84.4 万站点写了 llms.txt，AI 说不会读，那么 Agents.md 呢？(附模板）

先说一件事，免得有人看完跑错方向。

AGENTS.md 不是给 AI 搜索看的。它是给读代码仓库的编码 agent 用的。你在自己网站根目录放一个 AGENTS.md，期待 ChatGPT 引用你的页面，不会有结果。AI 搜索抓的是 URL，不是你的仓库。

那它跟 SEO 有什么关系？有两层。

一层是实操：AGENTS.md 能管住你自己的 SEO 工作区，让 AI 产出东西时不再每次都要你重申规范。

另一层更有意思。它和 llms.txt 是一对完美的对照样本，能帮我们搞清楚一件事：一个 GEO 新概念，到底值不值得跟进。

两个文件，两种命运

llms.txt 是 2024 年 9 月 Jeremy Howard 提出的。放在站点根目录，用纯 Markdown 描述这个站是干什么的、重点页面在哪。

到 2025 年底，有 844,000 个站点建了这个文件。

AGENTS.md 是 2025 年 8 月 OpenAI 发布的，最早是 Codex 团队的内部方案。放在仓库根目录，告诉编码 agent 这个项目的构建命令、测试方式、代码规范。

采用量是 60,000 多个开源项目。

数量上，llms.txt 是 AGENTS.md 的 14 倍。

然后看另一边。

公开承诺会读取 llms.txt 的主要 AI 厂商，0 家。 不是"可能没读"，是没有一家出来说过"我们读这个文件"。Google 明确表示不用，John Mueller 把它比作 keywords meta 标签，就是那个当年人人都在填、搜索引擎从来不看的东西。

AGENTS.md 这边呢？Codex、Cursor、GitHub Copilot、Gemini CLI、Jules、VS Code、Devin、Aider、Windsurf、goose、opencode、Zed、Warp，十几家工具已经实现了读取。2025 年 12 月 9 日，OpenAI 把它捐给了 Linux Foundation 旗下的 Agentic AI Foundation。联合创始方是 OpenAI、Anthropic、Block，白金成员里有 AWS、Google、Microsoft、Cloudflare、Bloomberg。

写的人少 14 倍，读的人多十几倍。

文件	多少人在写	有谁在读
llms.txt	844,000 个站点	0 家主要 AI 厂商
AGENTS.md	60,000 多个项目	Codex、Cursor、Copilot、Gemini CLI、Jules、VS Code 等十几家

差在哪

差别不在文件写得好不好，在谁有动力去读它。

llms.txt 请求的是：AI 你别爬全站了，我给你一份精选目录。

问题是主流引擎本来就能爬全站，而且爬得挺好。它省的那点事，对引擎来说不值一提。没有收益，就没有实现的动力。

AGENTS.md 解决的痛点正好相反。编码 agent 每开一个新仓库，都要重新摸一遍结构、猜一遍构建命令、试一遍测试怎么跑。这个成本是工具方自己在付。所以工具方有很强的动力去支持一个能省掉这个成本的文件。

所以判断标准很清楚：一个约定文件，如果工具方自己没有动力去读，那就是自嗨。

三问筛子

把上面这个逻辑拆开，可以变成三个问题。以后再冒出什么新的"GEO 必做项"，先拿这三条量一遍。

第一问：谁承诺读了？

要一手的、可查的官方文档。厂商自己写的爬虫文档、开发者公告、规范站点，都算。

二手转述不算。某个 SEO 工具的博客说"某某引擎会读"，不算。某个插件能自动生成，更不算，那只是生成器在写文件，不代表谁在读。

llms.txt 在这一问就死了。你能在 GitHub 上找到规范原文，能找到一堆生成工具，但找不到任何一家主要 AI 厂商写过"我们读取 llms.txt"。

第二问：读了会改变什么行为？

如果答案是"可能更好地理解你的站点"，那就是没有。理解不是行为，行为是能观察到的变化。

对照一下。robots.txt 被读了，爬虫会绕开某个目录，这是能在服务器日志里看到的行为。AGENTS.md 被读了，agent 会跑你写的构建命令，这是能在终端里看到的行为。

