llms.txt
llms.txt 是放在网站根目录的纯文本文件（例如 example.com/llms.txt），用 Markdown 结构向大型语言模型和 AI Agent 说明网站的核心内容、重点页面与信息架构，让 AI 不必去解析复杂的 HTML 和 JavaScript，就能又快又准地读懂你的网站。可以把它理解成「写给 AI 的网站地图加导读」。
服务 · AI Agent 策略下一个流量入口不是搜索框，
下一个流量入口不是搜索框，
而是 AI Agent
能自主浏览、比价、下单的 AI Agent，正在成为新的调研与交易入口。当 Agent 替你的客户做功课、跑流程、拿主意时 —— 你的网站，对它是可读、可理解、可操作的吗？
实话实说：Agent 流量现在还很小 —— 而这恰恰是布局成本最低的时刻
tenten-agent — workflow-test
$ tenten agent run --site 你的品牌 --task "比较方案并完成询价"
✓ 启动浏览型 Agent · 模拟真实买家任务
✓ 读取 /llms.txt 找到 · 14 个核心页面已索引
✓ 解析 /pricing 3 个方案以结构化数据读取
✗ 询价流程 第 2 步 弹窗拦截 · Agent 无法继续
→ 1 个转化断点已写入 Agent 工作流测试报告
定义
什么是 Agent-Ready？
Agent-Ready 指网站与产品能被 AI Agent 读取、理解并真正操作的状态。下面四条定义写给人，也写给 LLM —— 每一段都能被直接引用。
结构化数据与实体工程
结构化数据（Structured Data）是用 Schema.org 等标准格式，把网页里的产品、价格、组织、评价和 FAQ 标注出来，让机器精准识别「这是什么」，而不是靠版面去猜；实体工程（Entity Engineering）则是让品牌、产品和功能在全站使用统一的命名与描述，使 AI 对你建立稳定、正确的认知。
API 可发现性
API 可发现性（API Discoverability）指 AI Agent 能找到并理解你的服务接口：公开的 API 文档、标准化的 OpenAPI 规范、清晰的端点命名与权限说明。具备 API 可发现性的产品，Agent 不只能「读」你的网页，还能直接查询规格、库存和报价，甚至替用户把任务做完。
Agent 工作流集成
Agent 工作流集成（Agent Workflow Integration）是设计并验证从 Agent 进站到完成目标动作（比价、询价、预约、下单）的完整路径，确保每一步都不会被登录墙、CAPTCHA、纯 JavaScript 渲染或多步弹窗打断。验证方式是用真实的浏览型 Agent 实地跑任务，而不是靠人工脑补。
自我检测
你的网站，Agent 看得懂吗？
5 项 Agent-Readiness 检核。勾选你能笃定回答「是」的项目 —— 任何一项拿不准，都是 Agent 流量正在流失的地方。
0 / 5 项通过
还有 5 项打不了勾 —— 每一处缺口，30 分钟诊断都会当场指出位置和修复优先级。
预约 Agent-Readiness 诊断交付物
交付看得见，不卖含糊的「策略建议」
四项可验收的交付物，与我们的 GEO 服务共用同一套运营节奏：诊断 → 部署 → 用真实 Agent 验证。
01
llms.txt 设计与部署
梳理核心页面与转化路径，撰写并部署一份持续维护的 llms.txt，连同更新流程文档一并交付。起步成本极低 —— 这也是 GEO 审计的可加购项。
02
Schema 与实体工程
为产品、价格、组织与 FAQ 搭建结构化数据，统一全站的实体命名与描述，让 Agent 以机器的方式精准读懂你 —— 而不是从版面排布里猜。
03
API 与文档可发现性策略
审视 API 文档的结构、命名与公开策略，交付一份让你的服务从「可浏览」升级为「可操作」的路线图 —— 含 OpenAPI 规范与权限边界建议。
04
Agent 工作流测试报告
