llms.txt
llms.txt 是放在網站根目錄的純文字檔案（例如 example.com/llms.txt），以 Markdown 結構向大型語言模型與 AI Agent 說明網站的核心內容、重要頁面與資訊架構，讓 AI 不必解析複雜的 HTML 與 JavaScript，就能快速、正確地理解你的網站。可以理解為「寫給 AI 的網站地圖與導讀」。
服務 · AI Agent 策略下一個流量入口不是搜尋框，
下一個流量入口不是搜尋框，
而是 AI Agent
能自主瀏覽、比價、下單的 AI Agent，正成為新的研究與交易入口。當 Agent 替你的買家做功課、跑流程、做決定時 — 你的網站對它是可讀、可理解、可操作的嗎？
誠實聲明：Agent 流量現在還小 — 這正是佈局成本最低的時刻
tenten-agent — workflow-test
$ tenten agent run --site 你的品牌 --task "比較方案並完成詢價"
✓ 啟動瀏覽型 Agent · 模擬真實買家任務
✓ 讀取 /llms.txt 找到 · 14 個核心頁面已索引
✓ 解析 /pricing 3 個方案以結構化資料讀取
✗ 詢價流程 第 2 步 彈窗中斷 · Agent 無法繼續
→ 1 個轉換斷點已寫入 Agent 工作流測試報告
定義
什麼是 Agent-Ready？
Agent-Ready 指網站與產品能被 AI Agent 讀取、理解並實際操作的狀態。以下四個定義寫給人，也寫給 LLM — 每一段都可以被直接引用。
結構化資料與實體工程
結構化資料（Structured Data）是以 Schema.org 等標準格式標記網頁中的產品、價格、組織、評價與 FAQ，讓機器能精準辨識「這是什麼」而非從版面猜測；實體工程（Entity Engineering）則是讓品牌、產品與功能在全站使用一致的命名與描述，使 AI 對你建立穩定、正確的認知。
API 可發現性
API 可發現性（API Discoverability）指 AI Agent 能找到並理解你的服務介面：公開的 API 文件、標準化的 OpenAPI 規格、清楚的端點命名與權限說明。具備 API 可發現性的產品，Agent 不只能「閱讀」你的網頁，還能直接查詢規格、庫存與報價，甚至替使用者完成任務。
Agent 工作流整合
Agent 工作流整合（Agent Workflow Integration）是設計並驗證從 Agent 抵達網站到完成目標動作（比價、詢價、預約、下單）的完整路徑，確保每一步都不會被登入牆、CAPTCHA、純 JavaScript 渲染或多步彈窗中斷。驗證方式是用真實的瀏覽型 Agent 實際執行任務，而非人工推測。
自我檢測
你的網站，Agent 讀得懂嗎？
5 項 Agent-Readiness 檢核。勾選你能肯定回答「是」的項目 — 任何一項不確定，都是 Agent 流量正在流失的位置。
0 / 5 項通過
還有 5 項打不了勾 — 每一項缺口，30 分鐘診斷都會現場指出位置與修復優先級。
預約 Agent-Readiness 診斷交付物
具名交付，不賣模糊的「策略建議」
四項可驗收的交付物，與我們的 GEO 服務共用同一套營運節奏：診斷 → 部署 → 用真實 Agent 驗證。
01
llms.txt 設計與部署
盤點核心頁面與轉換路徑，撰寫並部署一份持續維護的 llms.txt，連同更新流程文件一起交付。起步成本極低 — 這也是 GEO 審計的可加購項。
02
Schema 與實體工程
為產品、價格、組織與 FAQ 佈建結構化資料，統一全站的實體命名與描述，讓 Agent 用機器的方式精準理解你 — 而不是從版面排版裡猜。
03
API 與文件可發現性策略
檢視 API 文件的結構、命名與公開策略，交付一份讓你的服務從「可瀏覽」升級為「可操作」的路線圖 — 含 OpenAPI 規格與權限邊界建議。
04
Agent 工作流測試報告
