你寫好一篇公司部落格的文章〈llms.txt 要不要做〉,準備發布。llms.txt 是有些網站放在網站根目錄的一個文字檔,用來把網站的重點整理給 AI 服務讀,而你這篇要回答的,就是公司官網到底需不需要它。
草稿第三段有一句:「Google 已經表態不看 llms.txt,所以 AI 平台都不需要它。」這句話讀起來很順,可是讀者讀到這裡,心裡會冒出三個問題:Google 是在哪裡說的?它說的是 Google 搜尋,還是所有 AI 產品?這篇文章又是誰寫的、什麼時候寫的,Google 後來有沒有補充說明?
如果有讀者真的去找了 Google 的文件,他會發現 Google 只講了自己的搜尋,而且還寫到網站可以為了其他服務保留這個檔案。結果他知道這一句說得比 Google 的原文更廣,連帶後面你寫的其他判斷,他也會開始懷疑。
所以這篇我會一直拿這句草稿當例子,從頭改到發布:先把文章裡的說法分類,再對照來源實際說到哪裡、把連結放進句子裡,接著寫好作者和日期,最後核對頁面上的結構化資料。
文章來源標示是什麼:要交代哪三件事
文章來源標示,就是在文章裡交代每個重要說法是從哪裡來的、由誰負責。它包含三件事:
- 句子旁邊的來源連結:讀者對哪一句有疑問,就能直接點開那一句的出處。
- 文末的參考資料:把正文用到的來源整理在一起,之後更新文章時也比較好核對。
- 作者和日期:讓讀者知道是誰寫的、什麼時候寫的,以及最近一次是什麼時候改的。
這三件事裡,第一件是讀者讀到一半最直接用得到的。如果文章只在文末列一串連結,讀者想知道的,是「這一句」依據什麼。例如讀者看到「Google 不看 llms.txt」時,他想點開的是 Google 寫這句話的那一頁,而不是從十幾條參考資料裡自己猜是哪一條。
先把草稿裡的說法分成四類
要把來源放對位置,得先知道每一句是哪一種說法。所以動筆改之前,我會先把文章裡要寫的說法分成四類,因為每一類要附的東西不一樣:
| 類別 | llms.txt 那篇的例子 | 讀者應該看到什麼 |
|---|---|---|
| 官方說法 | Google 搜尋會忽略 llms.txt | 句子裡直接連到 Google 的官方文件 |
| 自家資料 | 公司網站的 llms.txt 被哪些爬蟲(AI 公司或搜尋引擎用來自動抓網頁的程式)讀過 | 資料期間、資料來源和計算方式 |
| 你的建議 | 中小企業網站可以先不急著做 | 寫明這是「我建議」,並說出理由 |
| 推論或還沒查到的事 | 其他 AI 服務會不會讀它 | 寫「我推測」或「這點我沒查到」 |
例如拿草稿那句話來分,分完之後問題就很清楚了:前半句是官方說法,可是沒有附來源;而後半句「AI 平台都不需要它」其實是推論,卻寫得跟官方說法一樣肯定。
動筆前,先對照句子和來源說到哪裡
知道哪幾句是官方說法之後,下一步是去找來源,並且確認來源實際寫了什麼。我自己在改這類句子時,會在旁邊開一張小表,把想寫的句子和來源原文並排放。這張表是寫作者自己用的,不用放進文章,但它能讓你在發布前就發現哪一句說得比來源更廣:
| 想寫的句子 | 支持它的來源 | 來源實際寫到哪裡 | 正文可以寫成 |
|---|---|---|---|
| Google 不看 llms.txt | Google 的生成式 AI 搜尋指南(Google 為 AI 摘要、AI 模式這類生成式 AI 搜尋功能寫的說明) | Google 搜尋會忽略這類檔案,建立它不會讓 Google 搜尋的能見度或排名變好或變差 | Google 在生成式 AI 搜尋指南裡寫明,Google 搜尋會忽略 llms.txt |
| AI 平台都不需要 llms.txt | 找不到 | Google 只講自己的搜尋,還寫到網站可以為了其他服務保留這類檔案 | 其他 AI 服務會不會讀它,要看各家自己的說明 |
