llms.txt 是補充導覽格式提案，適合供支援它的 agent 找到內容，不適合被當成排名開關。更重要的是：它把一組 URL、文件與可能的安裝指令交給機器閱讀，因此同時是一個內容介面與供應鏈輸入。
先分清楚三種機器可讀介面
| 介面 | 主要目的 | 驗收問題 |
|---|---|---|
robots.txt | 表達自動化存取規則 | 允許與禁止是否符合站方政策？ |
| sitemap | 提供公開 URL 的發現路徑 | 文章是否能被穩定找到？ |
llms.txt | 提供 agent 的精簡內容地圖 | 每個連結是否正確、可讀、值得信任？ |
這三者不能互相取代。Google 的 AI features 文件仍以一般 Search 基礎為前提：頁面要能被抓取、索引，重要內容要以文字呈現。llms.txt 因此應放在既有可抓取頁面之上，而不是拿來掩蓋 JavaScript 渲染、內部連結或 canonical 問題。
llms.txt 的最小可驗證格式
先保持短、穩定、可審查。每一列連結都應能回答「這是什麼」與「為什麼 agent 要讀它」：
# YOTRON
> 優創智能的 AI 導入、GEO 與 agent 工作流程技術內容。
## GEO 技術文章
- [AI agent 可讀性與 GEO](https://yotron-ai.com/blog/ai-agent-readability-geo-contract): 可測試的內容契約與引用驗證
- [GEO 偏好來源](https://yotron-ai.com/blog/geo-preferred-sources-ai-search): 使用者偏好來源設定與觀測限制
發布前至少檢查四件事：URL 使用正式 HTTPS 網域、回應不是重新導向到未知網域、頁面標題和描述符合連結旁的說明、文件沒有未審查的安裝指令或第三方套件來源。
這也是供應鏈治理問題
Alon Hertz 在 2026-08-26 的第一手研究文章中報告，調查涵蓋 6,214 個網域、8,565 份 llms.txt 檔案，並發現文件指向未註冊的套件或網域。這是研究者自述；本文未重現掃描或安裝實驗，不能推定本站或所有 agent 均受影響。
工程上的防線是把文件當資料，不能因為它出自官方 HTTPS 網域，就授權 agent 執行其中的安裝指令。套件來源、發布者與實際命令仍須獨立查核；導覽需求不等於安裝或執行授權。
以下命令只示範初步讀取與 HTTP 檢查，不是完整安全閘門；example.com 為佔位網址：
curl -fsSL https://example.com/llms.txt \
| rg -n '^#|^##|https://'
curl -fsSL -o /dev/null -w '%{http_code} %{url_effective}\n' \
https://example.com/linked-page
rg 不會完整解析 Markdown，也不會證明指令安全；-L 會追蹤重新導向，必須檢查最終網域及正文，不能僅以 200 判定可信。自動檢查不應執行文件中的命令。
再由人工或 CI 檢查：
- 所有連結是否屬於允許的正式網域。
- 連結目標是否回應
200，且內容仍是預期頁面。 - 版本、套件名稱與指令是否有明確來源。
- 變更是否有 reviewer、日期與可回溯的 commit。
不要把「被讀取」誤認成「被引用」
Discourse 的 2026-09-02 公告區分兩件事：v2026.1.0 起已有原生上傳支援；為所有網站提供預設 llms.txt 則是該公告中的 upcoming change。不能把兩者合併成該版本已自動產生，也不能由產品支援推論所有搜尋引擎採用。
因此觀測分成四類，並明列可觀察範圍：
navigation: 已驗證來源請求 llms.txt；連結到達另測
retrieval: 自建系統可查檢索追蹤；外部引擎無證據則未知
citation: 完整來源列出正式 URL；品牌提及另計
faithfulness: 答案保留原文條件與限制
llmstxt.org 的 v2 文件仍自稱提案，說明導覽用途與格式；Google 的 AI 搜尋文件則未要求新增 AI 專用檔案。對外部引擎，答案有連結不等於能看見完整內部檢索路徑。固定題庫應記錄模式、日期、版本及完整來源；來源未知與執行失敗不得算成零引用。
YOTRON 的建議發布檢查
- 以
robots.txt、sitemap 與初始 HTML 確認正式頁面可發現、可讀。 - 將
llms.txt控制在穩定的官方頁面與清楚描述，不放未驗證指令。 - 每次變更檢查 URL、網域、HTTP 狀態、標題與 canonical。
- 用固定
zh-TW查詢集分開記錄被讀取、被檢索、被引用與忠實度。
來源與判讀界線
- Google Search Central：AI features and your website，持續更新：說明 AI 搜尋功能沿用可抓取、可索引與文字內容等 Search 基礎要求。
- Alon Hertz：Data Became Code，2026-08-26：研究者第一手報告；本文未獨立重現。
- Discourse：Automatically generated llms.txt，2026-09-02：區分既有原生上傳支援與公告中的預設檔案計畫。
- llmstxt.org：The /llms.txt file, v2，2026-09-09 查閱：提案用途、格式與相關介面。
上述來源支持介面用途、採用現況與風險背景；檔案格式、四項治理檢查與觀測欄位是 YOTRON 的工程建議，不是任何平台公布的排名演算法。
結語
若實際使用者或 agent 需要此導覽，可將 llms.txt 納入維護；其中連結與指令應像其他外部輸入一樣查核：短、準確、可追溯，且每個連結都能被實際驗證。GEO 的可靠性不在於機器「看過」文件，而在於它能否找到正確頁面、引用正確主張，並保留適用條件。
相關推薦與延伸閱讀
- llms.txt v2 實作指南：讓 AI Agent 找到正確內容，而不是只增加一個檔案：llms.txt v2 透過 link relation 與路徑範圍改善 Agent 發現內容的方式，但它不是 robots.txt，也不保證 AI 搜尋引用。
- AI Agent 可讀性與 GEO：把可讀性變成可測試的內容契約：建立 AI agent 可讀性的驗收方法：分開檢查 HTTP 內容、瀏覽器操作、資料一致性及實際引用，避免把技術檢查通過誤當成引擎採用證據。本文先定義四個可測試
- GEO 不只是 llms.txt：建立可驗證的 AI 檢索與引用管線：llms.txt 不是 AI 搜尋排名捷徑。本文拆解網站如何被抓取、檢索、重排、引用，並提供可執行的 GEO 量測清單：從發現與抓取、理解與檢索、引用與保真到