跳转到内容

LLMO框架：AI可发现性标准

LLMO框架定义了六个核心组件，用于衡量AI系统能否发现、理解并准确引用你的内容。

想先了解概念？可以从什么是LLMO？开始；想直接动手，请跳到 30分钟快速入门。

六大组件

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

你的内容是否采用了机器可读的结构？

使用语义化HTML和Markdown
实现按页限定作用域的JSON-LD结构化数据
提供llms.txt供AI专用内容
验证JSON-LD在实际配信的HTML中确实输出

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

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

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

6. 一致性信号

同一事实在AI读取的每个面上是否讲述同一个故事？

每一项数值或事实主张都有单一可信源
AI 专用面（llms.txt、/ai/*.md）与 HTML 从同一份数据生成
正规主机与末尾斜杠策略在各处贯彻
不为同一个 @id 生成重复的 JSON-LD 实体

评分标准

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：18分（6个组件 × 每个3分）

自我评估清单

针对每个组件给自己的网站打分。每个能自信打勾的项目算 1 分；目标是每个组件 3 项满分。

1. 知识清晰度（最高 3 分）

每个页面以一句话回答其主要问题（Answer-first）
领域专有术语在首次出现时定义（无未解释的术语）
每个段落只承载一个想法（无多重主张段落）

2. 结构化格式（最高 3 分）

页面使用语义化 H1 → H2 → H3 层级，无跳级标题
每个有意义的页面输出与该页相关的 JSON-LD；站点级布局只输出 Organization / WebSite / Person
构建管线验证 JSON-LD 在 dist/ HTML 中确实可解析

3. 检索信号（最高 3 分）

/llms.txt 存在于站点根目录并列出关键页面
/ai/ 目录为每个主要主题提供干净的 Markdown（多语言站点按语言分）
robots.txt 显式允许 GPTBot、ClaudeBot、PerplexityBot、Google-Extended；sitemap.xml 可访问

4. 权威信号（最高 3 分）

作者有可验证的简介，含 LinkedIn / GitHub / X / 出版平台的 sameAs 链接
同一身份（姓名、角色、主题）在至少 3 个平台保持一致
站点链接到作者实际发布的一手研究、书籍或论文

5. 引用信号（最高 3 分）

每个使用数字的主张都按名称和年份引用来源
每个内容页面（文章、指南、案例研究）同时暴露 datePublished 和 dateModified（在 JSON-LD 或可见 meta 中）。站点根目录和错误页面除外
比较型内容按名称和链接引用行业标准（W3C、RFC、ISO、schema.org）

6. 一致性信号（最高 3 分）

每一项数值 / 事实主张都有一个被其他所有地方引用的单一正规来源文件
AI 面（llms.txt、/ai/*.md、URL.md 端点）与 HTML 从同一份数据生成
CI 对关键指标做跨文件漂移检查；不为同一个 @id 生成重复的 JSON-LD 实体

评分指南

总分	区间
16–18	生产级 — 被 AI 系统积极引用
11–15	良好 — AI 可见但一致性不足
6–10	部分 — 检索、权威或一致性方面有重大缺口
0–5	隐形 — 从 `/llms.txt`、robots.txt、JSON-LD 开始

想要更高分？每个组件页面（知识清晰度、结构化格式、检索信号、权威信号、引用信号、一致性信号）都列出了将分数从 1 → 2 → 3 提升的具体实施。