GEO 实战笔记 / 13
独立站 GEO 的技术底座：先让 AI 读得到
独立站做 GEO 只有两层：先保证 AI"进得来、读得到"，再谈"加不加分"。而大部分人 80% 的预算花在了第二层——Google 官方在 2026 年 5 月的指南里，正好点名了那一层里最热卖的两样东西。这一篇给你一张分四层、19 项、可以逐项打勾的清单，以及两份能直接复制的配置模板。
本篇目录
我是醒醒，AI共学社主理人，30岁程序员转型一人公司践行者。闲鱼+小红书变现五位数，已帮500+人用AI为工作提效。不教你追工具，只帮你用AI解决问题、赋能业务。长期主义者，专注让AI真正落地到你的工作里。
GEO 实战笔记 · 第 13 篇 你现在在哪：第 5 阶 · 进阶（独立站 / 出海专线 · 第 2 篇） 这一篇带你去哪：拿到一张能逐项打勾的技术清单，知道先修哪、后修哪、哪些根本不用修
一个做五金工具的老板，花了五万，AI 一次都没提他
去年他花了三万重做独立站，做了一轮 SEO。今年年初，又花两万买了一个"GEO 优化包"。
服务商给的回执很漂亮：部署了 87 处结构化数据、生成了 llms.txt、给 FAQ 做了标记。
他来找我的时候，问题问得很直接：
"我花了五万，为什么在 ChatGPT 里搜我的品类，一次都没提到我？"
我让他做了两件事。
第一件：在浏览器里禁用 JavaScript，然后打开他自己最重要的那个产品页。
他打开之后停了几秒，说："参数呢？"
对。他的产品页是前端渲染的——材质、承重、认证、包装尺寸，都是 JS 从接口把数据拉回来再显示的。不执行 JavaScript 的访问者，看到的是一个空框。
而 AI 的爬虫，不执行 JavaScript。
第二件：把他的 robots.txt、CDN 后台、建站插件设置全翻出来。
结果更离谱。他的站挂在一家 CDN 上，而那套"企业级安全防护"的默认规则，按 UA 拦掉了一大批机器人。他完全不知道。
所以那两万块钱做的事是：在一个 AI 进不来的门口，贴了一张装修得很好的使用说明。
不是你的内容不好。是 AI 连门都进不来。
这一篇要给你一张清单，不是一个方法
上一篇我们讲清楚了"为什么独立站必须加 GEO 这一层"。
这一篇讲具体动作：修什么、按什么顺序修。
我会给你一张清单，分四层，一共 19 项。前两层是必须做的；第三层是一天能做完的；第四层是"想发就自己发、但别花钱"的。
先说清楚：这一篇会让你少花钱，所以它会得罪一些人。
现在市面上有一门生意叫"GEO 优化包"，报价从几千到几万，里面通常有两项标配——给你的站部署结构化数据（Schema），和给你生成一个 llms.txt 文件。
这两件事，下面会一件一件拆。先给结论：它们不是没用，是"不是那个用"。
如果你现在连"AI 能不能进你的站"都还没确认，先买这两样，就等于先装修、后开门。
先说一件得罪人的事：Google 官方点名了五件事
2026 年 5 月 15 日，Google 搜索中心发布了一份此前从未有过的文档：《为 Google 搜索的生成式 AI 功能优化你的网站》。
这份文档最值得看的，不是它说"该做什么"——那部分全是你早就听过的老话。最值得看的是它单独开了一节，标题就叫 mythbusting（破除迷思），点名了五件"可以忽略"的事：
| Google 点名的做法 | 官方的意思 |
|---|---|
| llms.txt 之类的 AI 文本文件 | 不需要 |
| 把内容切块（chunking） | 不需要 |
| 专门为 AI 改写文案 | 不需要 |
| 制造不真实的品牌提及 | 不要做 |
| 过度依赖结构化数据 | 别指望它 |
第三、第四项先放着。第一项和第五项，正好对应现在最热卖的两项 GEO 服务。
Google 的原话是这样的：
您无需创建新的机器可读文件、AI 文本文件或标记，即可在这些功能中显示内容。您也不需要添加任何特殊的 schema.org 结构化数据。
这句话分量重，因为它是规则制定者自己说的。
在这个行业里，绝大多数"该怎么做"的说法都是推测，而推测的来源是相关性——"我看了一百个被 AI 引用的页面，其中 53% 有 Schema，所以 Schema 有用"。
但「53% 的引用页面有 Schema」和「加了 Schema 就会被引用」，是两件完全不同的事。
打个比方：你去看 100 个考进重点班的学生，发现其中 53% 都买了同一套教辅。你能得出"买这套教辅就能考进重点班"吗？
不能。因为更可能的原因是：能考进重点班的学生，本来就更容易去买教辅。 教辅是他们"学习习惯好"的一个副产品，不是原因。
