ChatGPT 兩週前說這招有效、現在說它是笑話：一個關於辦公室貓的假標準，拆穿了 GEO 產業的四種「證據」

ChatGPT 兩週前說這招有效，現在說它是笑話

2026 年 8 月 4 日，Mark Williams-Cook 發表 How cats.txt showed llms.txt evidence is GEO astrology。動機他寫得很直白：受夠了看見「AI bot 抓過它」和「ChatGPT 說有用」被當成 llms.txt 有效的證據。於是他發明了 cats.txt——一個規定你在網域根目錄放純文字檔、宣告公司養的貓與牠們職稱品種、還附上一個滿分十分的 PurrLevel 親暱度指標的「網頁標準」。他寫了一份正式草案規格，把它放上網，再拿業界販售 llms.txt 的四項證明逐一測。四項全部通過：PerplexityBot、GPTBot、ClaudeBot、Googlebot 都排隊來抓；Google 索引了它；Google 的 AI Overview 用條列式、附引用，正經地介紹了一隻叫 Odd、職稱「Render Cat」、PurrLevel 5/7 的虛構貓；ChatGPT 則長篇大論說 cats.txt「能幫助 AI 系統更準確地信任、摘要與引用你的內容」。8 月 7 日 Search Engine Journal 跟進報導，8 月 11 日進了產業週報頭條。

這件事現在才炸開，是因為兩個條件同時到位。第一，llms.txt 的部署量終於大到有統計意義；第二，server log 分析便宜到人人可查。Ahrefs 在 137,000 個網域的實測裡發現，約 28%（38,360 個）的網域放了合法的 llms.txt——作者自己提醒這是上限值，因為 Ahrefs 的客群比一般網站更技術取向——但這約 38,000 個檔案裡有 97% 在 2026 年 5 月收到零次請求；真正發出請求的前三名是 SEO 稽核工具 21.7%、無法辨識的 bot 14.9%、一般網頁爬蟲 13.1%，而「會回答使用者問題」的 AI 檢索型爬蟲加起來只佔 1.1%。Google 的立場在同一段時間變硬：5 月底的 AI 最佳化指南在一個直接叫「破除迷思」的段落裡寫明，要出現在生成式 AI 搜尋裡不需要這類機器可讀檔案；John Mueller 在 Bluesky 寫得更白：「目前沒有任何 AI 系統使用 llms.txt……看你的 server log 就一目了然。」

問題不只在這一個檔案，而在整個 GEO 戰術類別共用的那把尺。Similarweb 的 2026 生成式 AI 版圖報告量到 65% 被 ChatGPT 引用的 URL 位在兩到三層深的內頁，但 58.8% 的推薦流量落在首頁；Previsible 分析 166 個網站、677 萬筆 AI 推薦工作階段，發現 28.8% 落在站內搜尋頁。被引用的頁面和被造訪的頁面是兩群人，多數 GEO 報表卻把它們畫成一條線。與此同時，Google 真正投工程資源的方向是 WebMCP：一個由 Google 與 Microsoft 工程師共同編輯、已在 Chrome 開 origin trial 的瀏覽器 API，讓網站主動把功能宣告成 AI 代理人可呼叫的工具。類別正在裂成兩半：一半是 server log 查得到的工程動作，一半是靠敘事販售的儀式。

對台灣的中小企業與接案工作室，這件事的實際意義不是「llms.txt 可以刪了」，而是你手上任何一份 GEO 提案，都該先過一道測試：如果這個頁面的內容是胡說八道，這項證據還會成立嗎？成立的話，它就不是證據。下面處理四件事：四項證明各自錯在哪、三類讀者今天的動作、哪些工具真的能驗證，以及零成本怎麼自己查。

事件細節與完整數字

先把四項「證明」的失效理由講清楚，因為它們會被原封不動地搬到下一個 GEO 戰術上。

• 證明一：AI 爬蟲抓了它。抓取是爬蟲的工作內容，不是背書。cats.txt 的 log 裡塞滿 GPTBot、ClaudeBot、PerplexityBot 與 Googlebot，全都認真請求一個描述貓咪職務的檔案；catstxt.org 甚至架了一個即時 log 檢視器給人看。抓取只證明「這個 URL 存在且回應 200」。
• 證明二：Google 索引了它。Google 索引純文字檔已經索引了二十年。被索引的意思是「這個網址存在、裡面有字」，不是「這件事是真的、有用的、合理的」。cats.txt 被索引了，Search Console 還會邀請你認領它、看它的排名資料。
• 證明三：模型複述了只存在於該檔案的事實。這正是一般 RAG 的預期行為：模型搜尋、命中一個因為被索引所以能排上的網址、讀了上面的字。此時 llms.txt 是以「一個網頁」的身分被讀，不是以「一個標準」的身分被讀。
• 證明四：ChatGPT 說它有用。模型說某件事是好主意，只證明網路上有大量文字說它是好主意。Williams-Cook 稱之為收斂問題：模型回傳的是輿論的移動平均。cats.txt 上線約兩週時，ChatGPT 說它「可以幫助你在搜尋與 LLM 系統中排名」；等到玩笑被拆穿、網路上寫「這是惡作劇」的文章變多，同一個問題的答案就翻成「那是個笑話」。檔案完全沒動。

