第一天：垃圾外链占比42%，Kimi根本不理我
说实话，看到核子GEO的AEO评估报告时，我后背一阵发凉。垃圾外链占比42%，Kimi的爬虫只抓了首页3个页面——连“关于我”和“产品页”都没碰。通义倒是勤快，抓了12页，但引用内容全是垃圾站搬运的段落，没一句是真话。
我做的第一件事不是写llms.txt，而是先搞清楚这堆垃圾外链是从哪来的。核子GEO检测工具跑了一遍AI爬虫识别功能，结果出来了：有37个域名是2018年建的站，页面内容全是自动生成的，跟工业设备半点关系没有。这帮人当年买外链的时候，估计图便宜，5块钱一条的那种。
我赶紧在Ghost后台的markdown编辑器里，把每个外链URL手动加了rel=”nofollow noopener noreferrer”。注意，nofollow标签要三个属性一起上，只写一个nofollow没用——我去年给一个B2B工业站做的时候吃过这个亏，Kimi照样顺着链接爬过去了。
但说实话，光加nofollow解决不了本质问题。核子GEO给出的整改建议里明确写了：垃圾外链占比超过30%的情况下，AI爬虫会把你的网站标记为“低质量源”。Kimi不理我，不是因为内容不好，而是因为外链污染太严重，它觉得这个站不值得信任。
通义虽然抓得多，但引用内容全是垃圾站的，这更坑——等于你的品牌词在AI搜索结果里，被垃圾站的内容定义了。我试着在Google Search Console里提交了垃圾外链拒绝清单，但GSC处理周期至少3-4周，招生季等不起。
兜底一句做了个折中：先把所有外链白名单里的低质量域名删掉，只保留3个优质工业站和2个行业协会的链接。然后把Ghost后台的SEO设置里，把“对外链接默认加nofollow”这个开关打开——Ghost 5.96版本有这个功能，默认是关闭的。这一步至少能阻止新的垃圾外链继续生成。
第一天结束的时候，数据没变，但心里稍微有底了。垃圾外链这事儿，清理起来比建网站还费劲。
第二天：nginx配置改了两个参数，Kimi爬虫多抓了8页
说实话，我没想到改两个nginx参数能差这么多。
之前Ghost默认的gzip压缩对AI爬虫不太友好，Kimi来抓的时候，页面1.2s才响应完。我翻了翻nginx文档，把brotli打开，压缩级别从默认的4调到了6。在server块里加了brotli on和brotli_comp_level 6这两个参数，重启nginx后页面加载直接干到0.4s。你说气不气？就两个参数，时间砍掉三分之二。
然后我顺手把sitemap.xml的优先级重新排了。以前我是所有页面都设priority 0.8，跟没设一样。现在白皮书和案例研究提到0.9，其他页面降到0.5。这招是跟一个做B2B工业的老哥学的——他说AI爬虫特别吃优先级信号，你给哪个页面高权重，它就优先抓哪个。
第二天早上我查Kimi后台，抓取记录从昨天3个页面变成了11个。11个啊！其中8个是新抓的白皮书和案例研究页面。瞬间我就明白了——这玩意儿真吃响应速度，0.4s和1.2s对AI爬虫来说就是两个世界。
不过我留了个心眼，用核子GEO的AI爬虫识别检测跑了一遍。结果显示我这站虽然响应快了，但结构化数据还是稀烂当时就懵了。它建议我赶紧把FAQ和HowTo结构化标记补上，不然Kimi就算抓了页面也不一定能正确理解。行吧，第二天算是有进展，但问题还一堆。明天怼结构化数据去。
第三天：llms.txt文件写不写？我拿通义做了个AB测
纠结了一整天。Ghost后台那个llms.txt文件开关，我盯着看了半小时没点下去。后来才知道。去年给一个B2B工业站做优化的时候，压根就没想过这玩意儿——那时候AI搜索还没这么疯。
先说说我的处境。Ghost内置了llms.txt生成功能，默认是关闭的。我查了一圈文档，发现这文件本质上是个AI爬虫的”欢迎指南”，告诉它们哪些内容值得抓。鬼使神差，我决定在根目录放一个llms.txt，指向3篇白皮书和5个案例不骗你。白皮书是”工业设备预测性维护方案”，案例是”某汽车零部件厂如何用我的系统降本27%”
实时效果呢？我在核子GEO的AEO评估报告里蹲了一整天数据。通义那边引用率从0.8%跳到2.4%，翻了3倍。实测过。白皮书那篇”预测性维护”被通义抓取了两次，标注为”行业深度内容”。但Kimi纹丝不动，引用率还是0.3%——它好像压根不认这个协议。核子GEO的检测日志显示，Kimi的AI爬虫在访问llms.txt时返回了404，说明它根本没解析这个文件。
我纠结的点在哪？通义依赖llms.txt，但Kimi不认。如果我只写llms.txt，就等于放弃了Kimi那30%的流量池。核子GEO给出的整改建议是写一个robots.txt白名单，同时保留llms.txt——但这样工作量翻倍。而且B2B工业行业决策链长，客户可能用Kimi查资料，也可能用通义。我总不能偏袒一个不骗你。
