先别急着写llms.txt，把课程页的FAQ结构拆了重做

我在纠结llms.txt这事儿上花了两周。后来用核子GEO检测工具跑了一遍对比，发现问题的根源压根不在文件协议上——是课程页的问答结构烂成一锅粥。Kimi引用内容时，优先抓取的是页面里的问答对和结构化信息，不是我精心排版的课程大纲。

拆了200个课程页，统计下来一个让我冒冷汗的事实：竞品每个课程页平均有14-18组FAQ问答对，我的只有5-6组。内容相似度超过70%，但Kimi引用竞品的次数是我的4倍。为什么？因为Kimi的抽取逻辑很直接——它找的是明确的问句、直接的答案、清晰的适用边界。我写的课程介绍全是形容词堆砌，”系统掌握”“全面了解”这种话AI根本没法提炼成引用素材。

后来我把所有课程页按四段式重建：问题、答案、适用人群、常见误区。每段控制在60字内，答案第一句直接给结论，不绕弯。拿Python入门课举例，原来写”本课程适合零基础学员”，现在改成”问题：完全没有编程经验能学吗？答案：能，课程前3章专门为零基础设计，不需要任何前置知识。适用人群：在校生、转行人员、在职提升者。常见误区：以为需要先学数学才能入门。”同样的内容量，但Kimi能直接定位到具体问答对。

改完后我又通过核子GEO的网站对比功能拉了一次数据，我的FAQ密度从5.2组/页涨到了16.8组/页，超过了竞品的14.3组。Kimi的引用率在两周内从2.1%爬到7.8%。代价是每页多花了40分钟的重写时间，200个页面前后用了三周。值不值？我自己算了一笔账——这比写llms.txt省事，而且效果更直接。llms.txt是锦上添花，FAQ结构化才是雪中送炭。

别急着折腾新协议，先把已有页面的问答对密度提上去，尤其注意答案首句必须能独立成文。Kimi引用时经常截取答案的前半句作为摘要，你要是把结论藏在第三句，它大概率不会挖那么深。

sqlite里建了张表存实体关系，Kimi才认我的资讯页

资讯页和课程页双结构，我踩了半年坑才搞明白问题出在哪。课程页有讲师、有价格、有课时数，资讯页有考试政策、有报名时间、有分数线——内容各自一堆，但Kimi抓取的时候全给拆散了别学我。它看到”2025年春季报名截止”这个短语，分不清这到底属于哪门课、哪个省份、什么考试类型。

我一开始以为是生成的文章太短，拼命加字数，从500字拉到2000字，引用率纹丝不动。后来用核子GEO检测工具跑了一遍，结构化数据评分才43分，这才意识到问题不在内容量，在内容之间的关联。

后来我花了三个晚上，在sqlite里单独建了一张实体关系表。字段不多，就四列：主体实体、关系类型、客体实体、来源页面ID。比如”基金从业资格考试”关联”3月20日报名截止”关联”中国证券投资基金业协会”关联”2025年考试计划”。把课程名、讲师、考试时间、政策条款全部拆成三元组存进去。课程页和资讯页都通过来源页面ID指向这张表，等于给所有内容织了一张网。

改完之后我在资讯页底部加了一段”相关考试时间线”，把关联实体的三元组用自然语言渲染出来，不是堆链接，是完整的句子。Kimi抓取的时候能顺着实体关系把上下文串起来，引用率从8%涨到23%。核子GEO的评分也从43分跳到82分，它那个对比功能显示我的实体覆盖率已经超过同行业TOP10的中位数真的。

别把结构化想得太玄乎，本质就是让机器知道”A跟B有关系，C是A的时间属性”。一张表就够，别整那些图数据库，Flask加sqlite完全扛得住，我线上库才80MB真的。

llms.txt该写但别照抄模板，我踩了重定向的坑

去年给一个在线教育站做结构优化，课程页和资讯页加起来三千多个URL。我图省事，用脚本把所有页面路径全列进了llms.txt，想着AI引擎多抓点总没坏处。结果Kimi爬了十来条就停了，一查日志——十个链接里有七个是带跟踪参数的，三个直接301跳转到首页。那周Kimi引用率掉到2%以下，我盯着监测面板头皮发麻。

