이 글은 간체 중국어입니다. 한국어(으)로 번역하려면 클릭하세요.

cats.txt 实验揭示：LLMs.txt 的“证据”只是 GEO 占星术

bingdada

8월 11, 202677회 읽음약 8분 분량

post.quickAnswer

cats.txt 实验证明，当前行业用于验证 llms.txt 有效性的四种“证据”（爬虫抓取、被索引、LLM 复述、ChatGPT 认可）均无法证明其真实价值。这些观察结果在关于虚构猫咪的文件上同样成立，揭示了 GEO 领域普遍存在的错误因果推断。

post.keyTakeaways

SEO 专家发明讽刺性标准 cats.txt，用于测试行业验证 llms.txt 的“证据”标准。
cats.txt 通过了所有四项“证据”测试，证明这些测试本身毫无意义。
没有证据表明任何主流 AI 提供商（如 OpenAI、Google）使用 llms.txt。
Ahrefs 等研究显示 llms.txt 在实际部署中很大程度上被爬虫忽略。
GEO 领域需要更严谨的证据标准，而非依赖表面观察和 AI 生成的“认可”。

在 SEO 和生成式引擎优化（GEO）领域，一个名为 llms.txt 的提议标准正被当作改变游戏规则的利器。但它的支持者们引以为傲的“证据”，真的站得住脚吗？一位名为 Search Engine Journal 的行业观察者受够了这种现状，决定用一个近乎荒诞的实验——cats.txt——来揭示当前 GEO 领域盛行的“证据标准”有多么脆弱。

cats.txt 的诞生：一个针对行业“伪证据”的完美讽刺

实验的起点源于一种挫败感。作者观察到，业内许多看似理智的人，仅仅因为四个观察结果，就将 llms.txt 奉为圭臬： 1. AI 爬虫抓取了该文件。

Google 索引了该文件。
大语言模型（LLM）能复述文件内容。
ChatGPT 在对话中“认可”了该文件的作用。这四点被频繁地用于提案、报告和社交媒体的讨论中，作为 llms.txt 正在重塑 AI 搜索的“铁证”。但在作者看来，这些观察结果根本不构成任何有效证据。为了证明这一点，他发明了一个名为 cats.txt 的“标准”。这是一个纯文本文件，规定网站必须在根目录放置该文件，用以正式声明网站的“办公室猫咪”信息，包括它们的名字、职位、品种，以及一个名为“PurrLevel”的、满分为 10 分的“亲切感指标”。作者以极其严肃的口吻撰写了完整的规范文档，并在 LinkedIn 上发文，煞有其事地宣称这是“SEO 和 GEO 缺失的标准”。出乎意料的是，这个讽刺性实验迅速引发了社区共鸣，甚至有人创建了更完善的 catstxt.org 网站来“推广”这一标准。

实验结论：一个关于虚构猫咪的文件，竟能通过所有“验证”

当一切准备就绪，作者用行业认证 llms.txt 的同一套标准来检验 cats.txt。结果如何？ 它全部通过了。 - AI 爬虫抓取了 cats.txt 文件。

Google 索引了它。
LLM 能够准确回答出关于一只名为 Odd 的燕尾服猫的细节——这些信息只存在于该文件中。
ChatGPT 甚至长篇大论地确认，cats.txt 可以帮助网站提升排名。这无疑是一个巨大的讽刺。一个关于虚构猫咪的文件，居然能通过所有被用来证明 llms.txt 有效性的测试。这恰恰证明了这些测试本身是多么地无效。

对 llms.txt

的公平性审视在深入批判之前，作者也给出了对 llms.txt 的公平评价。他暂时搁置了两个关键事实，并给予 llms.txt 最大的善意：

没有证据表明任何 LLM 提供商使用它：OpenAI、Anthropic 或 Google 都从未官方文档化其使用 llms.txt 进行搜索或发现。Google 的搜索倡导者 John Mueller 甚至直言：“目前没有 AI 系统使用 llms.txt……这从服务器日志中一眼就能看出来。消费级 LLM/聊天机器人（SEO 想要流量的那些）会抓取你的页面——用于训练和 grounding，但没有一个会去抓取 llms.txt 文件。”
实际部署效果微乎其微：Ahrefs 对 10 万个域名进行的研究发现，该文件在实践中很大程度上被其目标爬虫所忽视。其他大型研究也表明，添加该文件的网站并没有获得可衡量的引用优势。即便忽略这些事实，llms.txt 的支持者们用以证明其价值的推理方式，本身就是一个严重的逻辑谬误。

