外贸独立站怎么配 llms.txt 和 Schema？我给博客实操了一遍

你辛辛苦苦写的外贸独立站文章，谷歌还没完全读懂，ChatGPT、Perplexity、Bing Copilot 这些 AI 引擎已经开始在回答里挑信源了。用户问一句做外贸 B2B 用什么 CRM，AI 不一定会指向你的官网——除非它既认得你，又读得懂你写的东西。

这两年圈子里开始讲 GEO（生成式引擎优化），很多人一上来就问：要不要加 Schema？要不要写 llms.txt？我自己的博客（孟凡宇 · Lifeline）刚好把这两套都真刀真枪配了一遍，踩过坑也验证过。这篇文章不堆概念，就用我博客的实操，把两件事说清楚：它们分别做什么、我怎么落地的、以及——最重要的——它们到底能不能让你被 AI 引用。

先讲句大实话：结构设施不是银弹

动手之前，得先泼盆冷水。网上不少文章把 Schema 和 llms.txt 夸成 AI 采信权的地基，好像不加就输了。这个判断有一半对，另一半是过度归因。

普林斯顿大学 2024 年发表在 KDD 会议上的一篇研究（arXiv 预印本编号 2311.09735）确实测出：在正文里加引用权威信源，能让 AI 引用你的概率提升约 40%，加真实数据提升约 37%，加专家引语提升约 22%。但注意，这篇论文测的完全是文本层面的改写，从头到尾没测过 Schema，也没测过 llms.txt。

换句话说，真正被论文验证能提 40% 的，是正文里有没有引用、有没有数据、有没有专家的话。Schema 和 llms.txt 做的是另一件事：帮 AI 更快认准你的身份、更快找到你最值得读的内容。Google 自己也在文档里说过，它的 AI 功能并不需要站点专门做特殊的结构化数据。

所以这篇实战复盘的底色是：结构设施是地基，让 AI 来得顺；但真正让 AI 把你写进答案的，是正文本身的密度。先把顺序摆正，免得你花大力气配了一圈，发现引用没涨，还以为自己配错了。

关于海外和国内 GEO 信源差异的那部分，我之前单独写过一篇 外贸 GEO 别直接抄国内那套打法，可以先对照着看。

llms.txt：给 AI 一份站点导读

llms.txt 是 2024 年由 Answer.AI 和 Jeremy Howard 等人提出的一份社区标准（注意：是社区标准，不是 W3C 那种强制规范，目前采用度还在增长）。它就是一个放在站点根目录的纯文本文件，相当于给 AI 爬虫一份本站导读：我是谁、我重点做什么、哪些内容最值得读。

我博客的 llms.txt 是构建时自动生成的，结构长这样：

• 顶部是站点名和一句话定位，直接对齐我的三支柱（外贸 B2B 独立站、AI 内容增长、SEO 与 Google Ads）；
• 然后是「关于作者」段，除了姓名和方向，还列了我在 GitHub、知乎、B 站、掘金等平台的同名账号——这一步很关键，它等于告诉 AI：这些不同平台的账号，背后是同一个人，把分散的身份收拢成一个；
• 最后是「文章清单」，按分类列出精选文章的标题、链接和一句话摘要，而且三支柱分类排在最前面。

这里有个我真实踩过的坑，值得单独说。第一版 llms.txt 是遍历全站文章生成的，结果把 25 篇我刻意标了 noindex（压量阶段不想进搜索引擎的文章）也一起塞了进去。后果是：noindex 本意是别让搜索引擎收，但 llms.txt 主动把清单喂给 AI，AI 反而可能直接引用这些我不打算主推的内容，等于架空了我压量的决策。后来加了一行过滤，把 noindex 文章排除掉，清单才干净。这个细节提醒你：llms.txt 是主动喂，所以放进去了什么，比普通页面更得想清楚。

Schema @graph：给实体一个统一身份证

如果说 llms.txt 是给 AI 看的导读，那 Schema 结构化数据就是给每个实体发身份证。它的标准格式是网页头部一段 application/ld+json 的 JSON，里面用 @graph 把几个实体和关系串起来。

我博客的做法是：每个页面注入一个 @graph，里面包含四类实体——WebSite（站点本体，带站内搜索动作）、Person（我本人，带 @id 和跨平台 same_as）、Organization（站点品牌），以及当前文章的 BlogPosting。

最值钱的一招是统一 @id。主题默认给每篇文章生成的作者是个没有身份的匿名 Person 节点，一百多篇文章就是一百多个互不认识的作者。我把它们全部剥掉，换成指向同一个带 @id 的 Person——意思是：这一百多篇，都是孟凡宇写的，不是一百多个陌生人。当 AI 在归纳谁是这个领域的作者时，看到的是一致的一个人，而不是一地碎片。同理，文章的 publisher、作者也都指向这个统一实体，让站点等于品牌等于作者在机器眼里是同一回事。

关于 GEO 实操更系统的步骤，可以看这篇 GEO 实操：让 AI 引擎稳定推荐你的品牌，以及梳理概念的 GEO 三十个核心概念。

真提引用靠什么：回到正文密度

讲到这，两套管设施都说完了。现在回到最开始那句大实话：它们帮你被认准、被找到，但决定 AI 会不会把你写进答案的，是正文里有没有可引用的硬货。

对照普林斯顿那篇论文，落到外贸独立站上，最实在的改法是：

• 别只说我们产品质量好，写成我们通过 ISO 9001 认证，近 12 个月出货 1,200 批次，客诉率 0.3%；
• 别只说很多客户选择我们，写成据某行业报告，2025 年该类目买家最看重的三项是什么（附来源）；
• 每个小节结尾给一句能被直接摘走的结论，让 AI 不用通读全文也能抓到你的观点。

这些引用、数据、专家引语、可切片结论，才是论文里被验证能提 40% 的东西。结构设施让 AI 来得顺、认得准；正文密度让它走得远、带得走。

外贸独立站 GEO 起步清单

如果你也想动手，按这个顺序，半天就能落地：

1. 写一份干净的 llms.txt：站点定位加作者身份（带跨平台同名账号）加精选文章清单，把 noindex、低质、临时页全部排除。别把全站塞进去。
2. 给核心页面加 Schema @graph：至少覆盖首页、关于页、重点产品页和重点文章页，统一 Person @id，让作者和品牌身份一致。
3. 正文做密度改造：挑 3 到 5 个核心页面，按引用加数据加专家引语加可摘结论重写，别堆形容词。
4. 验证：浏览器直接打开 你的域名/llms.txt 看能不能返回清单；查看网页源代码搜 application/ld+json 确认每页头部有 @graph。别只看构建日志说成功，要查产物。
5. 别过度：结构设施是辅助，不是替代内容。配完就回到写文章本身。

写在最后

这篇和前面聊外贸 GEO 别直接抄国内那套是姊妹篇：那篇讲信源在哪儿就去哪儿发力——海外 AI 引擎的信源是独立站、权威媒体、社区，不是公众号和知乎；这篇讲信源到了你的官网，怎么让 AI 读得懂、认得准。两件事加一起，才是外贸独立站做 GEO 的完整起步。

说到底，llms.txt 和 Schema 不神秘，也不玄学。它们是给 AI 的一份礼貌说明和一张身份证，帮你少绕路。但路最终通不通，还是看你写出来东西，值不值得被引用。