TECHNICAL

B01 GEO 技术落地：llms.txt 与结构化数据

光有内容不够，还得让 AI 爬虫「读懂」你。本章覆盖 llms.txt、JSON-LD、OpenGraph 等技术动作。

B01 技术落地：llms.txt与结构化数据

title: "B01 技术落地：llms.txt与结构化数据" category: chapter num: "B01" order: 4 tags: [GEO, llms.txt, 结构化数据, JSON-LD, OpenGraph] updated: 2026-08-09

技术落地的核心

如果说GEO有"技术栈"，那么llms.txt和结构化数据就是其中最核心的部分。

llms.txt：AI爬虫的站点地图

什么是llms.txt

llms.txt是一个简单的文本文件，放在网站根目录，告诉AI爬虫： - 你的站点有哪些内容 - 内容的结构和优先级 - 哪些内容适合AI使用

基本格式

# 站点名称
My Website

# 主要内容
- /blog: 技术博客
- /docs: 文档中心
- /projects: 项目展示

# 优先推荐
- /docs/getting-started
- /blog/best-practices

进阶用法

添加内容摘要
标注内容更新时间
指定内容的适用场景

结构化数据：JSON-LD实践

为什么需要结构化数据

AI模型需要明确的语义信号来理解内容。结构化数据提供： - 明确的内容类型 - 清晰的关系映射 - 标准化的字段定义

常用Schema类型

Article：博客文章
FAQPage：常见问题
HowTo：教程指南
Product：产品页面
Organization：组织信息

实现示例

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "GEO完整指南",
  "author": {
    "@type": "Person",
    "name": "作者名"
  },
  "datePublished": "2024-08-09",
  "dateModified": "2024-08-09",
  "description": "GEO完整指南，从入门到实战"
}

OpenGraph标签

作用

OpenGraph标签告诉社交媒体和AI： - 内容的标题和描述 - 封面图片 - 内容类型

基本实现

<meta property="og:title" content="GEO完整指南">
<meta property="og:description" content="从入门到实战的GEO指南">
<meta property="og:image" content="https://example.com/image.jpg">
<meta property="og:url" content="https://example.com/page">
<meta property="og:type" content="article">

FAQ Schema

价值

FAQ Schema能帮助AI直接提取问答内容，提升引用概率。

实现

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "GEO是什么？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "GEO是生成式引擎优化..."
      }
    }
  ]
}

技术检查清单

[ ] 创建llms.txt文件
[ ] 添加JSON-LD结构化数据
[ ] 实现OpenGraph标签
[ ] 添加FAQ Schema（如有常见问题）
[ ] 验证结构化数据（使用Google Rich Results Test）
[ ] 定期检查llms.txt有效性

本章要点

llms.txt是AI爬虫的站点地图，告诉AI你的内容结构
JSON-LD提供明确的语义信号，帮助AI理解内容
OpenGraph标签影响内容在社交媒体和AI中的展示
FAQ Schema能提升问答类内容的引用概率
技术落地需要系统性检查和持续维护

下一步

下一章我们将探讨平台许可——AI爬虫的法律边界。

来源：原教程04章 + 技术指南译文 + llms.txt规范