搜索
AI Agent正逐步融入开发者的工作流程，但不同产品对其的适配程度存在显著差异。Google Cloud AI工程总监Addy Osmani提出了AEO（Agent引擎优化）概念，旨在通过优化产品以更好地适应AI Agent的需求，这一概念可类比于SEO（搜索引擎优化）。AI Agent在读取文档时与人类存在显著不同：它们通过单次HTTP请求进行快速判断，对前500个Token的内容尤为敏感，需在此范围内回答核心问题；同时，AI Agent有Token上限，超出可能导致信息丢失或内容编造；此外，它们不关注UI设计，HTML格式的冗余会消耗Token，导致很多产品文档被AI Agent无声否定，而这些访问在传统分析中常被归为低质量访客。针对这些问题，Osmani提出了一个六层的AEO优化框架：首先，检查robots.txt文件，确保AI Agent爬虫不被误封；其次，发布llms.txt作为Agent版站点地图，引导其精准找到所需文档；第三，编写skill.md文件，声明产品能力，帮助Agent快速判断适配性；第四，开放文档的Markdown版本，减少Token消耗，避免JS渲染导致的内容不可达问题；第五，将Token数作为元数据暴露，供Agent提前判断文档价值；最后，添加Copy for AI按钮，提供干净的上下文内容。这些优化措施无需一次性全部实施，且多数可在短时间内完成。值得注意的是，AEO优化并非以牺牲人类体验为代价，反而与优质人类文档设计高度重合，只是AI Agent的容错度更低。当前，已有大量AI Agent流量被误判为垃圾访客，它们仅以产品易用性为选择标准。这对真正优秀的产品而言是利好，将促使产品团队重新定义“好产品”的标准，未来需在API设计、文档结构和Agent可达性上加大投入。