用真实的浏览型 AI Agent 实地跑一遍你的比价、询价和下单路径，逐步记录每一个断点，交付一份带修复优先级的测试报告 —— 不靠脑补，用 Agent 验证 Agent。
适用对象
谁现在就该布局
三种买家场景，同一个前提：内容是 Agent 读懂你的基础 —— 所以多数客户会把这项服务与 GEO 内容引擎一起上。
AI 产品与平台
「我们自己就是做 AI 的，结果模型介绍我们产品时，讲错了一半。」
模型怎么描述你，市场就怎么认识你。官方定义、结构化数据加上一致的实体命名，让模型引用你的第一手说法 —— 而不是两年前的第三方转述。对 AI 产品来说，这本身就是品牌资产。
B2B SaaS
「客户让 AI 比了五家工具，候选名单里压根没有我们。」
Agent 比价已是采购日常：当 Agent 替买家整理功能与定价对比表，只有机器可读的方案信息才进得了表格。定价页读不到，就等于不在候选名单 —— 连输的机会都没有。
电商 / DTC
「顾客让 AI 替他下单，结果结账卡在我们的优惠弹窗上。」
Agent 代购的场景已经出现：商品规格、库存状态和结账路径对 Agent 友好，订单才不会在最后一步流失。每一个 Agent 走不通的流程，都是一笔直接送给竞品的交易。
为什么是现在
早，本身就是一种策略
我们不夸张：Agent 带来的流量目前确实还是少数。但它的增长曲线，和 2010 年代早期的 SEO 极为相似 —— 当年最早投入内容和站内结构的品牌，用最低的成本，买下了之后十年的自然流量红利。
等 Agent 流量「够大」才动手，意味着你将在最贵的时候入场：竞争对手已经占住引用位置、要补的技术债范围更大，而 AI 对你品牌的既有认知也早已定型。
反过来，现在布局的成本低到不成比例：一份 llms.txt、一轮 schema 搭建、一次 Agent 工作流测试 —— 大多数缺口几周内就能补完，而且全部纳入我们的 90 天验证期跟踪。
2012 · 早期 SEO
- 搜索流量爆发在即，多数品牌还在观望
- 内容与站内结构的投入成本极低
- 早入场者买下了之后十年的自然流量红利
2026 · Agent 策略
- Agent 流量还小，但增长曲线很陡
- llms.txt 与 schema 的搭建成本极低
- 早入场者定义 AI 对品牌的长期认知
常见问题
关于 AI Agent 策略，你该知道的几件事
llms.txt 是放在网站根目录的纯文本文件，用 Markdown 结构向 LLM 和 AI Agent 说明网站的核心内容、重点页面与信息架构 —— 可以理解成「写给 AI 的网站地图加导读」。部署成本极低（通常几天就能搞定），是 Agent-Ready 的第一步，也是我们 GEO 审计的可加购项。
实话实说：还很小。多数网站的 Agent 访问占比仍是个位数百分比，而且不同行业差别很大。但这恰恰是重点 —— 这是一笔前瞻投资：现在布局的成本，远低于日后追赶的成本，而我们的每周跟踪会让你在曲线变陡的第一时间看到它。我们把「早」当卖点，而不是把「小」藏起来。
是互补的两层。GEO 让 AI「推荐」你 —— 你的内容和品牌出现在 ChatGPT、Perplexity 的回答里；Agent 策略让 AI「能操作」你 —— Agent 读得懂你的定价、调得动你的 API、走得通你的转化路径。内容是 Agent 读懂你的前提，所以多数客户会把两者一起上。 了解 GEO 内容引擎 →
「太早」的代价，是一份 llms.txt 加几周的搭建；「太晚」的代价，是竞争对手占住引用位置之后的全面追赶。我们的建议是用最小承诺起步：llms.txt 部署可以作为 GEO 审计的加购项，先布局，再依据每周跟踪的数据决定加码节奏 —— 和我们所有服务一样，用 90 天验证期与 Pipeline 指标检验成效。
30 分钟诊断，再加送 Agent-Readiness 快速检测
预约 30 分钟 GEO 诊断，我们当场交付你在六大 AI 引擎的可见度快照 —— 再加送网站 Agent-Readiness 快速检测：5 项检核现场跑完，缺口与修复优先级直接带走。
预约 Agent-Readiness 诊断无需准备任何资料 · 就算不合作，快照和检测结果也归你