Jeremy Howard, seorang ahli teknologi Australia, mencadangkan standard baru, llms.txt , yang direka untuk memperbaiki bagaimana kandungan laman web dan indeks yang besar model bahasa (LLMS). Standard ini, sama dengan robots.txt dan XML Sitemaps, bertujuan untuk menyelaraskan proses untuk LLM, mengurangkan ketegangan pada sumber mereka sambil menyediakan pemilik laman web lebih banyak kawalan. Ciri utama adalah "kandungan penuh meratakan," menawarkan faedah kepada kedua -dua jenama dan pencipta kandungan.

Walaupun cadangan itu telah menghasilkan minat yang besar, ia juga menghadapi kritikan. Walau bagaimanapun, memandangkan evolusi pesat kandungan AI yang dihasilkan, llms.txt memberi pertimbangan yang teliti.

Standard baru untuk kebolehcapaian kandungan laman web AI

Perbincangan mengenai hak pencipta kandungan dan kawalan data, terutamanya mengenai data latihan LLM, mendapat momentum di SXSW Interactive 2024. Walaupun cadangan lain wujud, llms.txt , diperkenalkan sebelum ini, menawarkan penyelesaian yang lebih mudah untuk meningkatkan kawalan kandungan. Cadangan ini tidak saling eksklusif, tetapi llms.txt kelihatan lebih maju dalam perkembangannya.

Cadangan Howard menggunakan markdown mudah untuk membuat laman web merangkak dan pengindeksan standard. Dengan LLM memakan dan menjana banyak kandungan web, pemilik laman web semakin mencari kawalan yang lebih baik ke atas bagaimana data mereka digunakan. llms.txt bertujuan untuk menangani perkara ini dengan membenarkan LLMS memberi tumpuan kurang pada merangkak dan lebih banyak fungsi "kecerdasan" teras mereka.

Artikel ini meneroka:

• Apa llms.txt dan fungsinya.
• Bagaimana ia berfungsi dalam amalan.
• Perspektif yang berbeza mengenai nilainya.
• Kadar penggunaan semasa di kalangan LLM dan pemilik laman web.
• Mengapa ia patut diberi perhatian.

Memahami llms.txt dan fungsinya

Cadangan Howard menyatakan: "Model bahasa yang besar semakin bergantung pada maklumat laman web, tetapi menghadapi batasan kritikal: Tingkap konteks terlalu kecil untuk mengendalikan kebanyakan laman web secara keseluruhannya. Menukar halaman /llms.txt yang kompleks dengan navigasi, iklan, dan javascript ke dalam laman web

llms.txt membolehkan pemilik laman web menentukan bagaimana kandungan mereka boleh diakses dan digunakan oleh model AI. Tidak seperti robots.txt , ia tidak menghalang akses tetapi sebaliknya membimbing bagaimana kandungan dibentangkan kepada platform AI. Ini boleh melibatkan penyediaan URL bahagian tertentu, ringkasan, atau teks laman web lengkap dalam satu atau beberapa fail, yang dianjurkan mengikut struktur laman web.

Satu contoh menunjukkan fail llms.txt melebihi 100,000 perkataan, yang mengandungi teks yang diratakan keseluruhan laman web. Walau bagaimanapun, saiz fail boleh berubah dengan ketara bergantung pada kandungan laman web. Versi markdown (.md) halaman individu juga boleh dibuat.

Menjana fail llms.txt atau llms-full.txt

Kesederhanaan proses itu patut diberi perhatian. Ia mengurangkan laman web ke intipati teks teras mereka, memudahkan parsing untuk pelbagai aplikasi, termasuk pembangunan kandungan, analisis tapak, dan penyelidikan entiti. Kaedah piawai membolehkan pemilik laman web mengawal bagaimana LLM menggunakan kandungannya.

Protokol ini mendapat daya tarikan di kalangan pemimpin teknologi dan profesional SEO. Potensi untuk meningkatkan manfaat kaitan LLM, pemilik laman web, dan pengguna yang mencari maklumat yang lebih tepat. llms.txt berfungsi juga dengan robots.txt dalam penggunaan fail teks mudah dalam direktori root laman web, tetapi penting untuk memahami bahawa arahan robots.txt tidak termasuk dalam llms.txt .

