Google官方给AI搜索优化定调：AEO与GEO仍属SEO，llms.txt被点名“不用做”

过去两年，围绕“AI 搜索优化”长出了一整套新清单：写个 llms.txt、把内容切成小块、按 AI 的提问口径把正文重写一遍、给页面加一套说不清定义的专属 schema。上周，Google Search Central 的官方文档《Optimizing your website for generative AI features on Google Search》把这些做法逐条点了名，结论出人意料地克制——从 Google Search 的视角看，为生成式 AI 搜索做优化就是为搜索体验做优化，因此“仍然是 SEO”。

官方到底说了什么

这份文档在 Google I/O 2026 期间公布，7 月 10 日做过一次更新，位置就在 Search Central 的常规文档区。它开头先确认了基础 SEO 依然有效：Google 的生成式 AI 功能“根植于核心搜索排名与质量系统”，依靠检索增强生成（RAG）与查询扇出（query fan-out）从同一个搜索索引里取内容。文档还专门给了一句定义式的表态：AEO 是答案引擎优化，GEO 是生成式引擎优化，但“从 Google Search 的角度，为生成式 AI 搜索做优化就是为搜索做优化，因此仍是 SEO”。

真正让服务商坐不住的是“Mythbusting generative AI search”那一段。文档没有含糊其辞，直接点了五个名字：llms.txt 之类的机器可读文件、内容分块、为 AI 改写内容与堆长尾词、去追求“不真实的品牌提及”、以及为 AI 功能新增特殊结构化数据。官方口径是这几件事对 Google Search 没有必要——Google 能理解一页里同时讲多个主题，也会自行识别同义词，不需要站点先替它把内容“加工”一遍。

被点名的五件事，该怎么理解

但把“Google 不需要”直接读成“别做”，会漏掉一个前提：这是 Google 的立场，不是所有引擎的共识。ChatGPT、Perplexity、豆包、DeepSeek 这些入口至今没有发布过同等力度的表态，它们的检索链路与抓取策略也不完全相同。另外，Chrome 的 Lighthouse 在 2026 年 5 月新增了 llms.txt 审计项，归在 agentic browsing 类目下——这与搜索排名是两件事，但说明浏览器侧已经在关心站点对自动化访问的可读性。

更务实的理解是“降级”而不是“停做”。llms.txt 与结构化索引文件成本极低，当作对非 Google 引擎的低成本押注没问题，但它不该占预算优先级，更不该替代内容本身；结构化数据对富摘要仍有价值，属于存量 SEO 动作，不必再上新 schema；“分块”这个词该被拆开看——官方反对的是为了机器把页面切碎，不反对把结论写在最前面。答案先行仍然是 AI 摘要最容易摘取的写法。

替代方案：非商品化内容

官方给出的替代方案是一句不太像技术建议的话：“非商品化内容”（non-commodity content）。文档里用了一组对比：同样是买房话题，“首次购房者的 7 条建议”属于商品化内容，而“我们为什么放弃验房、省下了这笔钱：一次下水道内窥检查”不是。区别在于是否提供常识之外的独家信息——自己的实测、真实数据、踩过的坑。对做 GEO 的人来说这句话含金量最高：AI 答案的语料预算是有限的，重复常识的内容拿不到引用位。

入口与可达性仍是前提

入口与可达性依然是一切的前提。文档重申页面必须可抓取、可索引、能被当作普通结果展示，才可能出现在 AI 功能里；提到的技术项也都是老生常谈：语义化 HTML、按 JavaScript SEO 的规范渲染、好的页面体验、减少重复内容、合理内链。本地与电商另有专门段落，指向 Merchant Center 商品 Feed 与Google Business Profile。文档还新开了一节讲 agentic 体验：浏览器型 agent 会通过截图、DOM 与可访问性树来读站，官方指向 web.dev 的 agent 友好建议，并提到 UCP 这类正在成形的协议。换句话说，未来“站点结构对 agent 是否可读”会成为一个新变量。

这周可以动手的四件事

如果只挑一件事这周就做，建议是把核心问句跑一遍体检：拿五个采购意图最明确的问句，在 Google AI 模式、ChatGPT 与豆包里各问一次，记录品牌有没有被提及、被引用的具体是哪个页面。这个动作半小时能完成，却能立刻暴露“以为是内容问题、其实是没被索引”的落差。

接着检查“能否被引”：优先页是否已被索引、能不能出摘要，把首段改成结论先行；再回头收拾站内最像商品化内容的那几页，补上自己的数据、案例与实测口径。Search Console 里的生成式 AI 表现报告值得先开起来记一个基线，而 llms.txt、AI 专用 schema 这类动作放到清单末尾，当作低成本补充就好。

写在最后

把视角拉远一点：9 月这一个月里，Grok 4.7 把百万 token 输入打到 2 美元，小米 MiMo-V2.6 开源后登上 Artificial Analysis 开源权重榜首，模型侧的能力与成本都在快速移动。检索与推理越强，答案对“可验证事实”的依赖就越重。Google 这份文档的价值不在提供新招，而在于把预算从“AI 专用文件”拉回到内容本身。

AI30 的立场是：该做的基础动作照做——可抓取可索引、语义清晰、索引文件（sitemap、llms.txt 这类）继续维护，因为它们对其他引擎仍有意义；但不必再为“AI 专用”付溢价。GEO 不是一套新学科，它是把 SEO 里最费功夫的那部分做得更扎实。