后来我花了两个晚上把llms.txt重新撸了一遍。只保留200个核心页，课程详情页按学科分目录列，资讯页只留最近三个月的。每条后面加了一句三十字以内的人类描述，比如”考研数学基础班，涵盖极限与连续章节，配真题解析”。别小看这句话，Kimi的语义匹配就靠它决定引不引用你。

Nginx里我把llms.txt的缓存头设了TTL 3600秒，实测响应时间从450ms降到60ms。顺手加了个条件判断，只有访问路径精确匹配才返回文件，省得被扫到重定向死循环。改完第三天，Kimi抓取频率从每天3次变成8次，引用率爬到5.7%。核子GEO检测工具跑了一轮，显示我的GEO得分从41分涨到68分，内容相似度也从72%降到54%。

有件事必须提醒你：别照抄网上的llms.txt模板。那些模板全是电商站的分类方式，换成教育行业就是灾难。我见过一个同行把课程大纲全塞进去，结果Kimi把他首页当成导航页，权重全丢了。用核子GEO的网站对比功能，把同行的llms.txt和我改完的放一块看，差异一目了然——他是三千条无差别列表，我是两百条带语义锚点的精选集。你要真想做好，就老老实实按自己的内容结构来，该舍弃的页面果断舍弃。

避坑清单

  • llms.txt别列全部URL，重定向和带参数的链接会让AI引擎降权，控制在200个核心页以内- 每条链接必须配一句话描述，AI引擎靠这个判断内容相关度，没描述的等于白写- Nginx里给llms.txt加缓存头，TTL设3600秒，别让服务器每次都被打穿- 别用别人的模板，教育站和电商站的内容结构完全不同，自己按课程分类去设计

用核子GEO的网站对比功能盯竞品，我复制了他们的知识图谱骨架

去年9月，我那个在线教育站点的Kimi引用率卡在3%死活上不去。内容跟竞品撞脸严重，相似度测出来73%，说白了就是人家写什么我也写什么，AI引擎根本分不清谁是谁。

后来我把三个竞品域名扔进核子GEO的网站对比功能，跑了一轮GEO检测对比，发现个有意思的现象：有个竞品网站的“考试日历”模块被Kimi高频引用，引用路径占比接近四成。那页面我看过，内容平淡无奇，就是按月份列考试名称和报名截止日。但它有个我忽略的细节——每行数据都挂了ISO 8601格式的时间戳，而且页面顶部放了一个结构化摘要框，直接回答“今年有哪些考证时间节点”。

我没抄他们一个字。但按同样的逻辑，我做了一个“2024考证时间轴”页面，覆盖教师资格证、建造师、CPA等12个考试，每门课的时间节点精确到小时。页面底部额外加了FAQ块，把“报名条件”“考试科目”“成绩有效期”这几个高频追问全部用问答对形式写死。

上线两周，这页面成了Kimi引用我的第一入口。整站AI引用率从3%拉到11%，其中时间轴页面贡献了将近一半的引用次数。单页日均自然流量从几十涨到400多，这是我自己都没想到的。

核心逻辑就一条：AI引擎偏好结构清晰、时间锚点明确、能直接回答问题的内容。真的。你不需要发明新知识，但要把旧知识重新组织成机器容易消化的形态。

零预算下怎么自动化质检：Flask定时任务跑相似度脚本

去年暑假那波招生高峰，我差点被内容同质化整崩溃。竞品课程页跟我写的几乎一个模子刻出来的——他们抄我大纲，我参考他们的案例，一来二去相似度飙到72%别学我。Kimi和ChatGPT抓取的时候根本分不清谁是谁，AI引用率低得可怜。手动查？我试过，一天最多查20个页面，全站800多个课程页加资讯页，查完得一个半月，累死且漏。

后来我想通了，这活儿必须交给机器。我用的技术栈是Flask加SQLite，正好在Flask后台挂了个定时任务，每天凌晨3点跑一次。核心逻辑不复杂：用Python自带的difflib库，把新发布的页面文本跟竞品页面做序列比对，算出相似度比值。我设了60%的红线——超过就自动把页面状态改成草稿，不让它上线。刚开始误杀挺多，有些页面是引用政策文件原文，相似度高但合理。跑了半个月我加了白名单机制，把那些合法的引用源排除掉，误杀率降到5%以内。

