llms.txt 與 llms-full.txt 是什麼、怎麼給文檔站寫一份:格式約定與 AI 編程工具讀取用法

llms.txt 是放在網站根目錄或子路徑的純 Markdown 索引文件(v2 規範),幫 AI 智能體跳過網頁噪聲按需讀取文檔;llms-full.txt 則是整站文檔合併版。本文講清格式順序、生成工具與讀取用法。

NNathaniel bigo··原創首發·AI 輔助撰寫
11 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 免費帳號 帳號

結論先說

  1. llms.txt 是給 AI 智能體看的「站點精簡目錄」:按 llmstxt.org(v2 規範)定義,放在網站根目錄 /llms.txt 或子路徑(如 /docs/llms.txt),用結構化 Markdown 給出項目簡介與乾淨文檔頁連結,省去解析複雜 HTML 導航和腳本的開銷。
  2. llms-full.txt 是社區與文檔平台通行的「整站正文合集」:llms.txt 只放輕量索引供智能體按需跟進連結;llms-full.txt 則把整站核心文檔拼成單個大文本文件,適合本地建索引或離線檢索,但直接整份塞進對話容易撐滿上下文窗口。
  3. v2 規範只有一級標題 # 項目名 是必填項,但各段落順序固定:依次為 # 標題、> 一句話摘要、無標題補充說明、## 分類名 下的 名稱: 說明 列表,以及約定的 ## Optional 次要連結分組。
  4. 配套頁面建議提供同名 .md 純文本版:規範建議在原網頁 URL 後加 .md(如 page.html.md 或目錄頁加 index.md),並用 <link rel="alternate" type="text/markdown"> 或 HTTP Link: 頭聲明關聯。
  5. 它不替代 robots.txt 和 sitemap.xml:robots.txt 管爬蟲准入邊界,sitemap.xml 羅列全量人類頁面給搜尋引擎,而 llms.txt 專供推理階段的智能體按需查資料。
  6. 主力模型訂閱與帳號配套入口:跑通 MCP 工具鏈與多文件智能體編碼依賴穩定的底層大模型配額,國內免境外卡自助開通可見本站 Claude Code 訂閱頁、ChatGPT Plus 充值頁 與 AI 會員充值總覽。

llms.txt 與站點索引文件對比

圖:本站根據 llmstxt.org:The /llms.txt file, v2 整理的示意圖

本文根據開放規範《The /llms.txt file, v2》(llmstxt.org)及主流大模型官方文檔站實踐整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 llmstxt.org 官方網站。

適用於誰

  • 在開源庫或大模型文檔站看到 /llms.txt 和 /llms-full.txt,想知道兩者有什麼區別、該喂哪個給 AI 的開發者;
  • 維護內部或公開技術文檔,想按標準格式寫一份讓編程智能體少出幻覺的文檔負責人;
  • 想弄清它和 robots.txt、sitemap.xml 以及項目內 AGENTS.md 各管什麼的讀者。

一、為什麼需要 llms.txt,它和 llms-full.txt 差在哪

人類逛文檔站需要側邊欄、樣式表和交互腳本,但編程智能體抓 HTML 時,這些標籤只會浪費大量 token 並干擾提取精度。為此,OpenAI、Anthropic、Google Gemini 開發者文檔以及 Chrome Lighthouse 的智能體瀏覽檢查(Agentic browsing checks)都已引入 /llms.txt。

日常使用時,你會同時遇到兩個文件名:

  • llms.txt(官方規範定義):體積很小,裝得進一次普通對話上下文。模型先讀這份總覽判斷該看哪一章,再去拉取對應章節的 .md 連結;
  • llms-full.txt(文檔平台擴展約定):例如 Mintlify 託管站點和 OpenAI Codex 文檔(learn.chatgpt.com/docs/llms-full.txt)會把所有文檔正文直接拼進這一個文件。小項目直接複製很省事,大型框架動輒幾百萬字符,更適合拆塊檢索而不是整篇粘貼。長文本提問排布技巧見 長文檔怎麼問 AI。