结构化数据就是这个道理。做了 Schema 的站，通常也是维护更勤、内容更好、排名更高的站。 这些站本来就会被引用。
这就是本篇的第一个判断方法：看见"某某比例的 AI 引用页面都有某样东西"，先问一句"反过来成不成立"。
还要说清一件事：这不是说 Google 在打击 Schema。 相反，Google 自己仍在推荐你把 Schema 当常规 SEO 的一部分用。它反对的只有一件事——把 Schema 当成 AI 可见性的抓手。
而且有一条边界必须说明：这份指南只管 Google 自家的 AI 界面（AI 概览、AI 模式）。ChatGPT、Perplexity、Claude 各有各的检索架构，Google 的话不能直接搬过去。
但有意思的是——别家最后指向的，是同一个地方。
做独立站 GEO，只有两层：能不能进，和加不加分
在讲动作之前，先把地图给你。
所有技术动作，其实只分成两层：
| 层 | 它管什么 | 做错的后果 | 性质 |
|---|---|---|---|
| 资格层 | AI 能不能进来、能不能读到 | 直接归零 | 0 或 1 |
| 加分层 | 读到之后，能不能更好地理解你 | 不归零，但不保证有回报 | 放大器 |
资格层只问一个问题：你的页面，AI 抓得到吗、读得懂吗？
这一层没有中间状态。抓不到就是抓不到，读不到就是读不到。AI 不会因为你内容好，就翻墙进来。
加分层问的是另一个问题：AI 读到了你，它有没有把你的内容归属到一个清晰的身份上。
它的性质是放大器，不是发动机。它会把已有的优势放大，也会把已有的混乱放大，但它不会凭空创造优势。
⭐ 这一篇的核心只有一句：一个被挡在门外的页面，写什么标记都没用。
而现在大部分独立站的预算分配是反的：
- 加分层（买 Schema 服务、生成 llms.txt）：花掉八成预算
- 资格层（确认爬虫进得来、参数写进 HTML）：花掉零
下面两节，一层一层拆。
第一层：三种爬虫，三道门
这是最容易出错、后果也最严重的一节。
AI 的爬虫不是一种，是三种。而且这三种管的根本不是同一件事。
| 类别 | 代表 | 它干什么 | 你关了它会怎样 |
|---|---|---|---|
| 训练爬虫 | GPTBot（OpenAI）、ClaudeBot（Anthropic）、Google-Extended（Google）、CCBot（Common Crawl） |
收集内容，训练未来的模型 | 不影响你现在被引用，只影响未来模型懂不懂你 |
| 搜索爬虫 | OAI-SearchBot、Claude-SearchBot、PerplexityBot |
建索引，供 AI 回答时检索引用 | ⚠️ 直接失去被引用的资格 |
| 用户触发 | ChatGPT-User、Claude-User、Perplexity-User |
用户在对话里点名要看你的页面时，实时去抓 | ⚠️ robots.txt 很可能管不了它 |
中间那一行和最后一行，是保命的两行。
第一个坑：一行把所有 AI 的 UA 全封
这是最常见、也最致命的错误。
有人听说"AI 在偷我内容"，于是在 robots.txt 里写了一行全站禁止；或者在 CDN 后台点一下"阻止 AI 爬虫"。
后果是什么？
OpenAI 在官方文档里写得很清楚：被 OAI-SearchBot 选择退出的站点，不会出现在 ChatGPT 的搜索回答里。
Anthropic 那边列出的后果是：禁用 Claude-SearchBot，会阻止系统为搜索索引你的内容，可能降低你在用户搜索结果里的可见度。
所以——你以为你在保护内容，实际上是把自己从 AI 的答案池里删掉了，而且没有任何通知。
第二个坑：两个已经不存在的名字
如果你在网上（尤其是一些 2025 年的攻略）看到这两个：
User-agent: Claude-Web
User-agent: anthropic-ai
它们已经不在 Anthropic 当前的爬虫文档里了。 现在是 ClaudeBot、Claude-User、Claude-SearchBot 三个。
抄旧清单本身后果不重（多写两行而已），但它说明一件事：这份名单会变，至少每年对一遍官方文档。
第三个坑（最多人搞错）：Google-Extended 不是 AI 概览的开关
网上流传一个说法："想从 Google 的 AI 概览里消失，就把 Google-Extended 禁掉。"
这是错的。
Google-Extended 甚至没有自己独立的爬虫身份——它不是一个会来访问你网站的机器人，它只是 robots.txt 里的一个控制令牌。它管的是：被抓到的内容，能不能用于训练未来的 Gemini 模型。
