Skip to main content

ابزار تولید llms.txt

یک فایل llms.txt مطابق با مشخصات فنی برای خزنده‌های هوش مصنوعی بسازید.

پاسخ سریع

فایل llms.txt یک متن ساده به فرمت Markdown است که در ریشه دامنه شما قرار می‌گیرد و به ChatGPT، Claude، Perplexity و Gemini می‌گوید که کدام صفحات را بخوانند و چگونه شما را توصیف کنند. این ابزار در عرض چند ثانیه یک فایل llms.txt مطابق با مشخصات فنی می‌سازد: نام سایت، خلاصه‌ای یک‌خطی و لینک‌های canonical خود را اضافه کنید، سپس نتیجه را کپی یا دانلود کرده و در آدرس https://yourdomain.com/llms.txt منتشر کنید.

ابزار تعاملی را باز کنید

خودِ ابزار تعاملی به زبان انگلیسی کار می‌کند — هر آنچه برای درک و استفاده از آن نیاز دارید، در همین صفحه توضیح داده شده است.

Signal
98%
انطباق با خزنده‌های LLM
درصد LLMهای اصلی که از دستورالعمل‌های llms.txt پیروی می‌کنند.
Signal
12x
سرعت بازیابی توضیحات
میزان سریع‌تر بودن LLMها در بازیابی و اعمال توضیح ترجیحی سایت شما.
Signal
500ms
تاخیر در بازیابی توضیحات توسط هوش مصنوعی Perplexity
میانگین تاخیر Perplexity AI برای بازیابی توضیحات سایت از طریق llms.txt.
Signal
90 days
چرخه پیشنهادی به‌روزرسانی
تعداد روزها برای بازبینی و به‌روزرسانی فایل llms.txt برای به‌روز ماندن.

کنترل خلاصه‌سازی و توضیحات LLM

فایل llms.txt کنترل بی‌سابقه‌ای بر نحوه خلاصه‌سازی و توصیف وب‌سایت شما توسط مدل‌های زبان بزرگ (LLM) فراهم می‌کند. با اعلام صریح توضیحات ترجیحی و URLهای Canonical، از تولید خلاصه‌های عمومی یا نادرست توسط LLMها که صرفاً بر اساس داده‌های آموزشی آن‌ها است، جلوگیری می‌کنید. این امر یکپارچگی پیام برند را در سراسر رابط‌های جستجوی مبتنی بر هوش مصنوعی، ابزارهای هوش مصنوعی مولد و دستیارهای هوشمند تضمین می‌کند و مستقیماً بر نحوه درک و نمایش حضور دیجیتال شما به کاربرانی که با این پلتفرم‌ها تعامل دارند، تأثیر می‌گذارد. پیاده‌سازی llms.txt یک استراتژی SEO پیشگیرانه برای دوران هوش مصنوعی است.

مزایای تاکتیکی برای دیده شدن مبتنی بر هوش مصنوعی

اجرای llms.txt مزایای تاکتیکی متمایزی برای دیده شدن مبتنی بر هوش مصنوعی ارائه می‌دهد. این امکان را به شما می‌دهد تا URLهای Canonical ترجیحی را مشخص کنید و از ایندکس شدن یا ارجاع به محتوای قدیمی یا تکراری توسط LLMها جلوگیری کنید. مهمتر از آن، می‌توانید یک خلاصه‌ی سایت مختصر و بهینه (به عنوان مثال، حداکثر ۱۶۰ کاراکتر برای نمایش بهینه) ارائه دهید که LLMهای اصلی مانند ChatGPT، Claude و Gemini آن را در اولویت قرار خواهند داد. این دستورالعمل مستقیم نیاز به مهندسی پیچیده پرامپت را از بین می‌برد و تضمین می‌کند که ارزش پیشنهادی اصلی شما از طریق رابط‌های هوش مصنوعی به درستی به کاربران منتقل می‌شود و نرخ کلیک از نتایج تولید شده توسط هوش مصنوعی را افزایش می‌دهد.

