机器可读层：llms.txt、JSON-LD 与 evidence.json 怎么写

机器可读层由三个文件与片段组成：站点根目录的 llms.txt、页面内的 JSON-LD，以及证据索引文件。它们降低模型理解成本，但不替代内容质量与一手来源。

适用对象与前置条件

适用于已有稳定内容结构与来源登记表的站点。前置条件是页面地址稳定、实体信息已统一、来源可登记。

• 页面地址不再频繁变更。
• 作者与发布方标识已统一。
• 有可维护的证据编号与来源表。

为什么这样做

生成式模型需要先理解页面在讲什么主体、哪些内容值得抓取、每条主张的依据在哪里。三类材料分别对应这三个问题。

llms.txt 提供站点级导读，JSON-LD 提供页面级结构，证据索引提供主张级来源。三者都不改变抓取权限，也不构成收录或引用承诺。

把三者写成构建期生成的文件，可以避免手工维护造成的不一致。

执行步骤

1. 写 llms.txt 导读。结构为站点说明、核心定义、方法、指标、证据索引与引用建议。判断标准：每条链接为绝对地址且可打开。
2. 写页面 JSON-LD。按页面类型给出主类型与必填字段，实体只写标识与名称。判断标准：校验无错误，字段与正文一致。
3. 写证据索引。按证据编号排序，字段包含主张、类型、等级、地址、来源、核验日与复核周期。判断标准：编号不重复，来源地址可打开。
4. 接入构建流程。三个文件在构建期从内容清单生成，不手工编辑。判断标准：发布后文件与实际内容一致。
5. 定期实测。每季度检查文件是否被抓取、引用是否变化，并记录观测方式。判断标准：有观测记录，无效果时不夸大结论。

反例：三个文件各写一套

以下为常见反例（示例，非真实客户）。llms.txt 手工维护，JSON-LD 由模板生成，证据索引由另一份表格维护，三处的主体名称与页面地址不一致。

模型拿到互相冲突的信号，反而不如只有正文。修复动作是把三者收敛到同一份内容清单，构建期统一生成。

证据与依据

【主张】机器可读层降低理解成本，但不替代内容质量与一手来源。 【依据】本站《机器可读层》方法页（工作定义）。 【发布机构】GEOA（星哥一人公司）。 【时间】2026-11-09 发布；复核周期 365 天。 【定位】第 2 节「为什么这样做」。 【摘录】「三类材料分别对应这三个问题。」 【链接】https://geoa.com.cn/method/machine-readable/ ｜核验 2026-11-09

该方法为经验性方法，标注 L2，未经第三方验证，不作为标准引用。

局限与不适用场景

• llms.txt 属社区提案，不是 W3C 或 IETF 标准，抓取效果需实测。
• 结构化数据只降低理解成本，不能带来引用或收录结果。
• 证据索引只索引已登记条目，未登记的主张不会出现。
• 三份文件均由构建生成，因此不适合作为临时活动的快速投放载体。

自检清单

常见问题

llms.txt 是官方标准吗？ 不是。它是社区提案，抓取效果需实测，页面不得写必被收录。

写了 JSON-LD 就会被引用吗？ 不会。它只影响理解成本，引用还取决于内容与来源。

evidence.json 与页面证据块重复吗？ 不重复。页面证据块面向读者，索引文件面向机器，字段保持同源。

相关阅读

相关栏目：术语索引、指标索引、方法索引、清单索引、白皮书、编辑政策。