llms-full.txt 從何而來？
它來自文件託管服務，而不是 llms.txt 提案。提案本身由 Jeremy Howard 發表於 llmstxt.org（2024 年 9 月 3 日，修改於 2026 年 8 月 10 日），定義了 /llms.txt 並建議提供頁面的 Markdown 版本；它沒有定義 llms-full.txt。
文件託管服務 Mintlify 表示，llms-full.txt 最初是它與 Anthropic 合作開發的，Anthropic 想要一種更乾淨的方式，把整份文件餵給語言模型（Mintlify，2025 年 5 月 9 日）。Mintlify 的文件說明，這個檔案把整個文件網站合併成單一檔案，每頁附標題、來源網址、描述和完整 Markdown（Mintlify 文件，讀取於 2026 年 10 月 15 日）。
llms-full.txt 和 llms.txt 有什麼不同？
一個是索引，另一個是內容：
| 檔案 | 內容 | 大小 | 最適合 |
|---|---|---|---|
| llms.txt | 摘要與重點頁面連結 | 簡短 | 代理決定要讀什麼 |
| llms-full.txt | 這些頁面的完整內文 | 可能非常大 | 一次擷取就載入整套文件 |
在真實案例中，真正決定引用的是什麼？
是引擎針對問題讀到的頁面。在公開的 Tesla 案例中（2026 年 10 月 4 日），Google AI Overviews 在 25 個買家問題中引用 youtube.com 20 次、reddit.com 15 次，tesla.com 只有 1 次。
品牌自己網站上的任何檔案，都改變不了引擎會去找哪些影片和討論串。真正有用的是登上已被引用的頁面，並讓自己的頁面保持可讀。
應該發布 llms-full.txt 嗎？
如果有代理會讀您的文件就發布；否則可有可無：
- 開發者文件和 API 值得發布，因為程式碼代理會整套載入文件。
- 讓它和頁面從同一個來源產生，才不會過時。
- 在 llms.txt 中連結它，讓代理找得到。
- 確認它以純文字提供，而不是該路徑上的 HTML 頁面。
關於 llms-full.txt 的常見問題
llms-full.txt 是 llms.txt 標準的一部分嗎？
llms.txt 本身只是提案，不是標準，而 llmstxt.org 上的提案並未定義 llms-full.txt。這個全文檔案是文件託管服務採用的慣例。
llms-full.txt 能提升 AI 能見度嗎？
沒有證據顯示可以。在我們的樣本中，6,343 個引用裡只有一個指向它，而 Google 表示它的 AI 功能不需要任何 AI 文字檔。
llms-full.txt 可以多大？
和您的文件一樣大，可能超過模型一次能讀入的量。需要較少內容的代理可以改為依循 llms.txt 的連結。
Proofsource 有發布嗎？
有。我們的 llms.txt 結尾指向 llms-full.txt，收錄每一頁的完整內文，給想一次擷取全部內容的工具使用。
相關詞彙
- llms.txt
llms.txt 是一種提議中的 Markdown 檔案，放在網站根目錄，告訴語言模型這個網站是什麼，並列出最值得閱讀的頁面。
- robots.txt
robots.txt 是位於網站根目錄的純文字檔，依據 Robots Exclusion Protocol（RFC 9309）告訴爬蟲可以擷取哪些路徑。
- Schema 標記（結構化資料）
Schema 標記或結構化資料是頁面上的程式碼，通常是採用 schema.org 詞彙的 JSON-LD，以機器可讀的形式陳述頁面及其主題的事實。
- 答案引擎最佳化（AEO）
答案引擎最佳化（AEO）是讓您的品牌在 AI 助理的回答中被點名、頁面被引用的工作。
實例：Tesla，公開的 AI 回答，2026 年 10 月 4 日：Proofsource 對 Tesla 的第一次掃描，25 個買家問題和 5 個品牌問題，四個引擎各回答每個問題一次。這是單一品牌的小樣本，僅作為範例，不是基準。
