知名開發者文件站都有 llms.txt 嗎？
不都有，但多數有。我們在 2026-11-06 用 curl 打開了 11 個知名文件站根路徑下的 /llms.txt：8 個回傳 200，3 個回傳 404。這只是一次抽樣，不代表所有文件站，也不說明有 llms.txt 的站從中得到了什麼。
| 文件站 | /llms.txt（2026-11-06） | 我們看到的 |
|---|---|---|
| docs.stripe.com | 有（200） | 約 97 KB；開頭是寫給 AI 程式工具的提示，不是普通簡介；每頁另有 .md 版本（/payments.md 回傳 text/markdown）；沒有 llms-full.txt（404） |
| developers.cloudflare.com | 有（200） | 約 17 KB，按產品分組，每個產品連結到自己的 llms.txt；llms-full.txt 存在，約 70 MB |
| docs.anthropic.com | 有（轉址到 platform.claude.com） | 約 98 KB |
| vercel.com/docs | 有（308 轉址到 vercel.com/llms.txt） | 約 5 KB；vercel.com/docs/llms-full.txt 存在，約 12 MB |
| supabase.com | 有（200） | 約 3 KB |
| nextjs.org | 有（200） | 約 15 KB；有「什麼時候該用這個網站」一節，寫明哪些問題以文件為準 |
| react.dev | 有（200） | 約 15 KB；開頭的連結指向頁面的 .md 版本 |
| docs.github.com | 有（200） | 約 29 KB；有「怎麼用」一節，指向取全文和搜尋的介面 |
| developer.mozilla.org | 沒有（404） | — |
| platform.openai.com | 沒有（404） | — |
| docs.python.org | 沒有（404） | — |
從這批檔案能看到三種做法：一份簡短的目錄（Supabase、React）；按產品拆成多份、再用一份總目錄串起來（Cloudflare）；目錄加每頁的 Markdown 版本（Stripe、React）。有 llms-full.txt 的兩家，檔案分別有幾十 MB 和十幾 MB，一次讀不完，這是我們的推斷，不是它們說的原因。
這些檔案被誰讀、讀了多少，我們沒有找到官方說明，未核實。它對 ChatGPT、Perplexity、Google 這類 AI 搜尋的推薦有沒有用，見 llms.txt 是什麼？有用嗎？：目前沒有證據。
文件站和一般行銷頁，對 AI 來說有什麼不同？
文件的讀者更多是在問「怎麼做 X」「這個錯誤是什麼意思」，而不是「哪個產品好」。所以文件頁要能直接當答案被摘走，而不是靠別的頁面補全上下文。
| 做法 | 為什麼 |
|---|---|
| 一頁只回答一個問題，標題就是問題 | 標題和問句一致，AI 和搜尋都容易對上 |
| 第一段直接給答案，再展開 | 摘走第一段就是完整的答案 |
| 每頁寫清適用的版本和最後更新日期 | 舊版本的做法最容易被當成現在的做法，見內容更新指南 |
| 程式碼範例能直接複製，寫清語言、前提和預期輸出 | 不要用截圖，不要把指令和輸出混在一起 |
| 錯誤訊息原文寫進頁面，旁邊寫原因和修法 | 使用者會把錯誤原文拿去搜和問 |
| 頁面之間用普通連結，連結文字說清目標頁是什麼 | 不要只寫「點這裡」「見下文」 |
| 正文直接寫在 HTML 裡 | 不要靠瀏覽器端腳本渲染，見 JavaScript 指南 |
正文的寫法見 怎麼寫出 AI 願意引用的內容？改寫前後對照；頁面更新和日期見 頁面寫上更新日期，對 AI 引用有用嗎？；爬蟲會不會執行腳本見 AI 爬蟲會執行 JavaScript 嗎？。
一個文件頁具體可以怎麼寫？
下面是一個骨架（產品和介面是虛構的）：標題是問題，第一段是答案，寫了適用版本和日期，各語言的程式碼分小節，錯誤用表格。
# How do I verify a webhook signature?
Verify the X-Example-Signature header with your endpoint secret before
you read the body. Use the official library; do not compare strings yourself.