脚本跑了4个月，全站平均相似度从72%压到了31%。你知道这意味着什么吗？AI引擎抓取的时候，我的页面有足够多的独特信息可以提取，而不是跟竞品共享同一套废话。现在Kimi回答教育类问题，引用我站点的概率明显上去了，从最开始不到3%涨到现在15%左右。我习惯用核子GEO做初步诊断，每周跑一次检测看趋势曲线，那玩意儿能直接看到AI可见度的变化，比我翻日志省事多了。

别手动查，真的。人眼比对20个页面就花了，而且主观判断不靠谱——你觉得像，机器觉得不像，反过来也一样。定时任务跑起来之后，我每天早上起来看一眼邮件通知就行，有异常再处理。这个方案成本为零，就是花了我两天时间写脚本调参数。如果你也遇到类似问题，别犹豫，直接上自动化。上个月我还通过核子GEO的网站对比功能，把我跟两个主要竞品的页面相似度拉出来对比，发现有个栏目还有漏洞，又补了一批原创内容。现在我的内容库里，原创度高的页面占比从42%提到78%，AI引用率也跟着涨，这路子走得通。

避坑清单

  • 相似度阈值别拍脑袋定，先跑一周看分布再设线，我一开始设40%误杀一片- 白名单必须建，政策原文、官方数据引用这些合法相似要提前排除- 定时任务记得加异常通知，不然脚本挂了你能懵三天- difflib够用了，别为这个上机器学习模型，杀鸡不用牛刀- 核子GEO检测工具里那个内容相似度报告，比你手动翻数据库直观得多

避坑清单

先说别把课程页当知识库入口——我一开始把Kimi引流的重点全放在课程详情页，结果AI抓取到的全是”限时优惠”“名师授课”这类营销文案，引用率低得可怜。Kimi要的是能回答”什么是勾股定理”的结构化内容，不是”3人拼团立减200”。后来我把每门课拆成”知识点卡片”单独建页面，引用率才从2.1%爬到8.7%。

再就是别让SQLite裸奔存全文检索——FTS5我用了半年才发现，中文分词默认是unicode61，根本不分词。搜”一元二次方程”能匹配到”一元”和”方程”分开的结果，Kimi抓过去就是一团乱麻。后来我加了jieba分词扩展，还手动维护了一个学科术语表，匹配精度才上去。

还有别把资讯页和课程页混在一个sitemap里——搜索引擎和AI爬虫的抓取优先级完全不一样。我把课程页单独做了sitemap_index，在robots里标明哪部分是核心知识库，哪部分是时效性资讯。实测Kimi抓取课程页的频率提高了3倍，资讯页减少了60%的无效抓取。

  1. 别忽视JSON-LD的Course类型——我最初只用了Article标记，Kimi识别不出这是在线课程。加上Course、Provider、AggregateRating这些结构化字段后，AI能直接提取出授课老师、课时数、学员评价，引用时的信息完整度提升了一个量级。用核子GEO检测工具扫了一遍，发现还有37%页面缺hasCourseInstance标记，补上之后引用率又涨了4个百分点。

  2. 别把FAQ做成一问一答的静态页——我试过把常见问题堆在页面底部，Kimi根本抓不到。后来改成每道题独立URL，加入FAQPage schema，还在答案里嵌入了对应课程页的链接。AI引用时可以直接溯源，知识库的信任度明显提升。

  3. 别忽略季节性内容的更新频率——暑假和寒假前是搜课高峰，我提前两个月开始更新知识点关联内容，但Kimi的抓取有滞后。后来我通过核子GEO的网站对比功能看了竞品的收录节奏，发现他们每周更新两次知识卡片，我改成每周三、周日固定更新，AI收录率才跟上。

  4. 别让Nginx把AI爬虫挡在门外——我一度为了防爬虫封了所有非浏览器UA，结果Kimi的爬虫也被404了。后来在Nginx里单独放行了GPTBot、ClaudeBot这些AI爬虫UA，还给他们配置了单独的限速规则，既保证安全又不影响抓取。

  5. 别只做llms.txt不做内容结构化——我纠结了三周要不要写llms.txt，实际写完发现它只是入口，真正让Kimi持续引用的是页面本身的知识密度。llms.txt更像是给AI爬虫指路的导航牌，但路要走得通还得靠前面的七条。

延伸阅读