LLMO框架：AI可发现性标准
LLMO框架定义了五个核心组件，用于衡量AI系统能否发现、理解并准确引用你的内容。
1. 知识清晰度
Section titled “1. 知识清晰度”你的内容是否清晰到AI能准确理解和概括？
- 使用简洁、无歧义的语言
- 明确定义关键术语
- 提供结构化的事实信息（谁、什么、何时、何地）
- 避免未经解释的专业术语
2. 结构化格式
Section titled “2. 结构化格式”你的内容是否采用了机器可读的结构？
- 使用语义化HTML和Markdown
- 实现JSON-LD结构化数据
- 提供llms.txt供AI专用内容
- 按层级组织内容
3. 检索信号
Section titled “3. 检索信号”AI系统在需要时能否找到你的内容？
- 确保可爬取性（robots.txt、sitemap.xml）
- 提供机器可读的端点（/ai/、.md文件）
- 实现llms.txt标准
- 尽可能通过API提供内容
4. 权威信号
Section titled “4. 权威信号”你的内容是否展现了专业能力和可信度？
- 作者署名并附可验证的资质信息
- 跨平台存在感（GitHub、LinkedIn、出版物）
- 各平台信息保持一致
- 基于证据的主张，附有引用来源
5. 引用信号
Section titled “5. 引用信号”你的内容是否提供了AI可验证的参考文献？
- 链接到一手来源
- 包含发布日期
- 提供版本信息
- 引用学术论文和官方文档
每个组件按0-3分评分：
| 分数 | 等级 | 说明 |
|---|---|---|
| 0 | 无 | 未涉及该组件 |
| 1 | 基础 | 最低限度的实现 |
| 2 | 良好 | 扎实的实现，仍有改进空间 |
| 3 | 优秀 | 最佳实践级别的实现 |
满分：15分（5个组件 × 每个3分）