規模面的數字同樣值得記下來。Ahrefs 那份研究裡，約 38,000 個合法 llms.txt 檔案中只有大約 1,100 個收到過任何請求，而這些請求有 96% 來自 bot；分項看，GPTBot 佔對這些檔案請求的 4.51%、ClaudeBot 0.80%、DeepseekBot 0.02%。換句話說，你在儀表板上看到「llms.txt 有被抓」，機率上最可能的來源是你自己付錢買的稽核工具。獨立驗證也指向同一結論：技術部落格 Cittago 在 8 月 9 日公布自家 server log，23 小時內 llms.txt 只收到 4 次請求，沒有一次來自 AI 爬蟲。

同一份 Ahrefs 資料裡還有三個比 97% 更難反駁的數字：

• AI 從不主動去找它。對「不存在的 llms.txt」發出的請求裡，98% 來自人類（多半是 SEO 在查對手），來自 AI bot 的請求是零。所以「放一個檔案讓 AI 發現你」這句話在資料上不成立——AI 只有在被連結或被指示時才會去抓。
• Slackbot 抓它的次數比 PerplexityBot 還多。一個聊天軟體的連結預覽機器人，贏過了這個檔案號稱要討好的 AI 搜尋引擎。
• 12% 的請求來自研究這個標準本身的工具。GEO／AEO 稽核工具 5.8%、llms.txt 目錄與驗證器 3.6%、研究型爬蟲 2.7%。而研究型爬蟲裡最大的一支自稱 prompt-injection-survey/1.0——有人已經在系統性地把 llms.txt 當成提示詞注入的入口研究，因為代理人被設計成信任這個檔案。

Google 自己也在同一週站了兩邊：5 月底的 AI 最佳化指南說不需要，幾天後 Chrome 團隊卻把 llms.txt 檢查放進 Lighthouse 的實驗性 Agentic Browsing 稽核。而那個稽核在整份資料裡只發出 22 次請求，約千分之一。

三類讀者今天就該做的事

品牌主與中小企業老闆

• 把手上這一季的 GEO／AEO 提案攤開，逐項問一句話：「如果這個頁面寫的是假的，這項證據還成立嗎？」成立的項目，請對方改用 server log 或第一方報表重新舉證。
• 不要因為這篇文章去刪 llms.txt。它的成本接近零，留著沒事。要砍的是「以它為核心賣點」的服務費用。
• 建立一條採購規則：任何 AI 可見度的成效報告，必須至少有一欄是第一方資料（server log、Search Console、GA4），不能整份都是工具抽樣。

行銷與 SEO 操作者

• 停止用「問 ChatGPT 這樣做對不對」做決策驗證。模型的答案會隨著討論量翻面，你會在六個月後被同一個模型打臉。
• 把「有沒有被抓」「有沒有被索引」「有沒有被引用」「有沒有帶來營收」拆成四個獨立欄位報告，不要合成一個分數。Similarweb 的 65% 對 58.8% 就是這四欄不同步的直接證據。
• 針對 AI 推薦流量做一次落地頁盤點：既然多數人被丟到首頁與站內搜尋頁，這兩個頁面要當成轉換頁設計，不是型錄封面。

開發者與接案工作室

• 幫客戶把 AI 爬蟲的 server log 變成可查詢的資料表：欄位至少要有時間、user-agent、來源 IP、URL、狀態碼、回應大小。這是所有 GEO 主張唯一能被證偽的地方。
• 提醒客戶 log 只看得到「誠實宣告身分」的 bot。用住宅 IP 或偽裝 user-agent 的抓取不會出現，所以 log 是下限值，不是全貌。
• 開始評估 WebMCP。它用 navigator.modelContext 讓網站把既有的前端功能宣告成 AI 代理人可呼叫的工具，對已經有乾淨表單的網站，工作量遠低於重建一套後端 MCP server。這是「能被驗證有沒有被呼叫」的方向。

工具比較：哪一種工具能證明「真的有人讀」

這張表只有一條分界線重要：前三列量的是「機器實際做了什麼動作」，後三列量的是「用一組自選提示詞去問 AI，看你有沒有出現」。前者可證偽，後者只能證實。GEO 提案裡最貴的部分，通常掛在後者。