而"AI 概览""AI 模式"是 Google 搜索的功能，用的是 Googlebot 抓下来、正常进搜索索引的内容。
所以关掉 Google-Extended，你既没有退出 AI 概览，也没有保住任何东西——只是退出了 Gemini 的训练。而 Google 官方明说：Google-Extended 不影响网站在 Google 搜索中的收录，也不是排名信号。
真的想限制 AI 概览显示你的内容，官方给的控件是这四个：nosnippet、data-nosnippet、max-snippet、noindex。
⚠️ 但这四个是双向刀——它们同样会限制你在普通搜索结果里的摘要显示。这不是一个能两全的选择。
可直接照抄的 robots.txt
下面这份可以直接改。每一行是干什么的，我都写在注释里了。
# ========== 搜索爬虫：必须放行 ==========
# 这几个决定你能不能进入 AI 的答案池
User-agent: OAI-SearchBot
Allow: /
User-agent: Claude-SearchBot
Allow: /
User-agent: PerplexityBot
Allow: /
# ========== 常规搜索引擎：必须放行 ==========
# Google 的 AI 概览和 AI 模式，走的就是 Googlebot 的索引
User-agent: Googlebot
Allow: /
User-agent: Bingbot
Allow: /
# ========== 用户触发抓取：拦不住，但要表态 ==========
User-agent: ChatGPT-User
Allow: /
User-agent: Claude-User
Allow: /
# ========== 训练爬虫：看你的立场 ==========
# 关掉它们 = 不让内容用于训练未来模型
# 关掉它们 不等于 从 AI 搜索里消失
# 纯商业站：开不开都行；内容本身就是产品的站：可以关
# 要关就把下面这一组里的 Allow: / 逐行改成 Disallow: /
User-agent: GPTBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: Google-Extended
Allow: /
User-agent: CCBot
Allow: /
# ========== 全站兜底 ==========
User-agent: *
Allow: /
Disallow: /admin/
Disallow: /cart/
Disallow: /checkout/
Sitemap: https://你的域名/sitemap.xml
怎么确认爬虫真的进来了
写完 robots.txt 不算完，因为你的 CDN、WAF、建站插件都可能在 robots.txt 之外再拦一道。
两个办法：
办法一，看服务器日志。 搜 OAI-SearchBot、Claude-SearchBot、PerplexityBot，看有没有访问记录。没有访问记录，就是门关着。
办法二，核对 IP，不要只看 UA。
为什么？因为 UA 名可以伪造。任何程序都能在请求头里写上 GPTBot，白拿你给 OpenAI 开的权限。
可靠的验证是 IP。OpenAI 和 Anthropic 都公开了各自的 IP 段（JSON 格式），下载下来和日志里的来源 IP 对一遍即可。
这不是纸上担心。2026 年 4 月，Cloudflare 就公开指控 Perplexity 使用未公开的爬虫访问站点——"只看 UA 名不够"是有现实版本的。
第一层：AI 读到的只有 HTML
第二个必须确认的事：AI 抓到你之后，到底看到了什么？
先看三组实测。看完你就明白，为什么这件事比 Schema 重要一百倍。
| 谁测的 | 怎么测的 | 结果 |
|---|---|---|
| searchVIU（2025 年 10 月） | 把一个产品价格用 8 种不同方式埋进页面，让 5 个 AI 系统去抓 | 没有任何一个系统，提取出"只存在于结构化数据里"的价格 |
| Vercel | 分析真实爬虫流量，看它们下不下载、执不执行 JavaScript | 主流 AI 爬虫都不执行 JavaScript。GPTBot 会下载 JS 文件（约 11.5% 的请求），ClaudeBot 也会（约 23.8%）——但一个都不执行 |
| Otterly AI | 把事实只放进 FAQ 结构化数据里，然后去问模型 | 没有任何平台把那些事实提取出来 |
