讲 GEO 的文章很多，讲到能动手的很少。这篇只讲两件落地的事：llms.txt 和 JSON-LD 结构化数据。这两样我们先在自己官网上做了一遍——方法验证过才写出来，模板可以直接改成你的。
llms.txt：给 AI 递一张名片
llms.txt 是放在网站根目录的纯文本文件（访问路径就是 你的域名/llms.txt），作用是让 AI 在抓取你站点时，先用几百字读懂你是谁、做什么、重要页面在哪。这是 llmstxt.org 提出的开放约定，豆包、通义等引擎的爬虫都能读纯文本。
格式就是普通 Markdown，一个能直接套用的骨架：
# 品牌名
> 一句话说清你是谁、服务谁。
## 我们做什么
- 产品/服务一：一句话说明
- 产品/服务二：一句话说明
## 重要页面
- [产品介绍](https://你的域名/products)
- [常见问题](https://你的域名/faq)
- [联系我们](https://你的域名/contact)
写的时候守三条：说人话，别堆形容词；名称和工商注册、官网页脚保持一致；内容变了记得同步更新——一份过期的 llms.txt 比没有更糟。
JSON-LD：把品牌身份钉进网页
llms.txt 解决「快速读懂」，JSON-LD 解决「准确识别」。它是嵌在网页源码里的一段结构化声明，用 schema.org 的标准词汇告诉机器：这个网站属于哪家公司、叫什么、做什么。
最基础的 Organization 声明长这样（放进首页的 <script type="application/ld+json"> 标签）：
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "品牌名",
"alternateName": ["常用别名", "简称"],
"url": "https://你的域名",
"description": "一句话业务描述"
}
其中 alternateName 是容易被忽略的关键字段。企业往往有品牌名、公司注册名、产品名好几套叫法，客户问 AI 时用哪个的都有——把常用别名都声明进去，AI 才能把这些叫法归到同一个实体上，而不是当成几家不相干的公司。我们自己就是这么处理品牌名和产品线名称的对应关系的。
有博客或新闻栏目的站点，再给每篇文章加 Article 类型的声明（标题、日期、作者），AI 判断内容新鲜度和归属时有据可依。
别忘了开门：robots.txt
做完上面两件事，检查一下 robots.txt 有没有把 AI 爬虫挡在外面。常见的 AI 爬虫包括字节的 Bytespider、OpenAI 的 GPTBot、Anthropic 的 ClaudeBot 等。如果 robots.txt 里有针对它们的 Disallow 规则，AI 想引用你也进不了门。想被推荐，先把门打开。
做完怎么验证
三个动作，当天就能做完：
- 浏览器直接访问
你的域名/llms.txt，确认能打开、内容是最新的 - 打开首页源码搜
ld+json，把里面的 JSON 复制到 schema.org 的校验工具里过一遍 - 隔两三周，拿你的品牌名和核心业务问豆包，对比 AI 对你的描述是否变得更准
第三步才是目的。llms.txt 和 JSON-LD 不直接带来推荐，它们解决的是更基础的问题：让 AI 准确知道你是谁。身份都认不准，推荐无从谈起。
常见问题
Q：这两个文件是万能的吗？ A：不是。它们是 GEO 的地基件，负责「被认对」；要「被推荐」，还需要内容质量、权威信号和第三方佐证。地基件的好处是做一次管很久，性价比最高。
Q：需要程序员吗？ A：llms.txt 不用，会写文档就行。JSON-LD 需要能改网页代码的人，工作量通常在小时级，不是项目级。
Q：做了多久生效？ A：AI 引擎重新抓取你的站点后生效，通常以周计。改完当天问 AI 没变化是正常的。
想看你的官网现在在 AI 眼里是什么样？到 geo.cdjdy.com 免费体检。当你的客户去问 AI，让 AI 开口推荐你。