| 中小企業可以先不做 | 你自己的判斷 | 依據是 Google 搜尋不讀它,而且維護要花人力 | 我建議先把官網內容寫清楚,再考慮 llms.txt |
這張表裡最容易出錯的,是「來源實際寫到哪裡」。Google 的生成式 AI 搜尋指南講的是 Google 搜尋會忽略 llms.txt,所以這句話的範圍就停在 Google 搜尋。而且 Google 在 2026 年 6 月的文件更新紀錄補充這段說明時,也寫到網站可以為了其他服務保留這類檔案。如果你把它寫成「所有 AI 平台都不讀」,就等於拿一家公司的文件,去替其他所有服務下結論。
找來源的時候,也要找第一手的那一份。例如有一篇新聞報導寫「Google 說不用做 llms.txt」,你要連的是 Google 自己的文件,而不是那篇報導,因為報導可能已經把原文的範圍講大了,讀者點進去也還是不知道 Google 到底怎麼寫。
原始文件找不到時,就把句子改寫成你的推論,並寫出你是根據什麼推出來的。例如你想寫其他 AI 服務會不會讀 llms.txt,卻找不到任何一家公開說明,那就寫成「我沒查到哪家 AI 服務公開說明會讀它,所以我推測對一般形象網站的影響不大」,讀者看得出這是你的判斷,也知道你查過哪些地方。
數字也是同樣的道理。例如你想在文章裡寫「我們的 llms.txt 九月被讀取了 40 次」,那就要一起寫出期間、資料是從哪裡來的(例如伺服器的存取紀錄),以及怎麼算的。如果這個數字只來自你自己的網站,就照實寫成你的網站在那個月的結果,讀者才不會把它當成整個產業的情況。
來源連結要放在哪一句旁邊
對照完之後,就可以回頭改那句草稿了。很多文章的寫法,是把來源全部收在文末,正文只寫結論:
改寫前:Google 已經表態不看 llms.txt,所以 AI 平台都不需要它。(參考資料第 7 條)
讀者在第三段產生疑問時,通常不會捲到文末,再從十幾條連結裡找出第 7 條。所以我會把來源直接放進那句話裡,並且把官方說法、推論和自己的建議分成三句寫:
改寫後:Google 在生成式 AI 搜尋指南裡寫明,Google 搜尋會忽略 llms.txt,建立它不會讓你在 Google 搜尋的能見度或排名變好或變差。至於 ChatGPT、Perplexity 這些服務會不會讀它,要看各家自己的說明,我目前沒有查到統一的說法。所以如果你的網站人力有限,我建議先把官網內容寫清楚,再考慮要不要維護 llms.txt。
改寫後的版本多了兩句,但讀者可以直接點進 Google 的原文確認,也分得出哪一句是官方說的、哪一句是作者的建議。我們自己的 SEO 是什麼也是這樣寫的,例如講到 Google 不會因為收錢就調整自然排名的那一段,連結就直接放在那句話裡。
〈SEO 是什麼〉內文的寫法:「搜尋運作方式」連到 Google 的開發者文件,「排名說明」連到給一般使用者看的說明頁,兩個連結都放在它們支持的那句話裡。
文章裡不只有一般段落,說法出現在不同位置時,來源的放法也不太一樣:
| 說法出現在哪裡 | 來源怎麼放 | 讀者得到什麼 |
|---|---|---|
| 開頭的結論段 | 句子裡直接連到官方文件 | 一開始就能核對核心結論 |
| 技術表格(例如整理各家 AI 服務對 llms.txt 的說法) | 表格上方寫明資料整理自哪幾份文件,並附上連結 | 知道表格內容有依據 |
| 程式碼範例(例如一段 llms.txt 的範例內容) | 說明這是寫法示範,並連到這個格式的說明頁 | 知道這段只是示範,不是哪個網站正在用的設定 |
| 你自己的建議 | 寫「我建議」並說出理由 | 分得出哪些是建議 |
| 常見問題(例如「Google 會讀 llms.txt 嗎?」) | 回答裡附上同一份 Google 文件的連結,或連回正文那一段 | 常見問題也查得到出處 |
| 文末參考來源 | 列出正文用到的連結 | 之後更新文章時好核對 |