llms.txt 被读了会怎样？没人说得出来。

第三问：不做的代价是什么？

是实打实损失流量和引用，还是只是心里不踏实？

不做 robots.txt，你的后台目录可能被抓走。不封错爬虫，你可能在用户问 AI 的时候根本不出现。这些代价是具体的。

不做 llms.txt 呢？到今天为止，没有任何一个案例能证明哪个站点因为缺这个文件少了一次引用。

三条全过，排进执行清单。三条全不过，可以留着，但别花时间。

llms.txt 三条全不过。AGENTS.md 三条全过。

AGENTS.md 怎么用

说回实操。你不需要会写代码也能用上它。

它的用法是：在你的工作目录放一个 Markdown 文件，写下你希望 AI 每次都遵守的东西。

对 SEO 工作区来说，最值得写进去的是四类。

目录约定。 GSC 导出放哪、关键词表什么格式、报告写完丢哪。这类东西你每次都要跟 AI 解释一遍，写进去就一劳永逸。

硬规则。 URL 全小写、结尾不带斜杠、改标题必须同步 h1、删 URL 前先查外链。这些是你踩过坑才有的规矩，AI 不知道。

数据口径。 百分比保留一位小数，写 62.2% 不写约 60%。对比必须同口径同期，GSC 的数据只跟 GSC 比，不跟 GA4 混。拿不到的数字写"未取到"，不许估算。

这条我特别想强调。同一份数据，口径不同能差出十几个百分点。写在文件里，AI 每次都按同一把尺子量。

不许做的事。 不许批量改线上文件，不许用新建文件代替修改旧文件，不许写"建议进一步优化"这种没用的话。

有三个细节可以省很多事。

一是就近生效。子目录里可以再放一份 AGENTS.md，离文件最近的那份说了算。OpenAI 主仓库里放了 88 个。你的内容目录、脚本目录可以各有一套规矩。

二是没有必需字段。它就是普通 Markdown，标题随便起，agent 读的是文字内容，不校验格式。

三是会真的执行命令。你写了构建和测试命令，agent 会去跑，跑挂了自己修。所以别把不该自动跑的东西写进去。

还有个提醒。别在里面写内部关键词策略、未发布产品名、竞品真名。这个文件很可能被同步到公开仓库，也可能被抓到。

模板

下面这份可以直接用。中文部分按你的情况改。

# AGENTS.md
## 这个目录是干什么的
一句话说明：站点类型、用的什么 CMS、URL 规则、主要市场和语言。
## 目录地图
- /data/gsc/       GSC 导出，文件名固定 gsc_YYYY-MM.csv
- /data/keywords/  关键词表，一列一词，禁止合并单元格
- /scripts/        审计和批处理脚本
- /content/        内容草稿
- /reports/        对外报告，写完放这里
- /archive/        过期数据，只读，不要往里写
## 硬规则（动手前先读这段）
- URL 全小写，结尾不带斜杠，禁止大小写混用
- canonical 只指向自身，禁止跨语言互指
- 改页面标题必须同步 h1 和面包屑，不能只改 title
- 404 的 URL 不许直接删，先查有没有外链，有就加 301
- 改 robots.txt 必须先在改动说明里列出行号，禁止整段重写
- 批量操作一次只改一个目录，改完停一下等我确认
## 数据和口径
- 百分比保留一位小数，写 62.2% 不写约 60%
- 对比必须同口径同期，GSC 的数据只跟 GSC 比，不跟 GA4 混
- 时间区间写清起止日期，不写"最近""近期"
- 拿不到的数字写"未取到"，不许估算，不许编
- 样本量低于 100 的，标注出来，不当结论用
## 敏感信息处理
- 品牌名、域名、竞品名、价格、未发布产品名，一律不写进任何文件
- 截图对外前先打码
- 客户站点数据不提交到公开仓库
- 本文件本身也不写这些，它可能被同步到公开位置
## 常用命令
- 全站审计：python scripts/audit.py --site <config>
- 查断链和孤儿页：python scripts/links.py --check
- 生成结构化数据：python scripts/schema.py --type Product
- 跑完自己看报错，有报错先修，不要把报错丢给我
## 输出要求
- 报告顺序：结论，数据，下一步动作
- 表格不超过 6 列，超了拆成两张
- 每条结论跟一个具体动作，不写"建议进一步优化"这种话
- 不确定就问我，不许猜，不许替我做决定
## 不许做的事
- 不许用新建文件代替修改旧文件
- 不许改动 /archive/ 下任何东西
- 不许在没有说明的情况下删文件
- 不许写"赋能、抓手、闭环、颗粒度"这类词

嫌长的话，10 行最小版也够用。

# AGENTS.md
## 目录
/data/ 数据导出，/scripts/ 脚本，/reports/ 报告，/archive/ 只读
## 硬规则
URL 全小写结尾不带斜杠；改标题同步 h1；删 URL 前先查外链
## 口径
百分比保留一位小数；同口径同期对比；拿不到写"未取到"，不许估算
## 脱敏
品牌名、域名、竞品名、价格不进任何文件
## 输出
结论在前，数据在中，动作在最后；不确定先问我