三个不同的机构，三种不同的测法，指向同一件事：
⭐ AI 读到的，是你页面上"渲染完的、可见的 HTML 文本"。不是你的标记。
标记在流程里的位置是更后面——它是在 AI 已经读到之后，用来确认这些内容该记在谁头上的。
于是有三个"不存在"：
参数写在图片里的，不存在。 参数印在产品图上，人看着清楚，AI 看不到，它不会去"读"你的图。
参数只在 PDF 里的，不存在。 除非 AI 自己下载那个 PDF，而它通常不会。
靠 JavaScript 渲染出来的，不存在。 这是最隐蔽的一种：你在浏览器里看一切正常，因为你的浏览器执行了 JS。AI 的爬虫不执行。
怎么自查？一分钟后你就知道
在浏览器里禁用 JavaScript，打开你最重要的那个产品页。
方法：Chrome 设置 → 隐私和安全 → 网站设置 → JavaScript → 选"不允许网站使用 JavaScript"。或者装个一键开关的扩展。
然后看：还剩什么？
如果参数、尺寸、材质、认证、退换政策全都不见了——那么 AI 看到的，也是这个。
产品数据"事实化"：改前与改后
下面这份对照表可以直接照着改。原则只有一条：
⭐ 每一个数字，都必须和它的字段名，写在同一个句子里。
| 改前（AI 读不懂） | 改后（AI 读得懂） |
|---|---|
产品图上印着 1000 |
最小起订量（MOQ）：1000 件 |
页面上一个徽章写着 CE |
认证：CE 认证，符合欧盟机械指令 2006/42/EC |
表格里一列 15-25 |
交货期：15–25 个工作日，收到定金后起算 |
| 一排客户 logo 图 | 主要客户：德国、荷兰、波兰 12 家工业经销商，平均合作 3 年以上 |
| 参数表截图 | 材质：45 号碳钢；表面处理：镀锌；承重：2 吨；净重：3.2 公斤 |
| "高品质，值得信赖" | 出厂前 100% 承重测试，随货附测试报告，历史不良率 0.3% |
最后一行你可能会想：这不就是文案问题吗？
它确实是。但你要理解：AI 判断一个页面值不值得引用，看的就是这种"能不能被单独摘出来当答案"的句子。 "高品质值得信赖"摘不出任何东西；"不良率 0.3%，随货附测试报告"可以。
⚠️ 顺手纠一个正在中文技术圈传的说法。
我常看到这样的表述：「把产品参数用结构化数据标记出来，让 AI 准确读取你的参数。」
这个说法把因果搞反了。 结构化数据不是让 AI"读到"参数的手段——AI 读的是可见 HTML。它是让机器确认这些参数该记在谁头上的手段。
网上还有个很生动的抱怨：页面上写着 1000，AI 分不清那是起订量还是工作压力。
这个问题是真的。但它的解法不是加 Schema，而是把字段名写进去——把 1000 改成 起订量（MOQ）：1000 件。
加 Schema 治不了这个病，改文案能治。
第二层：Schema 和 llms.txt 为什么不是抓手
现在讲加分层。先说两个"最像抓手"的东西。
先说 llms.txt
它是什么？一句话：放在你网站根目录的一个 Markdown 文件，用来告诉 AI"我站里哪些内容最重要"。
它是 2024 年 9 月由 Answer.AI 的 Jeremy Howard 提出的一个社区提议。注意，是提议，不是标准——没有 W3C、IETF 之类的机构背书，也没有任何一家大模型厂商公开承诺会读它。
那有没有人读？有人专门数了。
2026 年 6 月，Ahrefs 分析了 137,210 个域名的服务器日志和真实流量：
| 项目 | 数字 |
|---|---|
| 发布 llms.txt 的域名比例 | 28%（Ahrefs 自己说明这是上限，因为它客户偏技术向） |
| 这些文件里，当月收到零请求的比例 | 97% |
| 有请求的那 3% 里，来自 bot 的比例 | 96% |
| 真正的 AI 检索 bot（会产生引用的那种）占比 | 1.1%——整个研究里一共 233 次抓取 |
| 请求量最大的来源 | SEO 审计工具，21.7% |
还有三个数字特别值得看：
- Slackbot 抓 llms.txt 的次数，比 PerplexityBot 还多。 有人在群里贴了个链接，产生的流量比这个文件本来要服务的那个产品还多。
- 训练爬虫抓它的频率，大约是检索 bot 的 5 倍。 方向正好是反的。
- 对"根本不存在"的 llms.txt 的 404 请求里，AI bot 占比为 0。 没有任何一个 AI 会主动去找这个文件。