放好之後,再讀一次每個連結旁邊的句子,確認連結支持的是整句話,而不只是句子裡的某個詞。另外,連結除了給讀者點,搜尋引擎的爬蟲也會順著它找到來源頁,所以連結的寫法要讓爬蟲讀得到,這點在後面的七步檢查裡會再確認一次。
以那句草稿來說,Google 的生成式 AI 搜尋指南能支持的,是前半句「Google 搜尋會忽略 llms.txt」;如果你把同一個連結放在整句「Google 已經表態不看 llms.txt,所以 AI 平台都不需要它」後面,讀者點進去只會看到前半句的依據,後半句的「AI 平台都不需要」在文件裡找不到。這也是為什麼改寫後的版本要拆成三句,讓連結只跟著它能支持的那一句。
作者和日期怎麼寫
回到開場讀者心裡的第三個問題:這篇〈llms.txt 要不要做〉是誰寫的、什麼時候寫的。來源連結解決的是「這句話依據什麼」,而讀者在決定要不要相信一篇技術文章時,常常還會先看另外兩件事:誰寫的,以及多久以前寫的。尤其 llms.txt 的說法 Google 在 2026 年 6 月才補充過,讀者會想知道你這篇是在那之前還是之後寫的。Google 在說明怎麼寫出有用內容的文件裡,也請網站問自己:讀者看得出這篇是誰寫的嗎?該有署名的地方有沒有署名?並且寫明強烈建議在讀者會想知道作者是誰的地方,加上正確的作者資訊。
所以作者和日期要放在讀者一眼就看得到的地方。以我們 ethorx.com 自己的文章頁為例,標題和「先說結論」下面就是作者列,有照片和名字,點下去會到作者頁;旁邊是發布日期,文章改過之後,旁邊會再多一個更新日期。
我們〈SEO 是什麼〉文章頁的開頭:標題和「先說結論」下面就是作者列,右邊是發布日期和更新日期。
套到 llms.txt 那篇,我會建議頁面至少交代這五件事:
- 作者:誰寫了這段文字、做了哪些判斷。作者名稱在文章後台和頁面上要寫成同一個名字,下一節講結構化資料時還會再對一次。
- 審稿人:如果有另一位同事幫忙核對技術內容,就寫出是誰、核對了哪部分;如果只有你一個人寫和檢查,就只寫作者。
- 發布日期:文章第一次公開的日期。
- 更新日期:內容或來源有實質更新時才改。例如 Google 在 2026 年 6 月補充了 llms.txt 的說明,你回頭把文章對應的段落改寫,這就值得改更新日期;如果只是修一個錯字,就不用動它。
- 會變的資訊:各家 AI 服務對 llms.txt 的說法,之後可能還會再改,所以在參考來源開頭用一句話提醒讀者,以各家官方頁面當下的內容為準。
更新日期這一項要特別注意。Google 在同一份文件裡,把「內容沒有實質改變,卻改日期讓頁面看起來比較新」列為要避免的做法,所以只有內容或來源真的改了,才改更新日期。另外,你改了更新日期之後,Google 也不一定已經重新抓取這一頁;搜尋引擎什麼時候讀到新版本,要另外用 Search Console(Google 給網站管理者看收錄和搜尋成效的免費工具)的網址檢查去看,它會顯示 Google 最近一次抓取這一頁是什麼時候。
至於要不要另外做一個作者頁,我在常見問題〈AI 搜尋一定要求網站有作者頁嗎〉有整理。作者頁上的經歷一樣要寫真的,團隊沒有案例就照實寫沒有。作者、經驗和可信度在 Google 的內容品質框架裡怎麼看,則可以讀 E-E-A-T 是什麼。
頁面上的作者和日期,要和結構化資料一致
作者和日期寫在頁面上,是給讀者看的;而同一份資訊,通常還會再寫一次在結構化資料裡。結構化資料是一段寫在網頁原始碼裡、給搜尋引擎讀的固定格式資料,文章頁常用的是 Article 這一類,它讓 Google 用固定的格式讀到標題、作者和日期。因為兩邊寫的是同一件事,所以要對得上,我會檢查這幾處:
- 頁面上看得到的標題、網頁標題(瀏覽器分頁和搜尋結果上顯示的那一行)和描述(搜尋結果標題下面那段說明),講的是同一件事。例如頁面標題是〈llms.txt 要不要做〉,網頁標題和描述也都要講 llms.txt。