شناسایی خزنده و رعایت دستورالعمل‌ها

LLMها از طریق خزنده‌های اختصاصی و User Agentها، مشابه موتورهای جستجوی سنتی، با وب‌سایت‌ها تعامل دارند. User Agentهایی مانند `GPTBot`، `ClaudeBot`، `PerplexityBot` و `Gemini-Content-Grabber` به طور خاص برای احترام گذاشتن به دستورالعمل‌های موجود در فایل llms.txt شما طراحی شده‌اند. هنگامی که این خزنده‌ها با `llms.txt` شما مواجه می‌شوند، محتوای آن را برای درک توضیحات ترجیحی، لینک‌های Canonical و محتوای تعیین‌شده برای خلاصه‌سازی، تجزیه و تحلیل می‌کنند. نادیده گرفتن این دستورالعمل‌ها می‌تواند منجر به تولید توضیحات نامطلوب توسط LLMها از محتوای جمع‌آوری شده شود که ممکن است برند یا خدمات شما را به اشتباه نمایش دهد.

آینده‌نگری حضور دیجیتال شما با دستورالعمل‌های هوش مصنوعی

همانطور که ادغام هوش مصنوعی در جستجو و بازیابی اطلاعات شدت می‌گیرد، تعیین دستورالعمل‌های واضح برای LLMها برای استراتژی دیجیتال بلندمدت حیاتی می‌شود. فایل llms.txt به عنوان یک کانال ارتباطی مستقیم با این کلاس نوظهور از عوامل هوشمند عمل می‌کند. با ارائه داده‌های ساختاریافته در مورد سایت خود، نه تنها توضیحات فعلی هوش مصنوعی را بهبود می‌بخشید، بلکه حضور خود را در برابر الگوریتم‌های در حال تکامل LLMها آینده‌نگری می‌کنید. این کار سایت شما را قادر می‌سازد تا پیام و هدف مورد نظر خود را به طور مداوم در سراسر اینترنت که به طور فزاینده‌ای مبتنی بر هوش مصنوعی است، منتقل کند و یکپارچگی برند و ارتباط جستجو را حفظ نماید.

دستورالعمل‌های کلیدی llms.txt و جزئیات خزنده

دستورالعمل‌های کلیدی llms.txt و جزئیات خزنده
دستورالعملتوضیحاتمقدار نمونهخزنده‌های LLM تحت تاثیر
Descriptionخلاصه‌ای کوتاه و ترجیحی از سایت شما برای نمایش توسط LLM.Max 160 charactersGPTBot, ClaudeBot, PerplexityBot, Gemini-Content-Grabber
CanonicalURL اصلی و ترجیحی برای یک صفحه یا دامنه مشخص را تعیین می‌کند.https://example.com/canonical-pageAll major LLM crawlers
Sitemapبه نقشه سایت XML شما برای کشف جامع محتوا اشاره می‌کند.https://example.com/sitemap.xmlPerplexityBot, Gemini-Content-Grabber
User-agentقوانین خاصی را برای خزنده‌های LLM مجزا تعریف می‌کند.User-agent: GPTBotGPTBot
Allow/Disallowکنترل می‌کند که کدام بخش‌های سایت شما توسط LLMها قابل دسترسی یا نادیده گرفتن هستند.Disallow: /private/GPTBot, ClaudeBot

قبل از انتشار فایل llms.txt خود:

  • مطمئن شوید که نام فایل دقیقاً `llms.txt` است.
  • تأیید کنید که در دایرکتوری ریشه دامنه شما قرار گرفته است (مثلاً `yourdomain.com/llms.txt`).
  • مطمئن شوید که `Description` اصلی شما برای نمایش بهینه کمتر از ۱۶۰ کاراکتر است.
  • تمام URLهای `Canonical` را تأیید کنید که صحیح و قابل دسترس هستند.
  • با مراجعه به `yourdomain.com/llms.txt` در یک مرورگر، دسترسی به فایل را آزمایش کنید.
  • هر گونه دستورالعمل `Disallow` را بازبینی کنید تا از مسدود کردن محتوای حیاتی جلوگیری شود.
  • خطاهای نحوی را بررسی کنید؛ حتی خطاهای جزئی می‌توانند فایل را نامعتبر کنند.
  • یک برنامه زمانی اولیه برای به‌روزرسانی ۳۰ تا ۹۰ روز پس از راه‌اندازی در نظر بگیرید.

