AI 做的产品没人搜到？2026 SEO 与 GEO 实操指南

你用 AI 把产品做出来了、部署上线了、支付也接好了——然后发现没人来。2026 年做独立产品，最大的坎已经不是「做不出来」，而是「做出来没人搜到」。更麻烦的是，搜索的入口正在从「十条蓝链」变成「AI 直接给答案」，规则被改写了一半。这篇文章讲清楚 AI 做的网站怎么被搜到：先拆穿一个流传最广的错误答案，再给出搜索引擎（SEO）和 AI 答案（GEO）两条战线上真正有效的实操，全部可以自己动手，不用买服务。

先泼盆冷水：llms.txt 不是银弹

你大概刷到过这个说法：「在网站根目录放个 llms.txt，AI 就会来读你的内容、推荐你的产品。」这是 2026 年中文互联网上传播最广的 GEO 误解，不少卖优化服务的文章都拿它当核心卖点。

事实是：Google 在 2026 年 6 月更新的 AI 优化指南里明确写着——你不需要创建任何新的机器可读文件、AI 文本文件或 Markdown 才能出现在 Google 搜索（包括其生成式 AI 功能）里，因为 Google 搜索本身不使用它们。Google 的 John Mueller 也公开表示「目前没有任何 AI 系统在使用 llms.txt」，并把这个思路类比成早已被废弃的 meta keywords 标签。有第三方统计显示，绝大多数网站放上去的 llms.txt 从来没有被抓取过。它至今只是一份社区提案，没有被任何标准组织或主流 AI 厂商正式采纳。

两个战场：SEO 拿点击，GEO 拿引用

好消息是两者的地基是同一套：内容有用、页面能被抓取、结构清晰。AI 回答的素材绝大多数来自它能检索到的网页，你连收录都没有，就谈不上被引用。所以顺序是先 SEO 后 GEO，别跳步。

第一步：让爬虫能读到你（AI 建站最容易翻车的地方）

AI 生成的网站有个通病：内容全靠客户端 JavaScript 渲染，爬虫抓到的是一个空壳。先自查这一条——用浏览器的「查看网页源代码」（不是开发者工具的 Elements 面板，那是渲染后的结果）看看你的正文文字在不在返回的 HTML 里。不在，后面所有优化都白做。

Next.js App Router 下，下面这三件事加起来花不到半小时。

// app/sitemap.ts — 自动生成站点地图
import type { MetadataRoute } from 'next'

export default async function sitemap(): Promise<MetadataRoute.Sitemap> {
  const posts = await getAllPosts() // 从数据库或文件读你的内容
  return [
    { url: 'https://example.com', lastModified: new Date(), priority: 1 },
    ...posts.map((p) => ({
      url: `https://example.com/blog/${p.slug}`,
      lastModified: p.updatedAt,
    })),
  ]
}

// app/robots.ts — 告诉爬虫哪些能抓
import type { MetadataRoute } from 'next'

export default function robots(): MetadataRoute.Robots {
  return {
    rules: [{ userAgent: '*', allow: '/', disallow: '/admin/' }],
    sitemap: 'https://example.com/sitemap.xml',
  }
}

// 每个页面导出 metadata（动态路由用 generateMetadata）
export const metadata = {
  title: '页面标题｜站点名',
  description: '150 字以内、说人话、含关键词的描述',
  alternates: { canonical: 'https://example.com/blog/xxx' },
}

第二步：结构化数据才是 AI 引用的硬通货

llms.txt 没人读，但 Schema.org 的结构化数据（JSON-LD）是实打实被用的——它告诉机器「这一页是一篇文章、作者是谁、什么时候发的、回答了哪些问题」。AI 抓到你的页面后，靠这些标记判断内容是否可信、是否值得引用。优先补三种。

• Organization / Person：站点级别，说明你是谁。放在根 layout 里，全站生效。
• Article / BlogPosting：每个内容页，带标题、作者、发布时间和更新时间。
• FAQPage：文章里的常见问题部分。这一种对 AI 回答的命中率特别高，因为它本身就是「问题—答案」结构，模型可以直接搬。