Google 的 John Mueller 被问到这件事时说得更直接：llms.txt "不是为搜索做的"，它是给 AI 编程工具解析开发者文档用的"临时拐杖"。
⚠️ 但这里必须说清一件事，否则就变成另一种误导：
llms.txt 不是骗局，它只是用错了地方。
它真正的用途是面向开发者的文档站。Anthropic、Cloudflare、Cursor 这些公司都在自己的文档域名上放这个文件——因为当一个编程助手要来对接你的 API 时，一份 Markdown 索引确实比让它爬 400 个 HTML 页面便宜得多。
它帮的是一个"已经决定要用你网站"的助手；它不帮一个"还没听说过你"的引擎做决定。
所以判据很简单：你卖不卖 API、有没有技术文档站？ 有，自己花十分钟写一份；没有，就别为它花钱。
再说 Schema
Schema（结构化数据）的历史长得多，它是为了让搜索引擎理解"这个字符串是价格、那个数字是评分"而发明的，已经有十几年。
那它对 AI 引用有没有用？
2026 年 5 月，Ahrefs 做了一次受控实验——这是这个问题上目前公开证据里最干净的一次。
做法：找出 1,885 个在 2025 年 8 月到 2026 年 3 月之间新增了结构化数据的页面，给每一个配大约 3 个"同站点或同主题、但没加"的对照页（共约 4,000 个）。比较加之前 30 天和加之后 30 天的引用变化。
结果：
| 平台 | 引用变化 |
|---|---|
| Google AI 概览 | −4.6%（唯一统计显著的，而且是往下的） |
| Google AI 模式 | +2.4%（与零没有区别） |
| ChatGPT | +2.2%（与零没有区别） |
另一份研究的视角不同。Kurt Fischman 在 2026 年 2 月发表的论文，收集了 730 条 AI 引用（用 ChatGPT 和 Gemini 各跑 75 个商业查询），再找 1,006 个对照页比对。
它给出的三档更直观：
| 页面的结构化数据情况 | AI 引用率 |
|---|---|
| 完全不加 | 59.8% |
| 加了，但是建站工具默认生成的那种通用标记 | 41.6% |
| 加了，而且字段具体（商品/评价类，带价格、评分、规格） | 61.7% |
⭐ 中间那一行是重点：加了"通用标记"，引用率比完全不加还低 18 个百分点。
合理解释是：一份空着关键字段的通用标记（比如 Organization 的网址字段是空的、文章作者写着"admin"），在机器看来是一个"这个站想用结构化数据，但没维护好"的信号。
⚠️ 但这里有两条自我限定，不然我就是在重复自己批评的那种做法：
第一，结论不能推得太远。 Ahrefs 自己明确写了：它测的全都是本来就已经被引用（AI 概览引用 100 次以上）的页面。它证明的是"给已经上道的页面加标记，没有明显提升"，它没有证明"标记对一个从来没被引用过的新页面没用"。
第二，所有日志类数字都是"上界"。 Ahrefs 自己写了："被抓取"不等于"被读过"。真实数字只会更小。
但 Schema 有一小块仍然值得做
讲完"不是抓手"，得把话说全：Schema 不是别做了，是别指望它当发动机。
它真正值得做的地方只有一块，而且是 Ahrefs 自己都留了口的那一块：发现阶段。
Ahrefs 在结论里写了一句：结构化数据对已经被引用的页面没有额外好处，但对还没被抓取或解析的页面，在爬取和索引环节起作用，"仍然是一个合理的假设——只是这两份研究没测这个"。
换句话说：它的战场在"被理解"，不在"被引用"。
而"被理解"这件事里，目前最值得做的是四个字：实体消歧。
为什么要消歧？ 大模型靠"实体"组织知识。你的品牌名如果只是一个孤立的字符串，它就是一个模糊的引用；如果它能被连到一个明确的知识来源上，它就是一个已知实体。
Organization（组织）+ sameAs（指向同一身份的其他资料来源）就是做这件事的。
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://你的域名/#organization",
"name": "公司法定名称",
"alternateName": "品牌简称（客户平时怎么叫你）",
"url": "https://你的域名",
"logo": "https://你的域名/logo.png",
"description": "一句话说明你是做什么的、为谁服务",
"foundingDate": "2015",
"address": {
"@type": "PostalAddress",
"streetAddress": "详细地址",
