LLM Optimization Skill 的用途是让网站在 AI 助手的推荐与引用中出现。它与传统 SEO 不同，专门针对大语言模型解析和推荐内容的方式进行优化。
核心规则包括：结构化内容优于散文，因为 LLM 从清晰结构中提取事实；Schema.org 至关重要，尤其是 Speakable、FAQPage、HowTo 等 schema；第一段必须直接回答用户意图；引用权威来源以建立信任；实体清晰，即明确的业务名称、位置和服务定义；提供新鲜度信号，如最后更新日期和近期内容；内容必须可被爬取，不能仅靠 JavaScript 渲染；并且 LLM 优化绝不能凌驾于事实准确性或法律合规之上。
需要支持的 LLM 爬虫包括：OpenAI/ChatGPT 的 GPTBot、OAI-SearchBot、ChatGPT-User（GPTBot 用于训练，其余用于实时）；Google Gemini 的 Google-Extended（robots.txt 控制令牌，而非独立 UA）；Perplexity 的 PerplexityBot、Perplexity-User（Bot 用于索引，User 用于实时抓取）；Claude 的 ClaudeBot、Claude-User、Claude-SearchBot（Anthropic 官方爬虫）；Microsoft Copilot 使用 Bingbot。
robots.txt 配置示例中，对上述各爬虫均设置 Allow: /。
面向 LLM 提取的内容结构包括：首段直接回答（前 150 字符内说明业务名称、服务、地点、关键差异点和行动号召）；Quick Facts 信息框，使用 LocalBusiness 等 schema 标注服务区域、价格范围等；FAQ 区块，对 LLM 尤为关键，每个问答以 schema 标注。
禁止事项包括：内容仅靠 JavaScript 渲染、在 robots.txt 中屏蔽 LLM 爬虫、缺少 Speakable schema、首段使用模糊的营销话术、服务页面没有 FAQ 区块、缺少 lastModified 日期、没有结构化数据。
完成标准包括：robots.txt 允许所有 LLM 爬虫；所有关键页面有 Speakable schema；服务页面有 FAQPage schema；首段直接回答搜索意图；有带结构化数据的 Quick Facts 信息框；存在 lastModified meta 标签；内容无需 JavaScript 即可渲染；全站实体名称一致。
参考资料涉及 ChatGPT 优化、Gemini 优化、Perplexity 优化和 Schema Speakable。