二、怎麼給文檔站寫一份標準的 llms.txt

按官方 v2 規範編寫 llms.txt 的五個部分

圖:本站根據 llmstxt.org:The /llms.txt file, v2 整理的示意圖

v2 規範要求各部分嚴格按順序書寫,這樣既方便大模型閱讀,也方便普通程序用正則或解析器固定提取。可直接套用下面這份模板:

markdown
# Acme SDK

> Acme SDK 是一個基於 TypeScript 的服務端支付與對帳客戶端庫,要求 Node.js 20 及以上版本。

重要邊界說明:
- v3 版本接口與舊版 v2 不兼容,所有異步方法均返回 Result 對象而非直接拋出異常;
- 僅用於服務端環境,不支持在瀏覽器前端直接打包調用以防泄露密鑰。

## 快速開始與核心接口

- [安裝與初始化](https://docs.example.com/quickstart.html.md): 環境變量配置、客戶端實例化與最小支付請求示例
- [Webhook 驗籤指南](https://docs.example.com/webhooks.html.md): 請求頭簽名核驗步驟與冪等處理寫法

## Optional

- [v2 升級 v3 遷移對照表](https://docs.example.com/migration-v3.html.md): 舊項目升級時的破壞性變更清單

編寫和發佈時的四個關鍵細節:

  1. 子路徑就近覆蓋原則:放在 /docs/llms.txt 就代表只覆蓋 /docs/ 下的內容;若同一頁面同時命中根目錄和子目錄兩份文件,智能體優先採用路徑更具體的那一份;
  2. 中間補充段不能出現標題:在 > 引用塊之後、第一個 ## 二級標題之前,只能寫普通段落或無序列表(常用來強調「不兼容某某語法」),不要穿插三級標題;
  3. ## Optional 的特殊含義:這是規範約定的保留分組名,告訴智能體「如果上下文預算緊張,這一節裏的連結可以直接跳過」;
  4. 提供 .md 鏡像頁與 Link 響應頭:把正文頁同步生成一份 原路徑.md 或 index.html.md,並在 CDN 或服務端加上 Link: </docs/quickstart.html.md>; rel="alternate"; type="text/markdown", </docs/llms.txt>; rel="describedby",無需改動原 HTML 就能讓客戶端自動發現。

如果你的文檔站用的是現成框架,不必純手寫:Mintlify、GitBook、WordPress(Yoast SEO / AIOSEO)已支持自動輸出,靜態站可直接裝 vitepress-plugin-llms 或 docusaurus-plugin-llms。寫完初稿後,建議結合 用 ChatGPT 寫 README 和技術文檔 的核驗思路,只把 llms.txt 發給一個新會話的智能體提問,測試它能否準確挑出目標連結。

三、在 AI 編程工具裏怎麼讀取和利用 llms.txt

作為調用第三方新庫的開發者,拿到對方官網的 llms.txt 後有三種高頻用法:

  • 在 Cursor 裏掛進文檔索引:把目標庫的 /llms.txt 或 /llms-full.txt 地址添加到 @Docs 自定義文檔源,讓補全和 Agent 引用最新接口;
  • 在 Claude Code 或 Codex 裏按需拉取:在提示詞裏直接給出庫文檔的 /llms.txt 連結,讓智能體先讀目錄再抓取對應章節的 .md 頁面,或者搭配 Claude Code 配 Context7 MCP 查最新文檔 自動注入版本化文檔;
  • 與倉庫內 AGENTS.md 分工:llms.txt 放在外部文檔站給訪問者讀,而自己代碼倉庫裏的構建命令和目錄規範則寫在 AGENTS.md 或 CLAUDE.md 裏(見 AGENTS.md 怎麼寫)。

日常用 Claude Code、Codex 或 ChatGPT 處理新框架升級和長文檔檢索時,若免費額度不夠用,可在本站查看 Claude Code 訂閱充值 或 ChatGPT Plus 充值。

常見問題

問:放了 llms.txt 會禁止未列出的頁面被爬蟲抓取嗎?