GEO 领域的“占星术”：错误的因果推断

作者指出，问题的核心在于一种错误的因果推断：把“相关关系”当作“因果关系”。这就好比一个人每次收起雨伞，雨就停了，于是他得出结论——是收起雨伞这个动作导致了雨停。 llms.txt 只是这个问题的一个缩影。同样的错误推断链，正被应用于几乎每一个新出现的 GEO 策略上。当“我们是否应该采用这个策略”成为关键问题时，支持其有效性的“证据”质量就显得至关重要。目前，行业常用的“证明” llms.txt 有效性的证据，按置信度从低到高排列，依次是： 1. 爬虫抓取：AI 爬虫抓取了文件。但这只能证明爬虫发现了它，并不能证明它会影响排名或生成结果。

被索引：Google 索引了它。但 Google 会索引几乎所有公开网页，这同样不能证明任何事。
LLM 复述：LLM 能回答出文件中的内容。这只能证明 LLM 在训练数据中见过该文件，并不能证明它在生成回答时会优先参考它。
ChatGPT 的认可：向 ChatGPT 询问“cats.txt 能帮助 SEO 吗？”，它给出了肯定回答。但这只是模型基于其训练数据（可能包含了作者的博客和 LinkedIn 帖子）生成的预测性文本，而非对事实的确认。 cats.txt 实验完美地证明了这四点“证据”毫无意义。它提醒我们，在评估任何新的 SEO 或 GEO 策略时，都需要保持批判性思维，寻找更严谨的证据，而不是被表面的观察和 AI 生成的“认可”所迷惑。

国内视角：AI

搜索优化，我们该信什么？这场关于 llms.txt 的争论，对国内的 SEO 和 AI 营销从业者同样具有警示意义。随着百度文心一言、阿里通义千问、DeepSeek、字节豆包、Kimi 等国产大模型的崛起，国内的 AI 搜索生态也在快速发展。国内厂商在 AI 搜索优化上也有自己的探索。例如，百度推出的“AI 搜推一体化”策略，旨在让高质量内容更易被 AI 理解和推荐。但这些平台是否也依赖类似 llms.txt 的机制？目前同样没有官方明确说明。因此，国内从业者在面对各种“AI 优化秘籍”时，更应保持警惕。与其追逐未经证实的“标准”，不如回归本质：创作高质量、结构清晰、有深度、对用户真正有价值的内容，并确保网站技术基础健康，便于爬虫抓取和理解。这才是在任何搜索生态中都能长期有效的策略。

常见问题

cats.txt 和

llms.txt 有什么区别？ cats.txt 是一个讽刺性的实验，旨在证明 llms.txt 支持者们所依赖的“证据”是多么脆弱。它模仿了 llms.txt 的格式和推广方式，但内容是关于虚构的猫咪信息。实验结果表明，cats.txt 能通过所有常用于验证 llms.txt 的测试，从而揭示了这些测试的无效性。

llms.txt 真的有用吗？

目前没有确凿证据表明 llms.txt 对 AI 搜索排名有任何直接影响。主要的 AI 提供商（如 OpenAI、Google）均未官方声明使用该文件。一些研究（如 Ahrefs 的研究）也显示，该文件在很大程度上被爬虫忽略。

为什么

ChatGPT 会说 llms.txt 有用？ ChatGPT 的回答是基于其庞大的训练数据生成的预测性文本。如果训练数据中包含大量关于“llms.txt 有用”的讨论（例如博客、论坛帖子），它就可能给出肯定回答，但这并不代表事实如此。

我应该如何优化我的网站以适应 AI 搜索？

与其追逐未经证实的“标准”，不如专注于基础工作：创作高质量、原创、结构清晰的内容；确保网站技术 SEO 健康（如快速加载、移动端适配）；使用清晰的头标签（H1、H2）组织内容；并建立高质量的外部链接。

什么是 GEO？

GEO（Generative Engine Optimization，生成式引擎优化）是指针对 AI 驱动的搜索引擎和聊天机器人（如 ChatGPT、Perplexity）进行优化，以提高品牌或内容在这些平台上的可见性和被引用率。它涉及内容策略、结构化数据和数字公关等多个方面。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组网站：bingdada.com © 2026 Bingdada. 保留所有权利。