Contoh pelaksanaan llms.txt :

Beberapa organisasi terkemuka telah mengadopsi atau meneroka llms.txt , termasuk antropik, muka pelukan, kebingungan, dan zapier. Hub llms.txt berfungsi sebagai sumber untuk mengenal pasti pemaju AI menggunakan standard ini.

Alat untuk menjana fail llms.txt :

Beberapa alat membantu dalam menjana fail llms.txt , mulai dari pilihan percuma untuk laman web yang lebih kecil untuk penyelesaian tersuai untuk yang lebih besar. Pemilik laman web juga boleh membangunkan alat mereka sendiri. Walau bagaimanapun, pemeriksaan keselamatan menyeluruh bagi mana -mana alat luaran adalah penting sebelum digunakan. Contohnya termasuk MarkDowner, Applify, LLMS laman web (plugin WordPress), dan Firecrawl.

Makna untuk SEO dan GEO

Mengawal bagaimana model AI berinteraksi dengan kandungan laman web adalah kritikal. Versi laman web yang diratakan memudahkan pengekstrakan, latihan, dan analisis AI. Faedah termasuk:

• Melindungi Kandungan Proprietari: (untuk LLM yang mematuhi)
• Pengurusan Reputasi Jenama: Secara teorinya memberikan kawalan ke atas bagaimana maklumat muncul dalam respons AI-dihasilkan.
• Analisis linguistik dan kandungan yang dipertingkatkan: Memudahkan pelbagai analisis, seperti kekerapan kata kunci dan analisis entiti.
• Interaksi AI yang lebih baik: Membolehkan LLM untuk mendapatkan maklumat yang tepat dan relevan.
• Penglihatan kandungan yang lebih baik: Berpotensi meningkatkan penglihatan dalam hasil carian berkuasa AI.
• Prestasi AI yang lebih baik: Memastikan LLMS mengakses kandungan berharga, yang membawa kepada tindak balas yang lebih tepat.
• Kelebihan daya saing: Laman web kedudukan sebagai lebih siap.

Cabaran dan batasan

Walaupun potensinya, llms.txt menghadapi cabaran:

• Adopsi oleh syarikat AI: Tidak semua syarikat AI boleh mematuhi.
• Adopsi Laman Web: Adopsi yang meluas oleh pemilik laman web adalah penting untuk berjaya.
• Bertindih dengan protokol lain: Konflik yang berpotensi dengan robots.txt dan XML Sitemaps.
• Potensi untuk penyalahgunaan: Kemungkinan pemadat kata kunci atau teknik manipulatif lain.
• Pendedahan kepada pesaing: Memudahkan analisis kompetitif yang lebih mudah.

Sesetengah profesional SEO/GEO menyatakan tempahan, dengan alasan bahawa perbezaan antara LLM dan enjin carian adalah kabur, memberikan llms.txt kurang relevan. Yang lain percaya protokol sedia ada seperti robots.txt dan XML Sitemaps cukup.

Masa depan tadbir urus kandungan llms.txt dan AI

llms.txt mewakili percubaan awal untuk mengimbangi inovasi AI dengan hak pemilikan kandungan. Penggunaannya yang meluas bergantung kepada sokongan industri, penyertaan pemilik laman web, perkembangan pengawalseliaan, dan pematuhan syarikat AI. Menginap dan menyesuaikan strategi kandungan adalah penting bagi pemilik laman web.

llms.txt menyumbang kepada ekosistem kandungan AI yang lebih telus dan terkawal. Pelaksanaan proaktif melindungi aset digital dan meningkatkan interaksi LLM dengan laman web. Strategi yang ditetapkan untuk interaksi AI adalah penting dalam landskap yang berkembang dalam carian dalam talian dan pengedaran kandungan.

llms.txt boleh memperkenalkan tahap ketegasan saintifik kepada GEO, yang kini tidak mempunyai standard dan amalan yang ditubuhkan. Ia menawarkan kelebihan yang berpotensi dalam dunia yang semakin bergantung kepada LLMS untuk mendapatkan semula maklumat. Walaupun penggunaan yang meluas masih tidak menentu, manfaat yang berpotensi cukup penting untuk menjamin pertimbangan dan pelaksanaan.

Atas ialah kandungan terperinci Temui LLMS.TXT, standard yang dicadangkan untuk kandungan laman web AI Crawling. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!