答:不會。llms.txt 只做主動推薦和上下文導航,沒有任何訪問攔截作用;控制爬蟲准入依然靠 robots.txt。

問:為什麼不按 RFC 8615 放在 /.well-known/ 目錄下?

答:v2 規範專門解釋過:/.well-known/ 只能由域名根目錄控制,像託管在子路徑下的 GitHub Pages 項目站根本沒權限寫根目錄;允許在任意子路徑放 llms.txt 才能像 index.html 一樣誰發佈誰維護。

問:列表項冒號後面的說明文字是必填的嗎?

答:不是必填,單寫 - 標題 也符合語法,但官方強烈建議加上英文冒號和簡短說明,否則智能體光看標題很難判斷是否值得花 token 點進去讀。

問:配置好開發環境後,國內沒有外幣卡怎麼開通 Claude 或 ChatGPT 編程訂閱?

答:可在 本站充值中心 自助選購卡密開通 Claude Code(Pro / Max) 或 ChatGPT Plus / Pro,全程無需交出帳號密碼,支持開具增值稅發票;實時價格與售後邊界(封號不在質保範圍)以對應商品頁為準。

相關教學

參考資料

  • The /llms.txt file, v2(官方規範站)— https://llmstxt.org/
  • OpenAI Codex 官方文檔全量索引 — https://learn.chatgpt.com/docs/llms-full.txt
  • Google Gemini API 官方文檔索引 — https://ai.google.dev/gemini-api/docs/llms.txt

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同產品的其他教學

  1. 01

    用 ChatGPT 速讀英文產品手冊、開源文檔與 GitHub Issue 並沉澱團隊中文內訓手冊

    團隊引入海外 SaaS 工具或開源框架時,全英文文檔晦澀冗長、真正的坑全藏在幾十頁 GitHub Issue 討論裏。本文分享速讀拆解英文手冊、歸類 Issue 排障庫以及重構團隊中文內訓 SOP 的完整實戰流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 寫油猴腳本(Tampermonkey)與瀏覽器書籤小工具解決網頁繁瑣重複操作實戰

    每天在後台系統裏重複勾選幾十個複選框、手工複製網頁表格或清理遮擋閱讀的側邊欄,既枯燥又浪費時間。本文分享不會寫 JS 也能用 F12 配合 ChatGPT 寫出油猴腳本與書籤小工具的完整實戰流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 寫高質素 SQL 窗口函數(RANK / LAG / SUM OVER)做留存與漏斗分析實戰

    做用戶留存率、復購間隔與有序轉化漏斗時,多層自連接既難讀又拖垮數據庫,窗口函數則是高效解法。本文整理數據庫方言喂數規範、CTE 分層提示詞以及用內置沙盒先驗證再上線的完整實戰流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 連接 Canva、Figma、Linear、Jira、Dropbox 等第三方應用搜不到數據或授權失效怎麼辦

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 後,明明顯示已連接卻搜不到文件工單,或老提示授權失效怎麼辦?本文拆解帳號錯綁、OAuth 範圍漏選、權限繼承與管理員攔截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    Anthropic Contextual Retrieval(上下文增強檢索)是什麼、怎麼實現:給文檔塊自動補背景摘要結合緩存降失誤率

    長文檔切成小塊後丟了公司名、年份和主語指代導致 RAG 頻頻搜錯?本文按 Anthropic 官方技術文章詳解 Contextual Retrieval 原理、官方公開評測失誤率下降 49% 至 67% 的組合架構,以及用 Claude 提示詞緩存低成本批量生成切片背景的完整 Python 代碼。

    Claude其他 AI 工具0
  6. 06

    RAG 知識庫回答不準怎麼調優:切片大小(Chunking)、BM25 + 向量混合檢索與 Rerank 重排序三步排查法

    搭好的 RAG 企業知識庫一問具體型號、報錯碼或跨行表格就答非所問?本文按 OpenAI 與 Anthropic 官方檢索文檔,給出先隔離檢索與生成故障、再按結構化切片(Chunking)、BM25 加向量混合召回(RRF)與 Rerank 重排序逐層調優的三步法。

    Claude其他 AI 工具0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~