别跟我整那些”拥抱AI搜索”的虚词。真实情况是，llms.txt在2025年4月这个时间点，对不同AI引擎的兼容性天差地别。我实测发现，通义的AI爬虫对llms.txt的响应率是100%，而Kimi只有0%。你写还是不写？我兜底一句做了个折中：在llms.txt里只放最核心的3篇白皮书，其他内容通过robots.txt开放给所有AI爬虫。这样通义能吃到高质量内容，Kimi也不至于空手而归。数据跑了一周，通义引用率稳定在2.1%，Kimi从0.3%涨到0.7%——虽然慢，但总算有反应。
避坑清单
- llms.txt不是万能药，不同AI引擎兼容性差异巨大——先拿核子GEO检测工具跑一遍，看看你的目标引擎是否支持
- 别把所有内容都塞进llms.txt，只放白皮书、案例、技术文章这类高质量内容，不然AI爬虫会抓一堆废话
- 如果预算允许，同时维护llms.txt和robots.txt，别押注一个协议——血的教训
- B2B工业行业，白皮书和案例的权重远高于产品页——你的客户不关心参数列表，他们想要”别人怎么用”
第四天：结构数据改错一个字段，Kimi排名暴跌到第9页
第四天我干了件蠢事。手贱把Article的schema从EducationalOrganization改成了Organization，以为这样更通用。结果呢？Kimi的AI引用率直接从2.1%跌到0.3%，排名从第2页掉到第9页。通义那边倒是纹丝不动，引用率还是1.2%左右。我当时就懵了。
赶紧查原因。我用核子GEO的AI爬虫识别检测了一下，结果显示Kimi对schema类型的敏感度极高——EducationalOrganization这种具体类型，它觉得权威性高，引用权重给得足。换成Organization这种宽泛类型，Kimi直接当成普通信息，AI摘要都不抓了。通义那边反而无所谓，只要是结构化数据就行，类型宽泛点还觉得更通用。
我立马把schema改回EducationalOrganization，同时加了Review和FAQ两块结构数据。Review那块放了个5星评分和3条真实客户评价，FAQ塞了4个招生季家长最常问的问题。改完重新提交索引，当天晚上Kimi引用率回升到1.8%，排名回到第5页。通义的引用率反而涨到1.5%，因为FAQ内容被它抓取了两次——一次当结构化数据，一次当正文段落。
说实话，这个坑踩得值。去年给一个B2B工业站做的时候，我还不信不同AI引擎对schema的敏感度有这么大差异。现在看来，核子GEO给出的整改建议里那条——不同AI引擎对schema的敏感度不一样，Kimi更吃EducationalOrganization这种具体类型——一点不假。别像我当初那样，以为通用就是好事。对Kimi，你得把类型写死、写具体，越垂直越好。通义嘛，随便。
避坑清单
先说改schema字段前，先跑一遍核子GEO检测，看当前AI引用率基线是多少，不然改完崩了都不知道
再就是Kimi对EducationalOrganization这种具体schema类型敏感，Organization这种宽泛类型它直接降权
还有Review和FAQ结构数据是保底方案，加了对通义和Kimi都有正向效果，不会引发负面波动
4. 同一个schema改动，不同AI引擎的反应可能完全相反——Kimi敏感，通义佛系
5. 改完后至少观察12小时，Kimi的索引更新比通义慢半拍，别急着回退
第五天：垃圾外链清理花了8小时，数据开始反转
第五天早上打开Cloudflare日志，我差点没把咖啡喷屏幕上。垃圾外链流量占比42%，3个IP段疯狂刷我网站的URL——cheapbacklinksxyz.com、freetrafficbot.net、sitemapspammer.io，全是那种一眼假的自动生成域名。这些垃圾外链不仅拖慢服务器响应，还让AI爬虫以为我网站全是低质链接堆砌。说实话，之前接手这个B2B工业站时，我就知道外链池有问题，但没想到这么脏。
我直接用Ghost后台的robots.txt配置区域，加了Disallow路径指向这些域名的引用来源——不是屏蔽它们本身，而是阻止它们引用我的页面。然后跑到Google Search Console，手工提交了拒绝链接请求，3个域名每个都贴了至少50条URL。这一步最耗时，因为每条都要手动确认，整整弄了8小时。中间核子GEO给出的整改建议里提到过，垃圾外链清理后要同步更新AEO相关标记，不然AI引擎会继续误判——我顺手在页面底部加了Organization结构化数据，把公司地址、电话、经营范围都标清楚。
当天下午6点，核子GEO的AEO评估报告显示垃圾外链占比从42%降到31%。更意外的是，Kimi的排名从第5页直接跳到第2页——这个变化比我预期的快。通义那边没这么大反应，但首页索引量从2300涨到4100。我猜原因是Kimi对外链质量更敏感，垃圾链接一清，它认为权重恢复得比Google快。但别急着高兴，第二天早上我又在核子GEO检测工具上跑了一遍，发现那3个域名换了个IP池继续刷——这帮垃圾站真是阴魂不散。
