From SEO to AEO: Why Agent Experience is Rewriting How We Design Content

TL;DR

傳統 SEO 是讓「搜尋引擎找到你」，
AEO（Answer Engine Optimization）是讓內容更容易被 AI 理解、抽取、整合與引用。

而 llms.txt，可以把它看成這個轉變中一種早期的「Agent-friendly discovery hint」。

Problem

過去 20 年，網路內容設計的核心是：

Human-first discovery

內容寫給人看
搜尋引擎負責索引與排序
使用者點擊 → 閱讀 → 自行整理答案

但 AI 搜尋改變了這件事：

使用者不再找「頁面」，而是直接要「答案」

這導致新的系統需求：

可理解（understandable）
可抽取（extractable）
可引用（citable）

👉 問題不是 HTML 無法承載內容，而是多數網頁對 AI 抽取並不是理想介面

Context: SEO → AEO

SEO

單位：Page
目標：Ranking
成功指標：Clicks

AEO（Answer Engine Optimization）

AEO 的核心是：

將內容設計成「可被 AI 直接使用作為答案」 AEO 定義

更精確地說：

它不是取代 SEO，而是增加一個新的優化面向：讓內容更容易進入 AI answer pipeline

也就是：

AI 能理解
AI 能抽取
AI 更容易整合，並在支援引用時納入來源

👉 本質轉變：

面向	SEO	AEO
目標	排名	成為答案
單位	Page	Knowledge chunk
使用者行為	Click	No-click
成功指標	流量	被引用

👉 SEO 與 AEO 的差別：

從「被找到」→「被使用」

Why AEO Emerges

搜尋變成 Answer Engine

現代搜尋系統：

理解問題
整合多來源
直接生成答案

👉 搜尋正在從 link list 轉向 answer layer AEO 轉變

使用者行為改變

Zero-click search
不再瀏覽網站

👉 成功變成：

被 AI 引用，而不是被點擊 AEO 引用

llms.txt: The Missing Layer

llms.txt 是什麼

llms.txt 是：

一個放在 /llms.txt 的文件
提供 AI 可讀內容索引
幫助 LLM 理解網站內容

👉 本質：

幫助 AI 更有效率理解與使用網站內容的早期提案 llms-definition

它比較像：

一個 AI-friendly discovery hint
一個尚未完全標準化、也尚未被廣泛驗證效果的做法

llms.txt 想解決的問題

LLM 在 web 上的問題：

HTML 太 noisy
無法判斷重要內容
context window 有限

👉 llms.txt 提供：

curated content index
明確優先順序

但要注意：

它不是保證被採用的協議
也不是 AI citation 的充分條件

類比（非常關鍵）

機制	對象
robots.txt	crawler
sitemap.xml	search engine
llms.txt	AI agent

👉 更精準的說法：

llms.txt 比較像 AI 時代的一個內容 discovery / routing hint llms-role

更進一步（這篇的觀點）

🔥 llms.txt 可以視為 AX 的 Discovery Layer 之一

AEO as System Design

AEO 不是行銷技巧，而是資訊架構問題

Discovery Layer

llms.txt
sitemap

👉 解決：去哪找

Retrieval Layer

RAG / embedding

👉 解決：找什麼

Representation Layer

Markdown
FAQ
structured content

👉 解決：怎麼理解

Authority Layer

citation
entity signals

👉 解決：信不信

Design Principles

Write for extraction

一段回答一個問題

Prefer structure over prose

標題清楚
條列化

Minimize ambiguity

定義明確
避免模糊語言

Optimize for citation

提供結論句
summary

Design for chunking

每段可獨立引用

Trade-offs

👍 優點

提升 AI 可見度
降低 hallucination
提高引用率

👎 限制

尚未標準化
AI 不一定採用
對 SEO 影響有限
對 AI citation 的效果仍缺乏穩定證據

👉 有觀點指出：

llms.txt 目前仍屬 early-stage，效果有限 llms-risk

Insight

🔥 AEO 是「Content → Interface」的轉變

內容不再只是：

👉 給人閱讀
而是：

👉 給 AI 使用

llms.txt as an Agent-Friendly Interface

如果 SEO 關心的是：

search engine 能不能找到你的內容

那從 AX 的角度看，問題是：

agent 能不能快速理解你的內容

這也是 llms.txt 跟 AEO 真正接起來的地方。

它的重要性不在於取代 HTML，而在於提供一個對 agent 更友善的內容入口。

因為大多數 HTML 頁面對 agent 來說：

太 noisy
太依賴版面與導覽
不容易快速判斷哪些內容最重要

而 llms.txt 的價值在於：

提供更低噪音的內容索引
降低 discovery 成本
幫助 agent 更快定位可用內容

👉 所以 llms.txt 不只是 AEO tactic，

它更像是把網站內容包裝成一個更 agent-friendly 的 interface。

flowchart LR
    A["Website content"] --> B["HTML pages<br/>for humans"]
    A --> C["llms.txt<br/>for agents"]
    C --> D["Faster discovery"]
    C --> E["Lower-noise understanding"]

Conclusion

AEO 不是 SEO 的替代，而是進化：

SEO：讓人找到你
AEO：讓 AI 使用你

而 llms.txt：

👉 比較像是這個轉變中的第一個可實驗入口，而不是已定型的標準答案