- 作者名稱和日期,在頁面的作者列和 Article 標記裡寫得一樣。
- 結構化資料寫的內容,都要在正文、作者列或圖片裡找得到。
- canonical(告訴 Google 這一頁的正式網址)、sitemap(列出網站所有網址、給搜尋引擎看的清單)和站內其他頁的連結,都指向同一個網址。
Google 的 Article 結構化資料文件寫到,Google 沒有規定 Article 標記一定要填哪些項目,作者名稱只填人名,不要把職稱或網址也放進去,而頁面上列出的每一位作者,也都要放進標記裡。結構化資料一般規範則要求,不要標記讀者在頁面上看不到的內容。以 llms.txt 那篇來說,如果作者列寫的是你的名字,Article 標記裡的作者也要填你的名字,和頁面上看到的一致。
那做了結構化資料,AI 會不會比較常引用?Google 的生成式 AI 搜尋指南寫明,要出現在 Google 的生成式 AI 搜尋裡不需要結構化資料,也沒有哪一種特別的結構化資料要加,但它仍然建議把結構化資料當成一般 SEO 的一部分繼續做。所以我做 Article 標記的理由,是讓 Google 正確顯示文章的標題和日期。欄位怎麼寫、程式碼範例和上線前後的檢查,可以看 Article schema 那篇。
發布前的七步檢查
llms.txt 那篇寫完之後,我會照這七步走一遍:
- 把說法分類:把文章裡可以查證的說法挑出來,分成官方說法、自家資料、建議和推論四類。
- 找第一手來源:每一個官方說法,都找到官方或第一手的原文,並確認它講的是哪個產品、哪個範圍。
- 把連結放進句子:把來源連結放進對應的句子或表格旁邊,再讀一次,看連結是不是支持整句話。
- 補齊數字的出處:文章裡的數字,都寫出期間、資料來源和算法;查不到的就寫查不到。
- 核對作者和日期:作者、日期、標題和 canonical,在頁面上和結構化資料裡要寫得一樣。
- 確認連結抓得到:打開網頁原始碼,確認來源連結是一般的超連結,也就是原始碼裡寫成
<a href="網址">的那種。Google 的連結最佳做法寫到,它通常只能抓取這種寫法的連結,要點按鈕才會出現的連結,Google 的爬蟲就不一定讀得到。 - 另外記錄 AI 引用:如果你也想知道 AI 有沒有引用這篇,就另外記下問了哪些問題、在哪個 AI 產品問、哪一天問,以及被引用的是哪個網址。
照前五步做完,讀者就能從每一句話找回出處。接著做第六步,爬蟲也就讀得到這些連結。至於第七步,記的是另一件事,我會放在另一份紀錄裡,下一節再說明。
做完這七步,再回頭看開頭那句草稿。發布出去的第三段變成了三句,第一句講 Google 搜尋會忽略 llms.txt,連結直接放在句子裡,接著寫你沒查到其他 AI 服務的說法,最後才是你的建議。頁首有你的名字和發布日期,Article 標記裡寫的也是同一個名字和日期。讀者讀到第三段如果還想確認,點一下就能看到 Google 的原文,也分得出哪一句是 Google 說的、哪一句是你的判斷,後面的段落他也就比較願意相信。
來源標示做好之後,AI 有沒有引用要另外記
文章發布之後,你可能還會想知道 AI 有沒有引用它。來源標示記下來的,是「這篇文章依據什麼」,而 AI 回答有沒有引用這篇,要從實際的 AI 回答才看得出來。所以我會把三件事分開記,因為每一份紀錄能回答的問題都不一樣:
| 要知道的事 | 要記什麼 | 能回答什麼 |
|---|---|---|
| 來源標示 | 每個說法、對應的來源、來源說到哪裡 | 這句話依據什麼、誰負責 |
| 抓取與收錄 | 網址、哪個爬蟲來過、有沒有成功打開頁面、Search Console 顯示有沒有收錄 | 爬蟲有沒有抓到、Google 有沒有把這頁收進搜尋結果可以用的資料裡 |
| AI 引用 | 問題、AI 產品、日期、回答裡被引用的網址 | 某一次回答有沒有把這頁列為來源 |