沒人會在提案簡報上告訴你的事

• 這不是在說 llms.txt 有害，而是在說貴的不是檔案。Williams-Cook 自己強調他沒有主張 llms.txt 永遠不會有用；成本從來不在那 2KB 的文字檔，而在把它包裝成「進入 AI 答案的已驗證槓桿」所收的服務費，以及那筆錢原本可以花在你確定有用的事情上。
• 「97% 零請求」這個數字也該用同一把尺量。Ahrefs 的樣本來自它自己的客戶群，偏技術型網站；而 server log 只看得見誠實宣告 user-agent 的爬蟲。用住宅代理或偽裝身分的抓取不會被記錄。這個數字是很強的反證，但不是絕對值。
• 你儀表板上的「有被抓」很可能是你自己買的工具抓的。SEO 稽核工具佔了對 llms.txt 全部請求的 21.7%，是第一名。當你付錢買一個工具去檢查一個檔案，然後在報表上看到那個檔案「有流量」，你付錢買的是一個閉環。
• llms.txt 真正的讀者是寫程式的代理人，不是搜尋。AI 代理人與其基礎設施佔 10.5%，是最大的 AI 類別，Anthropic 的 Claude-Code 抓取次數超過所有 AI 檢索型爬蟲、助理與訓練爬蟲；Mueller 也把它形容成「給 AI 編碼工具省 token 的暫時性拐杖」。這也帶出資安面：代理人被設計成信任這個檔案，而資料裡最大的研究型爬蟲自稱 prompt-injection-survey/1.0。要放就當程式碼管——進版控、限制編輯權限、只寫連結與描述，不要寫成指令。
• 收斂問題會反噬所有「請 AI 幫我稽核」的工作流。這包括請 ChatGPT 檢查你的 SEO、請 Gemini 評估你的內容策略、請 Claude 排定你的優先順序。模型給的不是判斷，是當下輿論的平均值；輿論一轉，答案就轉，而你的網站改了回不去。

不花訂閱費的做法

整套驗證用你已經有的東西就能做，一個下午跑得完：

• 第一步：拿到 log。共用主機通常在 cPanel 的 Raw Access 可下載；VPS 直接看 /var/log/nginx/access.log；用 Cloudflare 的話免費方案就看得到爬蟲分項。
• 第二步：先數 llms.txt。用 grep 'llms.txt' access.log | awk '{print $1, $12}' | sort | uniq -c | sort -rn，看看 30 天內誰抓了它、幾次。多數台灣中小企業網站的答案會是零或個位數。
• 第三步：再數真正的內容頁。同一支指令換成你最重要的三個服務頁網址，比對 GPTBot、ClaudeBot、PerplexityBot、OAI-SearchBot 的請求次數。這個數字才是你的 AI 可見度地基。
• 第四步：找出被抓不到的頁。把 log 裡出現過的 URL 和 sitemap 對比，列出「從來沒有任何 AI 爬蟲抓過」的頁面，優先修它們的載入速度、robots.txt 規則與內部連結，不要先去修 llms.txt。
• 第五步：接上第一方對照組。Search Console 的生成式 AI 效能報表是免費且第一方的曝光資料，把它跟 log 的抓取次數並排看。兩邊方向不一致時，相信這兩份，不要相信抽樣工具。

• ☐ 已下載近 30 天 server log
• ☐ 已算出 llms.txt 的實際請求次數與來源
• ☐ 已算出前三大服務頁的 AI 爬蟲請求次數
• ☐ 已列出從未被 AI 爬蟲抓過的頁面清單
• ☐ 已把 Search Console 生成式 AI 報表接成對照組
• ☐ 手上的 GEO 提案已逐項通過「內容是假的還成立嗎」測試

常見問題 FAQ

那我到底該不該放 llms.txt？

放著沒關係，但不要為它付服務費，而且要當程式碼管理（進版控、限制編輯權限、只寫連結與描述、不要寫成指令）。它唯一有實證的讀者是 AI 編碼代理人：Claude-Code 的抓取次數超過所有 AI 檢索型爬蟲。所以如果你的客戶會用編碼代理人來找方案，它有用；如果你的目標是 ChatGPT 或 AI Overviews 的可見度，資料上它是裝飾品。判斷方法很簡單：問對方能不能用 server log 證明有 AI 檢索型爬蟲在讀它。

我的 log 裡看得到 GPTBot 抓了 llms.txt，這樣不算證據嗎？

不算。抓取是爬蟲的工作內容，不是背書。cats.txt 這個關於貓的假檔案，同樣被 GPTBot、ClaudeBot、PerplexityBot 與 Googlebot 抓過。抓取只證明這個網址存在且回應正常，證明不了內容被讀懂、被信任或被用進答案。

