Google 官方辟谣：llms.txt、内容分块、刷提及都是白费力气

Google 官方发布了一份生成式 AI 搜索优化指南，针对 AI Overviews 和 AI Mode 这两个新功能，给网站站长清楚说明了哪些事情值得做、哪些事情是白费力气。

官方的立场非常明确：所谓 GEO（生成式引擎优化）和 AEO（答案引擎优化）本质上就是 SEO，不存在独立的特殊通道。AI 功能完全建立在核心搜索排名系统之上，通过两种关键技术从索引里提取内容。第一种是 RAG（检索增强生成），用核心排名系统检索相关页面，提取具体信息生成回答，同时附上可点击的来源链接。第二种是 query fan-out（查询扩展），模型把用户一个问题拆成多个并发子查询去搜索。比如用户问"如何修复满是杂草的草坪"，AI 会同时搜索"最佳除草剂""无化学品除草方法""如何预防草坪杂草"，再汇总全部结果。想在 AI 回答里出现，前提是页面已被搜索索引收录且有资格展示摘要，没有绕过 SEO 的捷径。

官方辟谣：这几件事不用做

文档专门辟了一节叫 Mythbusting，点名了在业界流行但实际无用的做法。

第一个是 llms.txt 文件。过去一年里几乎成了建站标配，各种"AI 搜索优化教程"都推荐加上。但 Google 明确说不会特殊对待它，和抓取其他格式文件没有区别。你不需要为 AI 搜索创建任何新的机器可读文件或标记。

第二个是把内容做"分块"处理。没必要把一篇文章切成许多小块让 AI 更好理解。Google 的系统能理解一个页面上多个主题之间的细微差别，自动展示给用户最相关的部分。短页面有效，长页面也有效，取决于你的受众和主题，没有所谓的理想长度。

第三个是专门为 AI 改写文案。你不需要为 AI 搜索用特定的方式写作，不用堆砌长尾关键词，不用覆盖每一种可能的搜索变体。AI 系统能理解同义词和语义，自动把你的内容和用户的搜索意图连接起来。

第四个是四处刷不真实的"提及"。在网络上到处刷虚假引用不会加分。核心排名系统关注的是高质量内容，另有独立的反垃圾系统处理垃圾信息，AI 功能同时依赖这两套系统。

第五个是过度关注结构化数据。AI 搜索不需要专门的结构化数据，也没有特别的 schema 标记需要添加。作为整体 SEO 策略的一部分继续用就好，但不必为 AI 搜索额外折腾一套。

真正有效的老一套

核心建议出乎意料地传统：做非同质化的原创内容。文档里的例子很形象——"首次购房者的 7 个建议"是大众化内容，谁都能写，没有独家见解，AI 自己就能生成。而"我们为什么放弃验房还省了钱：下水道内部实录"基于真实经历，有独家视角和细节，AI 没法自己编出来，只能引用你的原文。

Google 建议优质内容应该具备几个特征：有独特的观点，第一手测评优于总结复述；能提供深入的领域经验，而不是从各处搬运拼凑的东西。用 AI 辅助创作可以，但必须满足反垃圾政策，靠大量刷页面这条路行不通。配上图片和视频时要确保高质量，遵循图片和视频 SEO 的最佳实践即可。

技术层面需要保持页面可抓取可索引，确保在所有设备上显示良好、减少加载延迟、降低重复内容。用了 JavaScript 就遵守 JS SEO 规范。语义 HTML 有帮助但不是必须的，Google 知道大部分网页本身就不算标准有效的 HTML。

Agentic 体验的方向

文档末尾提了 AI agent 的未来方向。搜索 agent 可以在网站上直接完成预订和比价这类任务，通过浏览器分析页面渲染、检查 DOM 结构、解读无障碍树。UCP（Universal Commerce Protocol）这类协议正在出现，如果你的业务相关可以提前关注。

总结

SEO 基础仍然是进入 AI 搜索的入场券，没有捷径可走。创造有独家视角、基于真实经验的内容，比折腾 llms.txt 和内容分块这些表面技巧有用得多。AI 搜索优化不是一套新技术，是 SEO 基础做好之后自然附带的结果。