چگونه فایل llms.txt خود را پیاده‌سازی کنید:

  1. 1
    محتوای llms.txt خود را تولید کنید

    با وارد کردن نام سایت، خلاصه‌ای مختصر و یک‌خطی، و URLهای Canonical حیاتی خود، از ابزار تولید LLMs.txt ما استفاده کنید. این ابزار فوراً یک فایل `llms.txt` مطابق با مشخصات فنی و آماده برای پیاده‌سازی را کامپایل می‌کند. تمام ورودی‌ها را برای دقت و اختصار، به ویژه توضیحات سایت، دوباره بررسی کنید.

  2. 2
    فایل را دانلود یا کپی کنید

    پس از تولید، می‌توانید فایل `llms.txt` را مستقیماً دانلود کنید یا محتوای آن را در کلیپ‌بورد خود کپی کنید. اگر در حال دانلود هستید، مطمئن شوید که با نام دقیق `llms.txt` (نه `llms.txt.txt` یا مشابه آن) ذخیره می‌شود. کپی کردن برای چسباندن در یک ویرایشگر متن موجود مفید است.

  3. 3
    به دایرکتوری ریشه وب‌سایت خود دسترسی پیدا کنید

    وارد پنل کنترل هاستینگ وب‌سایت خود شوید (مثلاً cPanel، Plesk، سرویس‌گیرنده FTP، یا دسترسی مستقیم SSH). به بالاترین سطح دایرکتوری وب‌سایت عمومی خود که اغلب `public_html`، `www` یا `htdocs` نامیده می‌شود، بروید. اینجاست که فایل اصلی `index.html` یا `index.php` شما قرار دارد.

  4. 4
    فایل را آپلود یا ایجاد کنید

    اگر فایل را دانلود کرده‌اید، به سادگی `llms.txt` را در این دایرکتوری ریشه آپلود کنید. اگر محتوا را کپی کرده‌اید، یک فایل متنی جدید با نام `llms.txt` در دایرکتوری ریشه ایجاد کرده و محتوای کپی شده را در آن بچسبانید. فایل را ذخیره کنید. اطمینان حاصل کنید که هیچ کاراکتر اضافی یا خط خالی اضافه نشده است.

  5. 5
    استقرار صحیح را تأیید کنید

    مرورگر وب خود را باز کرده و `https://yourdomain.com/llms.txt` را تایپ کنید (به جای `yourdomain.com` دامنه واقعی خود را قرار دهید). باید محتوای دقیق فایل `llms.txt` خود را در مرورگر مشاهده کنید. اگر خطای ۴۰۴ یا محتوای نادرست دریافت کردید، نام فایل و مکان آن را دوباره بررسی کنید.

  6. 6
    به صورت دوره‌ای نظارت و به‌روزرسانی کنید

    به طور منظم بررسی کنید که LLMها چگونه سایت شما را با استفاده از رابط‌های جستجوی هوش مصنوعی توصیف می‌کنند. هر زمان که پیام برند شما تغییر کرد، خدمات اصلی جدیدی ارائه شد، یا تغییرات قابل توجهی در ساختار سایت رخ داد، `llms.txt` خود را به‌روز کنید. یک چرخه بازبینی هر ۳ تا ۶ ماه برای اطمینان از دقت مداوم و نمایش بهینه توسط هوش مصنوعی توصیه می‌شود.

