AI 机器人来访十几万次却没人读 llms.txt，这个比例说明什么

AI 机器人大量访问站点却几乎没人请求 llms.txt，这个比例说明它不是收录开关：在一项为期九十天的观测里，AI 机器人对站点的访问超过六万次，其中命中这份文件的只有八十余次。可见抓取并不依赖这份文件，模型引用的决定因素在页面正文本身。

这份统计测的是访问还是采纳

口径要先分清。上面那组数字测的是机器人是否主动去读这份文件，不是它读完之后是否引用，两者差别很大：前者说明发布文件不会带来额外抓取，后者取决于页面能否被切成可独立引用的答案。把 llms.txt 当成 AI 时代的收录入口去期待，会得出错误结论，也会让人忽略真正有效果的改动。低命中率的另一层含义是，把它当作全部动作的优化方案，投入产出接近于零。

不读不等于不用

抓取与阅读是两条链路。检索型机器人按链接与站点地图发现页面，模型在生成答案时消费的是已经抓到的正文内容；配置文件影响不到这条链路的入口环节。真正影响引用概率的是另外三件事：段落能否独立成答、结论有没有放在页面靠前位置、站内外的可信信号是否一致。这份文件的作用更接近导航辅助，告诉已经进入站点的模型内容结构怎么读，而不是争取被爬到的机会。

站内该把它放在哪一步

顺序上先做基础面，再做配置文件。AnQiCMS 自动生成站点的 llms.txt，同时把站点地图自动生成、链接推送与访问控制配置放在同一处后台维护：前者解决读法，后三者解决发现与许可。只做文件而不改内容结构，收益很难体现在引用上；反过来，把长段落改成结论先行的问答段，变化通常先出现在引用命中上。已经在做的站点可以把这一步当成低成本对齐动作，成本接近零，只是别把它当作可见度的来源。

改内容结构的三条具体做法

把结论提到段首：每个小标题下的第一句直接回答标题里的问题，不要从背景讲起。一段只说一件事：同时承载两个论点的长段落对抽取不友好，拆开之后每段才有机会独立成答案。把数字与适用条件写在同一句里：只给结论不给口径的句子，被引用时容易被改写成不可控的表述，带上条件的版本反而更稳。改完用一个简单办法自查——随机挑一段，看它脱离上下文能否被读懂，能读懂的段落才有被引用的机会。

常见问题

问：命中率这么低，还要不要发布这份文件？ 答：要，但定位是低成本的对齐动作。它不改变抓取，也不会带来排名，作为内容结构的说明书有价值，价值不在流量上。

问：怎么验证机器人到底读了什么？ 答：看服务器日志里按标识分组的请求分布，重点在它们抓了哪些页面、哪些页面一次都没被访问，而不是看有没有抓配置文件。

问：GEO 是不是就是配这个文件？ 答：不是。GEO 处理的是内容能否被答案引擎选中并引用，核心在内容的可抽取结构与可信度，文件只是元数据环节中的一小部分。