// 在页面里内联 JSON-LD
export default function Page({ post }) {
  const jsonLd = {
    '@context': 'https://schema.org',
    '@type': 'BlogPosting',
    headline: post.title,
    description: post.description,
    datePublished: post.publishedAt,
    dateModified: post.updatedAt,
    author: { '@type': 'Person', name: '你的名字' },
  }
  return (
    <>
      <script
        type="application/ld+json"
        dangerouslySetInnerHTML={{ __html: JSON.stringify(jsonLd) }}
      />
      {/* 正文 */}
    </>
  )
}

写完用 Google 的富媒体结果测试工具（Rich Results Test）校验一遍，别靠肉眼检查——JSON-LD 少个字段不会报错，只会静默失效。

第三步：国内五大 AI 的信源偏好完全不一样

如果你的用户在国内，别只盯着 Google。国内几个主流 AI 助手的联网检索各有各的地盘，你的内容发在哪里，直接决定谁能引用到你。

所以在国内做 GEO 的最小动作，往往不是改网站，而是「把同一份内容在对的平台再发一遍」：一篇技术文章同步到掘金和公众号，比在自己站上反复优化标题有效得多。自建站负责承接和转化，第三方平台负责被 AI 检索到——分工要清楚。

第四步：冷启动——先被收录，再谈排名

新站最大的问题不是排名低，是压根不在索引里。上线后第一周就该做完这几件事。

1. 1Google Search Console：验证域名、提交 sitemap，用「网址检查」手动请求收录首页和几个核心页面。
2. 2必应站长工具（Bing Webmaster Tools）：同样提交 sitemap。必应的重要性在 2026 年被严重低估——它是多个 AI 产品的检索后端之一。
3. 3百度搜索资源平台（ziyuan.baidu.com）：提交 sitemap，并接上主动推送 API，每次发新内容自动推一次，比干等抓取快得多。
4. 4去有权重的地方留三五个真实外链：GitHub README、掘金、知乎回答、V2EX——不是买链接，是把你的产品放到真的有人看的地方。

内容怎么写才容易被 AI 引用

• 标题直接用问题：AI 检索本质是语义匹配，「XX 怎么配置」比「XX 深度解析」更容易命中真实提问。
• 答案前置：每个小节开头一句话把结论说完，再展开。模型摘取的往往就是那一句。
• 给具体数字、版本号、命令、日期：可验证的细节是判断内容质量的强信号，「很快」不如「约 200 毫秒」。
• 带上第一手经验：实测数据、踩坑记录、失败案例——这是 AI 自己生成不出来、只能引用你的部分。
• 别堆关键词：2026 年这么干只会被判定低质，搜索引擎和 AI 都不吃这套。

30 天最小可执行清单

• 第 1 周：查看源代码确认内容可抓取，补 sitemap.ts / robots.ts / 每页 metadata 与 canonical
• 第 1 周：三大站长平台提交 sitemap，百度接上主动推送
• 第 2 周：补 Organization + BlogPosting + FAQPage 三种 JSON-LD，用富媒体结果测试校验
• 第 2–3 周：写 3–5 篇真正解决具体问题的长尾内容，标题用问句
• 第 3–4 周：同步分发到掘金 / 公众号 / 知乎，各留一个回链
• 第 4 周：去豆包、DeepSeek、元宝里搜你自己的产品名和核心问题，看有没有被提到，没有就补内容

把产品做出来只是拿到入场券。2026 年真正稀缺的能力，是让做出来的东西被人、也被 AI 找到——而这件事的门槛比想象中低得多，上面这些动作绝大部分是一次性投入，做完就长期生效。如果你想系统学会从「用 AI 做出产品」到「让产品跑起来、有人用、能收钱」的完整链路，欢迎来 IMAI 看看我们的体系化实战课程。