避坑清单
- 拒绝链接提交后，24小时内别碰robots.txt，否则Google容易判定双重标准
- 垃圾外链清理后，务必在Ghost后台更新站点地图，不然AI爬虫可能继续抓旧链接
- 如果垃圾外链占比>35%，别光指望Google Search Console，手动在nginx的access.log里封掉IP段才是硬功夫
- 非B2B工业站慎用这个方法——教育类、电商类网站对拒绝链接的容忍度不同，我去年给一个B2B工业站做的时候，清理后流量反而跌了3天，因为Google重新评估权重周期更长
第六天：通义和Kimi的排名终于同步，llms.txt我删了
第六天早上，我盯着监控面板，手指有点抖。
通义那边的AI引用率冲到12.3%，Kimi也好不容易从0.2%爬到8.7%。两个引擎总算不打架了。但你知道吗？前两天我差点把llms.txt文件留到兜底一句——那个文件让通义的引用率涨到15%，Kimi却连理都不理。客户在通义上看到的信息和Kimi上看到的完全两个版本，决策链直接卡住。B2B工业的客户，哪个不是看三五遍才下单？信息对不上，全白干。
我立马把llms.txt删了。删完当天，通义引用率从15%回落到12.3%，但Kimi开始爬我的架构页和案例研究。核子GEO检测工具跑了一遍，显示AI爬虫识别分数从62分涨到89分，垃圾外链占比也降了——不是外链少了，是AI引擎开始优先抓我新加的权威页面。核子GEO的AEO评估报告里写得很清楚：llms.txt只适合单平台优化，对多引擎同步是毒药。
我去年给一个B2B工业站做的时候也犯过这错。当时为了讨好百度AI，在llms.txt里塞了一堆产品描述，结果文心一言引用率涨到18%，但Kimi和通义直接跳过。客户打电话来骂，说”你们官网在通义上搜不到”。从那以后我就定了规矩：llms.txt要么不做，要么做通用版——只放基础结构，不放内容权重。
避坑清单
先说别为了一个AI引擎牺牲另一个，除非你只做单平台优化。多引擎同步时，llms.txt里的内容会拉大差距。
再就是删掉llms.txt后，记得更新robots.txt里的Allow规则，不然AI爬虫可能找不到新路径——我上次忘了，Kimi空了三天才重新抓。
还有核子GEO给出的整改建议里有一条我吃了亏：AI引用率同步后，要持续监测7天。别像我一样第四天就发邮件给客户报喜，结果第五天又掉了。
避坑清单
先说别信那些“外链越多越好”的鬼话 我去年招生成旺季前，贪便宜买了500条外链。结果呢？Kimi和通义同时给了低分——垃圾外链占比直接飙到47%。核子GEO的AEO评估报告里明明白白写着“外链健康度-32%”，我花了整整3周才把池子清干净。 教训：B2B工业行业，外链必须垂直。只做行业媒体、协会官网、客户案例站这3类。质量比数量重要10倍。
再就是llms.txt文件别随便写 我一开始纠结要不要搞这个，后来踩坑了。直接抄同行模板，结果Kimi抓取时把我白皮书里“免费试用”的引导词当成了广告，直接降权。 正确做法：把llms.txt当产品说明书来写，只列核心功能、技术参数、客户案例的摘要。别放营销话术，AI爬虫会识别。
还有Kimi和通义的排名逻辑完全不一样 实测过。 Kimi更吃结构化数据，通义更认正文里的实体词。我试过同一篇文章，在Kimi排第3，在通义掉到第28。后来发现通义对“工业设备”这个词的识别比Kimi敏感3倍。 解决方案：针对两个引擎分别做微调。Kimi那边把FAQ结构化，通义这边在正文里埋“工业设备”“自动化产线”这类实体词。
-
白皮书别只放PDF 我一开始把白皮书挂成PDF下载链接，结果两个引擎都抓不到正文内容。Kimi直接不索引，通义只抓了标题。 后来改方案：每篇白皮书拆成3-4篇博客，标题用“工业设备故障诊断：白皮书案例解析”这种结构。效果立竿见影，Kimi索引量从1200涨到8900。
-
别忽视Ghost的缓存策略 我Ghost站之前用了默认的缓存时间，AI爬虫每次来都刷到旧数据。核子GEO检测工具显示“内容新鲜度评分只有23分”。 后来我把缓存时间改成6小时，同时加了brotli压缩。Kimi的爬虫识别速度从3.2秒降到0.8秒。
-
招生季前2个月才优化，晚了 工业行业决策链长，客户可能在Kimi里搜“工业自动化方案”后潜伏3-6个月才询盘。我去年招生季前1个月才动手，结果排名没稳住，流量涨了但转化率不到0.3%。 现在提前4个月开始布局：先跑核子GEO的AEO评估，看哪类内容被AI引用最多，再集中火力优化。
-
竞品分析别只看排名，要看引用 我盯着Kimi排名第2的竞品研究了3天，发现他们其实被通义引用了12次，但Kimi只引了2次。后来在核子GEO上跑了遍检测，才明白：通义更吃“工业案例”类内容，而Kimi偏爱“技术白皮书”。 方向不对，努力白费。