記 AI 引用時,問題要照讀者實際會問 AI 的方式寫,而不是寫成搜尋關鍵字,因為讀者在 AI 裡通常會把自己的處境一起講出來,回答和引用的網頁也會跟著改變。以 llms.txt 那篇來說:
| 關鍵字寫法 | 讀者實際會問 AI 的方式 |
|---|---|
| llms.txt 要不要做 | 我們公司的官網是一般的形象網站,有必要做 llms.txt 嗎?做了 ChatGPT 會比較常引用我們嗎? |
| llms.txt Google | Google 搜尋會讀 llms.txt 嗎?如果不會,還有哪些 AI 服務會用到它? |
題目怎麼設計、怎麼避免同一題換字重複,可以看 AI 搜尋題庫怎麼設計。如果要算引用率,也就是 AI 回答把這篇列為來源的比例,就要先把分母講清楚。例如你固定問 AI 20 個問題,其中 15 則回答有列出來源,而 llms.txt 這篇出現在其中 3 則,那就寫成 3/15,並註明分母是有列出來源的 15 則回答。有些題目沒拿到回答時,也照實寫出來,不要把它們算進分母。
這份引用紀錄,正好是我們開發的 AI 搜尋優化平台 Otlex 每天在做的事:它會用你設定的問題去問 ChatGPT、Google AI Overview 等 AI 引擎,記下回答有沒有引用你的網站,以及引用的是哪一頁。引用的網址要怎麼整理和解讀,可以接著看 AI 引用追蹤;想把整段內容寫成 AI 容易引用的樣子,則可以看被 AI 引用的內容寫法。
常見問題
文章來源標示只要在文末列參考資料就夠了嗎?
文末清單方便集中管理,之後更新文章時也好核對。不過重要或容易被誤讀的說法,還是要在句子旁邊直接連到來源,因為讀者在第三段產生疑問時,通常不會翻到文末,再從十幾條連結裡比對是哪一條。
可以拿新聞報導或 AI 的回答當來源嗎?
我建議盡量找原始來源。新聞報導可以幫你找到原文在哪裡,但正文要連的是原文;AI 的回答則要回頭看它引用了哪一頁,再確認那一頁真的這樣寫。如果原文找不到,就把句子寫成你的推論,並說明你是根據什麼推出來的。
改了更新日期,AI 回答會跟著換成新版嗎?
更新日期告訴讀者的,是你什麼時候改了內容。爬蟲什麼時候重新抓取、Google 什麼時候換成新版本,以及 AI 回答會不會改用新版本,要分別去看抓取紀錄、Search Console 和實際的 AI 回答,看到紀錄之前,先別當作它們已經發生。
來源標示可以取代 Article 標記嗎?
兩者給的對象不一樣。作者、日期和來源連結是給讀者核對用的,Article 標記則是讓 Google 用固定格式讀到同一份資訊;而標記的內容要和頁面上看得到的一致,所以通常是先把頁面寫清楚,再照著頁面去標記。
怎麼避免來源連結只支持句子的一部分?
逐句比對你的句子和來源原文:講的是哪個產品、哪個時間、語氣有多肯定。來源只說「可以協助」,文章就寫到協助為止;來源只講 Google,就別擴大成所有 AI 平台。必要時把一句話拆成三句,分別寫官方說法、你的推論和你的建議,就像 llms.txt 那句草稿的改寫一樣。
參考來源
- Google Search Central:Optimizing your website for generative AI features on Google Search
- Google Search Central:Latest documentation updates
- Google Search Central:Creating helpful, reliable, people-first content
- Google Search Central:Article structured data
- Google Search Central:General structured data guidelines
- Google Search Central:Link best practices for Google