"addressLocality": "城市",
"addressCountry": "CN"
},
"sameAs": [
"https://www.wikidata.org/wiki/Q你的ID",
"https://www.linkedin.com/company/你的页面",
"https://www.youtube.com/@你的频道"
],
"knowsAbout": [
"你的核心品类词",
"你的核心技术或工艺",
"你服务的行业"
]
}
三点说明：
@id 要稳定。 它是这个实体在你网站上的唯一标识，别今天换一个明天换一个。
sameAs 里的每一个链接，都要真的能打开。 打不开的等于没有。
每个页面都引用同一个 @id。 首页、产品页、关于页都指向同一个组织实体，机器才能把它们串成同一个"你"。
⚠️ 顺便记住一条硬规则，这是 Google 在结构化数据上唯一一条跟 AI 有关的警告：
⭐ 结构化数据必须和页面上看得见的内容一致。
标了价格，页面上就得有那个价格；标了评分，页面上就得有那个评分。不一致不是"优化没做到位"，是"垃圾信号"。 所以查出来不一致的字段，正确动作是删掉，不是补上。
⚠️ 还有一条 2026 年的变化，特别容易被误传：
FAQ 富结果已经在 2026 年 5 月 7 日被 Google 完全下线了（HowTo 更早）。
但下线的只是"搜索结果里那个折叠问答的展示效果"——标记本身仍然有效，不会被惩罚。
所以你不需要专程去删掉 FAQ 标记。你只需要停止为它付钱。
真正的增量，已经不在你的网站上
现在讲这一篇里我最想让你记住的东西。
前面所有的内容都在讲"怎么让 AI 理解你"。但从 2026 年开始，独立站多了一个比 Schema 硬得多的入口，而且它直接连钱。
先看时间线：
| 时间 | 发生了什么 |
|---|---|
| 2026 年 1 月 | Google 宣布数十个新的商家中心（Merchant Center）数据属性，专为对话式商务设计 |
| 2026 年 4 月 | AI Max 扩展到标准购物广告，直接用产品数据里的材质、版型等字段生成文案 |
| 2026 年 5 月 | Google 公布 AI 模式全球月活超过 10 亿 |
| 2026 年 5 月 | Google Marketing Live 发布 对话式属性，其中问答、相关产品、文档链接三项是全新字段 |
对话式属性是什么？就是 Google 给"喂给 AI 的商品数据"定了新格式。
Google 点名与 AI 界面相关的 8 个属性：
- 产品亮点
- 产品细节
- 变体选项
- 同组商品标题
- 相关产品
- 问答
- 文档链接
- 热度排名
门槛也给了：
- 商品标题至少 30 个字符
- 商品描述至少 500 个字符
- 有 GTIN 的尽量都填
⚠️ 注意那个 500 字符。很多独立站的商品描述只有一句话加三个卖点。那不是"写得简练"，那是"对 AI 来说信息量为零"。
为什么我说这件事比 Schema 硬得多？
因为 Google 给的是钱的数字，不是引用率：
- ⭐ 采用核心数据最佳实践的商家，下个月转化平均提升 5%
- ⭐ 与 Lululemon 的测试里，零售商提交的对话式属性，在 AI 模式的相关产品推荐中被采用的比例达到 50%
一个说的是"AI 引用率"（很难归因到收入），另一个说的是"下个月转化提升 5%"。哪个更值得投入，你自己判断。
配套设施 Google 也建好了：通用商务协议（UCP） 让 AI 能直接在 AI 模式和 Gemini 里完成购买；Business Agent 是 Google 的虚拟销售助手，它回答产品问题的依据，就是你在商家中心里提交的数据；背后那个商品知识图谱有 500 亿件商品，每小时刷新 20 亿次。
已经有人在用了：Tapestry（Coach、Kate Spade 的母公司） 用它把商品铺到了 Google 搜索（含 AI 模式）和 Gemini 应用上。
你的动作很简单： 如果你做 Google 渠道，去商家中心后台，把商品标题补到 30 字符以上、描述补到 500 字符以上、能填的编码补齐，然后找一找"对话式属性"那一栏。
⚠️ 最后一条纪律：数据表里的信息，必须和产品页上写的一模一样。 价格、库存、参数，任何一处不一致，都会被判定成"这个数据源不可靠"。这比"没填"更糟。
门不只在你自己的 robots.txt 里
这一节讲一件你可能已经中招但完全不知道的事。
Cloudflare 在 2026 年 7 月宣布了一套新政策，9 月 15 日起生效：
