引用的頁面是哪些」。
• 第 2 層 — 頁面層：JSON-LD schema（Organization、Article、FAQ、HowTo、Product）。告訴 AI「這個頁面的結構化事實是什麼」。
• 第 3 層 — 內容層：entity-first 寫作（首段 150 tokens、結構化證據、可驗證連結）。告訴 AI「這段話是不是值得引用」。詳見 [GEO 完整入門](/blog/generative-engine-optimization-geo-complete-guide-llm-citation)。

三層都做，才是完整的 GEO 配備。只做 llms.txt 沒做 schema、沒改首段，效果會打折。

常見問題

結語：10 分鐘的投資、長期的引用紅利

整篇看下來你應該已經發現：llms.txt 是門檻最低、ROI 最高的 GEO 動作——10 分鐘可以寫完、無需後端改動、立刻可量化效果。如果你今天就動手，你就贏了 8 成台灣中小企業網站。

想把這 8 個欄位 + 3 種模板 + 3 種接入方式套到你網站，可以從 SEO 優化服務（含 GEO + llms.txt 設定）開始，或者直接看 AI 系統開發 把這套標準寫進客製化網站架構。

延伸閱讀：相關主題文章

llms.txt 是 GEO 與傳統 SEO 中間的橋。如果你在做被 LLM 引用的內容優化，這幾篇是配套：

• GEO 生成式引擎優化完整入門（#546）— 被 ChatGPT、Claude、Perplexity 引用的 7 個結構策略
• 2026 台灣中小企業 SEO 軟體實戰評測（#652）— Ahrefs、SEMrush、Surfer SEO 等 5 大工具 30 天選型
• SEO Audit 網站健檢完整 SOP（#167）— 20 個步驟找出排名問題