llms.txt v2 怎么配置？rel=alternate、describedby 与 Markdown 页面发现实测

如果你已经有 /llms.txt，2026 年 8 月的 v2 更新最值得处理的不是“再往文件里堆更多关键词”，而是发现路径。以前 Agent 拿到一个 HTML 页面后，通常只能猜它有没有 Markdown 版本、根目录是否存在 /llms.txt。v2 明确给出了两个关系：rel="alternate" type="text/markdown" 用于找到当前页面的 Markdown 版本，rel="describedby" 用于找到覆盖当前页面的 llms.txt。

这解决的是机器发现问题，不是传统搜索排名捷径。没有可靠证据支持“加了 llms.txt 就会提高 Google 排名”，所以正确做法是把它和 robots.txt、sitemap、canonical、结构化数据、正文质量一起管理。

v2 实际新增了什么

官方 Changes 页面把 v2 的重点放在 discoverability。HTML 页面可以这样声明：

<link rel="alternate" type="text/markdown" href="/docs/example.md">
<link rel="describedby" href="/llms.txt">

也可以通过 HTTP Link header 暴露相同关系。前者告诉 Agent：“这个页面有更适合机器读取的 Markdown 表示”；后者告诉 Agent：“如果你需要理解这个站点或目录的上下文，从这里找 llms.txt。”

这比要求 Agent 自己把 /page/ 猜成 /page.md 更稳定，因为 URL 设计不再被固定格式绑死。

一个网站应该怎么接

我建议按页面价值分三层，而不是一次给全站生成几百个 Markdown 镜像。

第一层是工具和开发文档，例如 API、MCP、Agent、工具说明页。这类页面最适合提供 Markdown，因为代码、参数、步骤和限制条件在 Markdown 中噪声更少。

第二层是高价值教程和排障文章。页面 HTML 保持正常的人类阅读体验，同时提供等价 Markdown。这里最重要的是内容一致，不要让 Markdown 版本变成另一套关键词页面。

第三层是普通归档、标签、导航页。这些页面通常不需要单独生成 Markdown，只需要确保 Agent 能通过 llms.txt、正常链接和 sitemap 找到真正有价值的内容。

推荐的验证顺序

接入后不要只看源码里有没有两行 <link>。至少验证四件事：

1. HTML 页面返回 200，并且 canonical 指向正确 URL；
2. rel=alternate 的 Markdown URL 返回 200，内容和原页面语义一致；
3. rel=describedby 指向的 llms.txt 返回文本内容，而不是 HTML 错误页；
4. robots.txt 或访问控制没有把这些机器入口互相冲突地封掉。

如果站点有多个语言版本，还要让 Markdown、canonical、hreflang 和 llms.txt 的语言边界保持一致，避免中文页面把 Agent 引到英文机器版本。

不要把 llms.txt 当成什么

它不是 robots.txt。robots.txt 管的是爬取许可和路径规则；llms.txt 更接近一个面向 Agent 的站点说明和内容导航。

它也不是 sitemap。sitemap 告诉搜索系统有哪些 URL，llms.txt 更强调“哪些信息值得模型读取、在哪里得到更干净的上下文”。

它更不是 SEO 排名开关。v2 的价值在于减少 Agent 的猜测成本和错误发现路径，而不是制造排名保证。内容发现之后如果页面还需要让 Agent 执行结构化任务，可以继续看 WebMCP Chrome 149 网站工具实战；这两层解决的是不同问题。

怎么检查自己的网站是否准备好了

XBSTACK 的 Agent Readiness Auditor 现在把这类问题放在同一个检查链里：机器入口、robots/sitemap、内容发现、Markdown/llms.txt 信号以及 Agent 可操作能力应该分开判断。一个站点有 /llms.txt，并不代表它已经 Agent-ready；反过来，没有 WebMCP 也不代表内容不可发现。

更合理的目标是让整个链路可解释：

Agent 发现站点
  → 找到 llms.txt
  → 找到目标页面
  → 如有需要找到 Markdown 表示
  → 理解页面能力与限制
  → 对可操作页面再进入 WebMCP / MCP 等工具层

这也是为什么我更看重 v2 的两个 link relation，而不是继续讨论“llms.txt 要写多少字”。它们把 Agent 发现从约定猜测推进了一步，变成网页能够显式声明的关系。

当前结论

如果你已经部署 llms.txt，优先补 rel=describedby；如果关键文档或工具说明有稳定 Markdown 版本，再补 rel=alternate type="text/markdown"。上线后做真实 HTTP 验证，并记录 Agent 或工具是否真的使用这些入口。

如果你还没有 llms.txt，不要因为“AI SEO”焦虑去生成一份关键词目录。先把站点结构、主要内容、工具说明和机器可读取页面整理清楚，再通过 Agent Readiness Auditor 检查缺口，会比堆一份很长的 llms.txt 更有价值。

专题入口 / AI Agent Hub

从单个 Agent 问题继续进入完整生产体系

AI Agent 专题统一组织架构、记忆、工具调用、评测、安全、部署和多智能体协作，让每篇文章都回到明确的主题主页面。

进入 AI Agent 专题 → 查看架构指南 订阅