---
title: "llms.txt 推出 v2：以標準 link relation 讓 agent 找到 Markdown 版本與對應的 llms.txt"
url: https://xcube.enlightcorp.com.tw/zh/news/llms-txt-v2-link-relations-agent-discovery
category: "Agent 協定 / 標準"
source_type: official
published: 2026-08-10
updated: 2026-08-10
lang: zh-TW
---

# llms.txt 推出 v2：以標準 link relation 讓 agent 找到 Markdown 版本與對應的 llms.txt

發布 2026-08-10 · 更新 2026-08-10 · 官方發布 · 來源: [llmstxt.org](https://llmstxt.org/)

**重點答案:** llms.txt 是網站在根目錄或子路徑提供、讓 AI agent 快速找到 LLM 友善內容的 Markdown 索引檔；2026 年 8 月的 v2 新增以 HTML link 或 HTTP Link header 宣告的標準探索方式，並明確定義 agent 應如何讀取它。

llms.txt 提案作者 Jeremy Howard 於 2026 年 8 月 10 日在 llmstxt.org 發布 v2。他表示 v2 是根據兩年的採用經驗修訂：數千個網站已提供 llms.txt、文件平台會自動產生，Chrome Lighthouse 也在 agentic browsing 檢查中稽核網站是否提供，OpenAI、Anthropic 與 Gemini 的開發者文件都有自己的 llms.txt。

最主要的新增是探索機制。v2 建議使用標準 link relation：rel="alternate" type="text/markdown" 指向頁面的 Markdown 版本，rel="describedby" 指向涵蓋該頁的 llms.txt；可以寫成 HTML 的 link 元素，也可以用 HTTP Link response header，後者適用於 Markdown 檔等非 HTML 資源，且能在 web server 或 CDN 設定中加入而不必改頁面。

v2 也把實務做法正式化：Markdown 版本的網址允許 page.html.md 與 page.md 兩種形式；子路徑中的 llms.txt 涵蓋該路徑下的所有頁面，且以最具體的檔案為準，讓只控制某個路徑的網站（例如 GitHub Pages 專案頁）也能完整參與。消費方式改為明確寫出：agent 檢視或搜尋 llms.txt 後再追蹤相關連結；llms_txt2ctx 等 context 展開工具不再屬於提案，Optional 區段保留但不再具機械語意。

要保持清醒的是，llms.txt 仍是社群提案，不是 W3C 或 IETF 標準；它對 AI 搜尋引用率的效果也沒有公開證據支持。它最確定的價值在於讓 coding agent 與開發工具更穩定地讀到正確文件。

v2 另一個重要轉變是不再「預測」agent 會怎麼用網站，而是描述實際用法。v1 把 llms.txt 設想成可被工具展開成一整段 LLM context 的輸入；v2 則明說 agent 會檢視或搜尋 llms.txt，再挑相關連結往下讀，因此連結指向的內容本身必須是 LLM 友善的 Markdown。這代表維護重點從「把 llms.txt 寫得完整」轉成「讓每個連結目標都乾淨、可直接閱讀」，對 API 參考文件與產品文件的結構要求更高。

後續值得看的是主要 agent 與瀏覽器工具是否開始依 rel="describedby" 自動探索 llms.txt，以及文件平台是否預設輸出 v2 的 Link header。

## X Cube 觀點

已公開 llms.txt 與 OpenAPI 的企業 AI 平台（例如 X Cube 的 /v1/llms.txt），可以依 v2 檢查三件事：API 文件頁是否以 rel="describedby" 指向對應的 llms.txt、是否提供 Markdown 版本並以 rel="alternate" 宣告、子路徑檔案的涵蓋範圍是否與實際文件結構一致。這些都能在 CDN 或 web server 層以 Link header 完成。

Tags: llms.txt, Agentic AI, Documentation, Agent Discovery, Open Standards, Jeremy Howard, Answer.AI, Chrome Lighthouse, OpenAI, Anthropic, Google Gemini