Applies to: API version 2026-10-01 and later. Last updated: 2026-11-06.
## Node.js
const event = example.webhooks.verify(rawBody, signature, secret);
## Python
event = example.webhooks.verify(raw_body, signature, secret)
## If verification fails
| Error | Cause | Fix |
|---|---|---|
| invalid_signature | Body was parsed before verifying | Pass the raw body |
| timestamp_too_old | Server clock is off by more than 5 minutes | Sync the clock |
Related: [Webhook events](/docs/webhooks/events/), [Retries](/docs/webhooks/retries/)
llms.txt 和 llms-full.txt 要做嗎？
開發者文件可以做，代價小，但別指望它帶來推薦。llms.txt 是目錄，llms-full.txt 是把文件拼成一個大檔案；規範和現狀見 llms.txt 是什麼？有用嗎？。從上面的抽樣看，做的站裡有的還給每個頁面提供了 .md 版本，讓工具直接取到乾淨的文字。第一版可以用 llms.txt 產生器 起草，再手改。
如果文件很大，不要只做一個 llms-full.txt：按產品或章節拆成幾份，每份在目錄裡寫一句說明，抽樣裡 Cloudflare 就是這樣做的；這樣每份更小，我們推斷更容易被讀完。
怎麼一步一步改？
1. 先確認爬蟲進得了文件站
文件站常放在子網域，要單獨看它的 robots.txt 和防火牆。規則見 AI 爬蟲的 robots.txt 怎麼寫？。
2. 挑 20 個最常被問到的頁面，先改這些
用你的搜尋日誌、客服問題和 GitHub issue 選，不要一次全改。
3. 每頁改成「標題是問題、第一段是答案」
加上適用版本和最後更新日期。
4. 程式碼範例換成可複製的文字
寫清語言、前提、預期輸出；錯誤原文進表格。
5. 加結構化資料，並和正文一致
文件頁可以用 TechArticle 或 Article，標題和日期要和頁面上看到的一樣，見 結構化資料對 AI 搜尋有用嗎？。
6. 發布 llms.txt，需要時再加 .md 版本和 llms-full.txt
先發目錄，每條連結寫一句話說明；文件大就按產品拆開。
7. 每次發版改日期，並看伺服器日誌
在日誌裡搜 /llms.txt 和 .md 的請求，看是哪些 User-Agent 來的，有紀錄再繼續投入。
常見問題
開發者文件需要 llms.txt 嗎？
可以做，成本低；但沒有證據表明它會讓 AI 搜尋更多推薦你。2026-11-06 我們抽樣 11 個知名文件站，8 個有、3 個沒有（MDN、OpenAI 平台、Python 文件）。
llms-full.txt 要不要做？
不是必須。抽樣裡 Cloudflare（約 70 MB）和 Vercel（約 12 MB）有，Stripe 沒有（404）。文件很大時更實際的做法是按產品拆成多份。
每個文件頁要不要提供 Markdown 版本？
Stripe 和 React 這樣做了（在網址後加 .md，2026-11-06 實測回傳 200）。是否值得做取決於你的讀者是否常用 AI 程式工具，我們沒有資料說明它對搜尋引用的影響。
文件放在子網域還是子目錄？
我們沒有找到官方說明哪種更好，未核實。抽樣裡兩種都有（docs.stripe.com 是子網域，vercel.com/docs 是子目錄）。無論哪種，都要單獨確認 robots.txt 和防火牆。
程式碼範例應該放截圖嗎？
不要。截圖裡的文字讀不到，也不能複製；用文字程式碼區塊，並寫清語言和前提。
出處
- Stripe · docs.stripe.com/llms.txt （2026-11-06 打開）
- Cloudflare · developers.cloudflare.com/llms.txt （2026-11-06 打開）
- Next.js · nextjs.org/llms.txt （2026-11-06 打開）
- React · react.dev/llms.txt （2026-11-06 打開）
- GitHub Docs · docs.github.com/llms.txt （2026-11-06 打開）
- llmstxt.org · The /llms.txt file （2024 年提出，2026-11-06 查看）
- kagentx 評測：案例頁的資料，日期寫在每個例子裡。