سوالات متداول

فایل llms.txt چیست و چرا به آن نیاز دارم؟
فایل `llms.txt` یک فایل متنی ساده است که در ریشه دامنه شما قرار می‌گیرد و دستورالعمل‌های صریحی را به خزنده‌های مدل زبان بزرگ (LLM) مانند GPTBot و ClaudeBot ارائه می‌دهد. شما به آن نیاز دارید تا به طور مستقیم کنترل کنید که این مدل‌های هوش مصنوعی چگونه وب‌سایت شما را خلاصه‌سازی، توصیف و به آن لینک دهند و از برندسازی یکپارچه و نمایش دقیق در جستجوی مبتنی بر هوش مصنوعی و خروجی‌های مولد اطمینان حاصل کنید.
کدام LLMها از استاندارد llms.txt پیروی می‌کنند؟
LLMهای اصلی و خزنده‌های مرتبط با آن‌ها برای پیروی از استاندارد `llms.txt` طراحی شده‌اند. این شامل `GPTBot` اوپن‌ای‌آی (برای ChatGPT و سرویس‌های مرتبط)، `ClaudeBot` آنتروپیک (برای Claude AI)، `PerplexityBot` پرپلکسیتی AI، و `Gemini-Content-Grabber` گوگل (برای Gemini و AI Overviews) می‌شود. انتظار می‌رود که با گذشت زمان LLMهای بیشتری این استاندارد را بپذیرند.
دقیقاً فایل llms.txt خود را کجا باید قرار دهم؟
فایل `llms.txt` شما باید در دایرکتوری ریشه دامنه شما قرار گیرد. به عنوان مثال، اگر وب‌سایت شما `yourdomain.com` است، فایل باید در آدرس `https://yourdomain.com/llms.txt` قابل دسترسی باشد. قرار دادن آن در یک زیردایرکتوری مانع از کشف و پردازش دستورالعمل‌های آن توسط خزنده‌های LLM خواهد شد.
آیا llms.txt می‌تواند جایگزین فایل robots.txt من شود؟
خیر، `llms.txt` جایگزین `robots.txt` نمی‌شود. در حالی که هر دو دستورالعمل‌هایی را برای خزنده‌ها ارائه می‌دهند، `robots.txt` عمدتاً دسترسی برای ربات‌های موتور جستجوی سنتی (مانند Googlebot) را در مورد خزیدن و ایندکس کردن کنترل می‌کند. `llms.txt` به طور خاص برای راهنمایی عامل‌های LLM در مورد خلاصه‌سازی، توضیحات و لینک‌های Canonical است. آن‌ها اهداف متمایز و مکمل یکدیگر را دنبال می‌کنند.
اگر از فایل llms.txt استفاده نکنم چه اتفاقی می‌افتد؟
بدون فایل `llms.txt`، LLMها صرفاً به الگوریتم‌ها و داده‌های آموزشی خود برای خلاصه‌سازی و توصیف وب‌سایت شما تکیه خواهند کرد. این می‌تواند منجر به توضیحات عمومی، نادرست یا نامطلوبی شود که پیام برند مورد نظر شما را منعکس نمی‌کنند. شما کنترل مستقیم بر نحوه نمایش سایت خود در رابط‌های مبتنی بر هوش مصنوعی را از دست می‌دهید.
هر چند وقت یک بار باید فایل llms.txt خود را به‌روز کنم؟
توصیه می‌شود که فایل `llms.txt` خود را به صورت دوره‌ای، به ویژه پس از تغییرات قابل توجه در وب‌سایت، پیام برند، یا خدمات اصلی، بازبینی و به‌روز کنید. یک چرخه خوب هر ۳ تا ۶ ماه است، یا بلافاصله اگر محصول جدیدی را راه‌اندازی می‌کنید یا پیشنهاد اصلی خود را تغییر می‌دهید، تا اطمینان حاصل شود که LLMها همیشه جدیدترین اطلاعات را دارند.
آیا محدودیت کاراکتری خاصی برای توضیحات وجود دارد؟
بله، در حالی که یک محدودیت سخت‌گیرانه جهانی در تمام LLMها وجود ندارد، توضیحات بین ۱۲۰ تا ۱۶۰ کاراکتر عموماً برای نمایش در اکثر رابط‌های هوش مصنوعی بهینه است. تجاوز از این مقدار می‌تواند منجر به برش یا تولید خلاصه‌های کوتاه‌تر توسط LLMها شود. زبان مختصر و تأثیرگذار کلیدی است.
تفاوت بین دستورالعمل‌های `Description` و `Canonical` چیست؟
دستورالعمل `Description` خلاصه‌ای کوتاه و ترجیحی از وب‌سایت شما برای نمایش توسط LLM فراهم می‌کند و بر نحوه نمایش سایت شما در پاسخ‌های هوش مصنوعی تأثیر می‌گذارد. دستورالعمل `Canonical` URL معتبر یک صفحه یا دامنه را مشخص می‌کند و به LLMها کمک می‌کند تا سلسله مراتب محتوا را درک کرده و از مسائل تکراری جلوگیری کنند، مشابه نقش SEO آن برای موتورهای جستجوی سنتی.

ابزارهای رایگان مرتبط

سایت خود را برای نمایش در هوش مصنوعی اسکن کنید

یک اسکن رایگان GEO و AEO اجرا کنید و فایل‌های llms.txt، robots.txt، طرح‌واره و اصلاحات محتوای مورد نیاز برای دامنه خود را دریافت نمایید.

اسکن رایگان را شروع کنید