对新接入的域名，在有广告的页面上——训练类爬虫和 Agent 类爬虫默认阻断，搜索类爬虫默认放行。
听起来挺合理。问题在下面这一条：
⚠️ 这个阻断设置适用于"混合用途爬虫"——而名单里包括 Googlebot、Applebot、Bingbot。
也就是说：你想挡住训练，有可能连搜索一起丢掉。 因为 Googlebot 同时干"为搜索抓取"和"为 AI 提供数据"两件事，从外面看就是同一个爬虫。
Cloudflare 也知道这个问题，所以给了一个新开关：允许你在保留搜索的同时拒绝训练。 但它自己注明了一个限制——对必应，要等到 2027 年初才能通过 robots.txt 生效。
顺带说一句商业侧的变化：Cloudflare 的"按抓取付费"已经改名"按使用付费"，逻辑是"一个页面可能只被爬一次，却被引用上千次，按抓取计费不合理"。
为什么这一节对独立站老板重要？
因为量级摆着：大约 16% 的全球互联网流量经过 Cloudflare，而它自己的数据说，机器人已经占了全部网页请求的一半以上。
更关键的是——门不只在这一处。
下面这四个地方，都可能在你的 robots.txt 之外把 AI 挡掉，而且它们改动时不会通知你：
- CDN 的默认规则（除了 Cloudflare，别家也有类似开关）
- WAF 或安全防护（很多"企业级防护"默认就把大量机器人拦了）
- 建站模板和插件（有些 SEO 或安全插件带"阻止 AI 爬虫"的开关，默认是开的）
- 服务器的缓存和限流规则（限得太狠时，爬虫会被当成攻击流量）
所以本节的自查动作是： 去你自己的 CDN、防护后台、建站插件里，把 AI 爬虫的真实放行状态看一遍。
不要看说明书，看日志。日志里有访问记录，才是真的开着。
把这一篇出现的词，一次性翻成人话
| 词 | 人话 |
|---|---|
| 爬虫（crawler / bot） | AI 派来读你网站的机器人程序 |
| robots.txt | 放在你网站根目录的一个纯文本文件，告诉爬虫"哪些能读、哪些别读" |
| UA（User-Agent） | 爬虫来访时自报的名字，比如 GPTBot。⚠️ 可以伪造，不能只信它 |
| 训练爬虫 | 把内容收走训练未来模型的爬虫 |
| 搜索爬虫 | 建索引、供 AI 回答时引用你内容的爬虫。关了就等于退出答案池 |
| 用户触发抓取 | 用户当面要求 AI 去看某个页面时，临时发起的抓取 |
| 混合用途爬虫 | 同一个爬虫既为搜索抓取、也为 AI 提供数据（Googlebot、Bingbot 都属于这类） |
| 渲染 | 把 JS 代码跑完、生成最终页面的过程。⚠️ 主流 AI 爬虫都不做这一步 |
| 服务端渲染 | 让服务器直接把完整页面发给访问者，不依赖浏览器跑 JS |
| 结构化数据 / Schema | 一段写在网页里、专门给机器看的"标签"，说明每一块内容是什么 |
| 实体消歧 | 让机器确认"这个名字指的是哪个具体主体" |
| sameAs | 结构化数据里的一个字段，列出"同一个身份"在其他平台的页面 |
| llms.txt | 放在网站根目录的 Markdown 索引文件，本来是给编程助手看文档用的 |
| 商品数据表（feed） | 你提交给 Google 商家中心的商品数据 |
| 对话式属性 | Google 2026 年新增的一类商品数据字段，让 AI 能读懂你的商品细节 |
《独立站 AI 可读性自查清单》
这一篇的清单，分四层，一共 19 项。
顺序很重要：前两层没做完，不要开始第三层。
第 0 层 · 10 分钟 · 先确认门是开的（5 项）
- [ ] 浏览器访问
你的域名/robots.txt，确认OAI-SearchBot、Claude-SearchBot、PerplexityBot、Googlebot、Bingbot没有被禁止 - [ ] 确认全站兜底规则里，没有"一行全封"这种写法
- [ ] 登录 CDN 后台，找到机器人管理，确认搜索类爬虫是放行的
- [ ] 检查建站插件（SEO 类、安全类）里有没有"阻止 AI 爬虫"的开关，现在是什么状态
- [ ] 翻服务器日志，搜
OAI-SearchBot，看最近 30 天有没有访问记录
第 1 层 · 半天 · 确认 AI 能读到东西（5 项）
- [ ] 禁用 JavaScript，打开最重要的产品页，看参数还在不在
- [ ] 如果参数不在：确认产品页是服务端渲染还是前端渲染，改成前者
- [ ] 检查关键参数是否印在图片里（如果是，抄进正文）
- [ ] 检查技术资料是否只以 PDF 形式提供（如果是，在页面上补一份文字摘要）