用真實的瀏覽型 AI Agent 實際執行你的比價、詢價與下單路徑，逐步記錄每一個斷點，交付含修復優先級的測試報告 — 不靠推測，用 Agent 驗證 Agent。
適用對象
誰現在就該佈局
三種買家場景，同一個前提：內容是 Agent 理解你的基礎 — 所以多數客戶將本服務與 GEO 內容引擎並行。
AI 產品與平台
「我們自己做 AI，結果模型介紹我們產品時，講錯了一半。」
模型怎麼描述你，市場就怎麼認識你。官方定義、結構化資料與一致的實體命名，讓模型引用你的第一手說法 — 而不是兩年前的第三方轉述。對 AI 產品而言，這就是品牌資產本身。
B2B SaaS
「買家讓 AI 比較了五家工具，候選清單裡沒有我們。」
Agent 比價已成採購日常：當 Agent 替買家整理功能與定價比較表，只有機器可讀的方案資訊能進入表格。定價頁讀不到，就等於不在候選清單 — 連輸的機會都沒有。
電商 / DTC
「客人讓 AI 替他下單，結帳卡在我們的優惠彈窗。」
Agent 代購場景已經出現：商品規格、庫存狀態與結帳路徑對 Agent 友善，訂單才不會在最後一步流失。每一個 Agent 走不完的流程，都是一筆直接讓給競品的交易。
為什麼是現在
早，本身就是策略
我們不誇大：Agent 帶來的流量目前仍佔少數。但它的成長斜率，與 2010 年代早期的 SEO 非常相似 — 當年最早投資內容與站內結構的品牌，用最低的成本，買下了之後十年的自然流量紅利。
等 Agent 流量「夠大」才行動，代表你將在最貴的時候進場：競爭者已佔據引用位置、要修復的技術債範圍更大、而 AI 對你品牌的既有認知早已定型。
相反地，現在佈局的成本低到不成比例：一份 llms.txt、一輪 schema 佈建、一次 Agent 工作流測試 — 多數缺口在數週內就能修完，且全部納入我們的 90 天驗證期追蹤。
2012 · 早期 SEO
- 搜尋流量在爆發前夜，多數品牌觀望
- 內容與站內結構的投入成本極低
- 早進場者買下之後十年的自然流量紅利
2026 · Agent 策略
- Agent 流量還小，但成長斜率陡峭
- llms.txt 與 schema 的佈建成本極低
- 早進場者定義 AI 對品牌的長期認知
常見問題
關於 AI Agent 策略，你該知道的事
llms.txt 是放在網站根目錄的純文字檔案，以 Markdown 結構向 LLM 與 AI Agent 說明網站的核心內容、重要頁面與資訊架構 — 可以理解為「寫給 AI 的網站地圖與導讀」。部署成本極低（通常數天內完成），是 Agent-Ready 的第一步，也是我們 GEO 審計的可加購項。
誠實回答：還很小。多數網站的 Agent 造訪佔比仍是個位數百分比，且因產業差異很大。但這正是重點 — 這是一筆前瞻投資：現在佈局的成本遠低於日後追趕的成本，而我們的每週追蹤會讓你在斜率改變的第一時間看見它。我們把「早」當成賣點，而不是把「小」藏起來。
互補的兩層。GEO 讓 AI「推薦」你 — 你的內容與品牌出現在 ChatGPT、Perplexity 的回答裡；Agent 策略讓 AI「能操作」你 — Agent 讀得懂你的定價、呼叫得到你的 API、走得完你的轉換路徑。內容是 Agent 理解你的前提，所以多數客戶將兩者並行。 了解 GEO 內容引擎 →
「太早」的成本是一份 llms.txt 與幾週的佈建；「太晚」的成本是競爭者佔據引用位置後的全面追趕。我們的建議是用最小承諾起步：llms.txt 部署可作為 GEO 審計的加購項，先佈局、再依每週追蹤的數據決定加碼節奏 — 和我們所有服務一樣，以 90 天驗證期與 Pipeline 指標檢驗成效。
30 分鐘診斷，加映 Agent-Readiness 快速檢測
預約 30 分鐘 GEO 診斷，我們現場交付你在六大 AI 引擎的可見度快照 — 並加映網站 Agent-Readiness 快速檢測：5 項檢核當場跑完，缺口與修復優先級直接帶走。
預約 Agent-Readiness 診斷無需準備任何資料 · 不合作，快照與檢測結果也歸你