「問 ChatGPT 這招有沒有用」為什麼不能當驗證？

因為模型回傳的是網路輿論的移動平均，不是判斷。cats.txt 上線兩週時 ChatGPT 說它能幫你排名，等到大家寫說那是惡作劇，同一個問題的答案就變成「那是個笑話」——檔案一個字都沒改。你今天照 AI 建議做的最佳化，六個月後可能被同一個模型判定是錯的。

如果 llms.txt 不是答案，Google 真正在推的是什麼？

WebMCP。它由 Google 與 Microsoft 工程師共同編輯、在 W3C 社群孵化，透過瀏覽器的 navigator.modelContext API 讓網站把自己的功能宣告成 AI 代理人可呼叫的工具，而不是讓代理人截圖猜你的按鈕在哪。目前在 Chrome 走 origin trial，實際部署仍極少，但它的關鍵差別是：工具有沒有被呼叫，你查得到。

我是小公司、沒有工程師，最低成本的驗證方式是什麼？

先看 Search Console 的生成式 AI 效能報表，那是免費且第一方的。再請你的主機商或網站維護人員撈一份近 30 天的原始存取記錄，用關鍵字搜 GPTBot、ClaudeBot、PerplexityBot，數一數它們抓了哪幾頁。這兩件事加起來不用花錢，就能取代大部分 GEO 報表的核心結論。

我的觀點

主流的反應是「llms.txt 死了，改做下一個」。我的判斷是：真正該淘汰的不是那個檔案，是「拿 AI 的回答當驗證」這個習慣，而它在未來 12 到 18 個月只會更危險，不會更安全。原因是收斂速度在加快——當越來越多的 SEO 內容本身就是 AI 寫的，模型讀到的「業界共識」有相當比例是模型自己的舊輸出。你問它意見，它把你六個月前的貼文洗過一遍還給你，語氣還很篤定。cats.txt 的價值不在於它嘲笑了一個檔案，而在於它用兩週時間把這條迴圈完整演了一次給大家看。

第二個判斷更不受歡迎：接下來 GEO 這個服務類別會先長出一門反向生意，也就是「證據稽核」——幫客戶檢查上一家代理商賣的東西有沒有 server log 支撐。當一個類別開始需要有人來查帳，它的擴張期就結束了。

對 ScriptWalker 這種接案工作室，機會不在再賣一套 AI 可見度訂閱，而在兩個可交付的東西：一是「GEO 證據稽核」，把客戶現有的 AI 最佳化項目逐條對照 server log，產出一張「有憑據／無憑據／無法驗證」的清單；二是把爬蟲 log 做成客戶自己看得懂的月報 pipeline，並在同一張表裡並排 Search Console 的第一方曝光。這兩件事 SaaS 做不了，因為它需要碰客戶的主機。定價可以是一次性稽核加月費維運，而它交付的是「請停止付這筆錢」——在台灣的行銷預算裡，這是目前極少人願意賣的商品。

資料來源

• Mark Williams-Cook：How cats.txt showed llms.txt evidence is GEO astrology，2026 年 8 月 4 日（第一手）
• Mark Williams-Cook：cats.txt Specification Draft v1.0（第一手）
• Ahrefs：We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read（第一手研究）
• Google Search Central：AI 最佳化指南（第一手）
• Chrome for Developers：Lighthouse Agentic Browsing 稽核：llms.txt（第一手）
• John Mueller：Bluesky 貼文（第一手）
• catstxt.org：即時 log 檢視器（第一手）
• Similarweb：2026 Generative AI Landscape（第一手）
• Previsible：AI Traffic Report, July 2026（第一手）
• Search Engine Journal：How Cats.txt Showed LLMs.txt Evidence Is GEO Astrology，2026 年 8 月 7 日
• Search Engine Journal：97% Of llms.txt Files Got No Requests, Ahrefs Data Shows
• DesignRush：Cats.txt Breaks the GEO Evidence Bar，2026 年 8 月 8 日
• Anicca：Weekly search marketing update, 11 August 2026
• Cittago：Does llms.txt work? 4 requests in 23 hours, zero AI，2026 年 8 月 9 日
• Search Engine Roundtable：Google Search Team Does Not Endorse LLMs.txt Files
• InfoQ：WebMCP Standard Proposal for Agentic Web Actuation Now Available in Chrome

需要有人幫你查一次 GEO 提案的帳？

如果你手上有一份 AI 最佳化提案，卻說不出裡面哪幾項有 server log 撐得住，我們可以幫你跑一次 GEO 證據稽核，並建立每月自動更新的 AI 爬蟲日誌報表。歡迎聯絡：

• Email：[email protected]
• 電話：0916-224-047
• LINE：@ufv9089p