- [ ] 用 Google Search Console 的"网址检查"，看搜索引擎抓到的页面长什么样
第 2 层 · 一天 · 把产品数据改成 AI 读得懂的写法（5 项）
- [ ] 每个数字配上字段名（
1000→最小起订量：1000 件） - [ ] 认证写全称加标准号（
CE→CE 认证，符合欧盟机械指令 2006/42/EC） - [ ] 交期写成范围加起算点（
15-25→15–25 个工作日，收到定金后起算） - [ ] 参数表从截图改成网页表格
- [ ] 商家中心里：标题补到 30 字符以上、描述补到 500 字符以上、编码补齐
第 3 层 · 可选 · 别花钱的那部分（4 项）
- [ ] 结构化数据只做 Organization + 稳定标识 + sameAs（模板见上一节），全站引用同一个标识
- [ ] 检查已有标记：有没有空字段、有没有和页面可见内容不一致（不一致的要删掉，不是补上）
- [ ] llms.txt：只在你有技术文档站时才写，自己花十分钟写，不为它付钱
- [ ] 每年核对一次爬虫名单（官方文档会变，
Claude-Web就是这么过期的）
自查结果记录表（留档用）
| 层级 | 检查项 | 结果 | 发现的问题 | 处理日期 |
|---|---|---|---|---|
| 第 0 层 | 搜索爬虫是否放行 | |||
| 第 0 层 | CDN / 插件是否挡了 AI | |||
| 第 1 层 | 关 JS 后参数是否可见 | |||
| 第 2 层 | 数字是否带字段名 | |||
| 第 3 层 | 标记是否与页面一致 |
⚠️ 这张表里"发现的问题"那一栏，不要留空。如果四层查下来一片绿，那更可能是你查得不够细。
本节动作
五分钟。做完这一件事，你就知道自己的站在哪一层：
打开浏览器，禁用 JavaScript，然后打开你最重要的那个产品页。
把页面上的参数逐条抄到一张纸上。
抄不出来的那些，就是对 AI 也不存在的那些。
GEO 实验日志 · 第 13 期
这一期我拿一个客户的独立站做了三层体检，记录如下。
第 0 层（爬虫）：robots.txt 本身没问题，但他用的建站模板自带一个"安全加固"插件，默认按 UA 拦了一批机器人。日志里搜 OAI-SearchBot——30 天零访问。
第 1 层（可读性）：产品页是前端渲染。禁用 JS 之后，参数区只剩一个空框。12 个核心产品，全部如此。
第 2 层（事实化）：他的参数其实都有，只是全部印在产品图上——因为"这样页面好看"。我们花半天把它们抄进了网页表格。
第 3 层什么都没买。
一个月后回头看：AI 来源的访问从 0 变成了个位数。数字很小，但它是从 0 到 1。
而在此之前，他花两万块买的"GEO 优化包"，一个访问都没带来。
写在最后
这一篇讲的东西，说白了就一句：
内容再好，爬虫进不来、数据读不懂，等于零。
这件事最容易出错的地方在于——它不出错在难的地方，出错在没人看的地方。 robots.txt 没人天天看，CDN 后台的默认值没人改，产品图好看就够了。
所以顺序是：先开门，再清扫，最后装修。
Schema 要加就加，llms.txt 想发就发。但先确认 AI 能进得来。
下一篇我们进内容层：产品页到底怎么写，才让 AI 愿意摘你那段话——以及出海这条线，效果到底怎么证明。
觉得有用就点个赞、在看吧——顺手做个小动作：打开浏览器禁用 JavaScript，看看你最重要的那个产品页还剩什么。
这一篇读完，你应该能做到： 分清 AI 爬虫的三种类别（训练 / 搜索 / 用户触发）以及关掉各自会有什么后果；知道 Google-Extended 不是 AI 概览的开关、Claude-Web 已经过时；确认自己站点的 CDN、防护插件没有在你不知情的时候把搜索类爬虫挡掉；明白 AI 读到的是渲染后的可见页面而不是标记，并用"禁用 JavaScript"一分钟自查出哪些参数对 AI 不存在；把产品参数改成"每个数字都带字段名"的写法；用《独立站 AI 可读性自查清单》（四层 19 项 ＋ robots.txt 模板 ＋ Organization 标记模板 ＋ 留档记录表）在两天内给独立站做完一次技术层体检，并且清楚哪一层不用花钱。
下一篇预告： 第 14 篇《独立站 GEO：内容怎么写，效果怎么证明》——技术底座修好了，AI 能进来了，接下来是它愿不愿意摘你。下一篇给两样东西：一套出海版的内容写法（结论前置、FAQ 答案控制在多长、对比表为什么最容易被摘），和一套能写进合同的验收方式（哪些后台能直接看到 AI 来源、怎么把"被引用"和"被访问"分开算）。