GEO 入门：怎么让 AI 搜索引用你的内容
AI 搜索引擎（ChatGPT、Perplexity、Gemini）不像 Googlebot 那样读你的网站。llms.txt、BLUF 结构、robots.txt 内容信号——讲透 GEO 的三个实操方向。
SEO 让你在 Google 排上了名。现在有第二个战场：让 AI 引用你。
当有人在 ChatGPT 问「愚者塔罗牌什么意思」，或在 Perplexity 搜「真太阳时怎么校正」——答案从哪来？不是你的 meta 标签，不是你的外链。它来自模型找到你的内容、理解你的内容、然后决定值得引用。
这就是 GEO——生成式引擎优化。还很早，很乱，没人完全搞明白。但我们在自己站点上测试出来的模式，有几个方向是有效的。
核心认知
Google 排名页面。AI 引擎合成答案。
Google 爬你的页面时，索引整篇内容——每一段、每个关键词、每个链接。AI 引擎处理你的内容时，它在找可以引用的、自包含的事实陈述——能直接摘出来当答案的那种。
一篇 2000 字的文章，关键事实埋在第 14 段？Google 会排名它。AI 引擎可能完全错过。内容结构对 AI 的影响比传统 SEO 大得多。
我们在测试的三件事
1. llms.txt——给 AI 的站点地图
你知道 robots.txt（给爬虫）和 sitemap.xml（给索引器）。llms.txt 是第三个文件——给 AI 模型的。
它是纯文本清单，列出你最好的内容，按主题组织，附直接 URL。相当于你递给任何来访 AI 的一份精选书单。
# 站点名称
> 一句话描述这个站点是做什么的。
## 核心页面
- [主题 A](https://yoursite.com/page-a): 简短描述
- [主题 B](https://yoursite.com/page-b): 简短描述
## 深度内容
- [主题 C](https://yoursite.com/page-c): 简短描述我们用的是双层设计：
/llms.txt——约 50 链接，精选集。任何 AI bot 访问都能快速消化。/llms-full.txt——约 200 链接，完整索引。给深度研究查询用。
精简版底部链接到完整版。想要深度的 bot 可以顺着走。
2. BLUF——结论先行
军事通信原则：先给结论。AI 引擎特别吃这一套。
我们的教育页面，引言之后第一件事就是总结块——核心事实，直接陈述，2-3 行。不绕弯，不「在本文中我们将探讨……」
比如塔罗牌意页面：
愚者 (0)
正位：新的开始、自发、自由灵魂 | Yes/No: Yes
逆位：鲁莽、冒险、天真 | Yes/No: No这个块是整页最可被引用的单元。如果 AI 引擎只提取一样东西，就是这个。我们站每个牌意页都有一个。
3. robots.txt 内容信号
你的 robots.txt 可以声明你想让 AI 怎么对待你的内容：
# Content Signals
ai-train: no
search: yes
ai-input: yes含义：
- ai-train: no——不要用我的内容训练你的模型权重
- search: yes——但你可以在搜索/回答结果中展示我的内容
- ai-input: yes——你可以用它作为生成答案的输入（RAG/grounding）
这是大多数站点忽略的细微之处。「屏蔽所有 AI」是一刀切。区别很重要：你希望内容被 AI 回答引用（那是免费流量），但不一定希望它被吸收进模型训练数据（那是白送 IP）。
有效吗？
诚实回答：现在还说不准。
我们知道的：
- ChatGPT、Perplexity、Gemini 确实在爬网页并引用来源
- 有
llms.txt让你的内容更容易被发现和解析 - BLUF 块客观上比埋在深处的结论更容易提取
- 内容信号让你掌控训练 vs. 引用的边界
我们还不知道的：
- llms.txt 对引用频率有多大实际影响，还是说只要 HTML 写得好就够了
- AI 引擎是否真的在意这些信号，还是直接忽略
- 随 AI 搜索增长，长期的流量影响
我们在多个站点上跑这套配置，追踪 AI 引荐流量。早期信号正面——我们看到 AI 爬虫在访问 llms.txt——但真正衡量影响需要几个月。
今天就可以做的
- 写一个
llms.txt——30 分钟。列出你最好的 20-50 个页面，每个配一句描述。 - 给核心教育页面加 BLUF 块——关键事实，2-3 行，紧跟在引言后面。
- 在 robots.txt 加内容信号——想清楚你对训练 vs. 引用的立场。
这些都不花钱，也不需要特殊工具。门槛只在于知道要做——这就是为什么早做的人有优势。