分类：AI动态 标签：人工智能、大模型、AI Agent、AEO

当开发者们广泛使用 Cursor、Claude Code 等 Coding Agent 处理日常工作时，一个微妙的现象正在发生：有些 API 和服务的集成丝滑如飞，有些则反复报错，甚至凭空捏造出并不存在的接口。

很多人将此归咎于“模型还不够聪明”。但 Google Cloud AI 工程总监 Addy Osmani 指出：不是 Agent 不够聪明，而是有些产品天然对 Agent 友好，有些则充满敌意。 正如十年前网站需要针对 Google 做 SEO 一样，今天的产品正迎来专属于 AI Agent 的全新优化时代：AEO（Agentic Engine Optimization，Agent 引擎优化）。

一、 为什么人类的完美文档，对 Agent 毫无意义？

人类和 Agent 阅读文档的方式存在着本质的差异：人类是「浏览」，而 Agent 是「审判」。

  • 耐心的极端量化：人类可以忍受长篇大论的前言，但 Agent 的耐心极度有限。如果页面前 500 个 Token 没有明确回答“这是什么、能干什么、怎么开始”，它极有可能直接放弃。
  • 严格的胃口上限：动辄数十万 Token 的庞大快速入门指南，会瞬间撑爆 Agent 的上下文窗口，导致截断、跳过甚至胡乱编造答案。
  • 无视精美的 UI 设计：侧边栏、面包屑导航、页脚链接和各种动画在 Agent 眼中不仅是纯噪音，还会因为 HTML 标签和样式的存在而极大地浪费宝贵的 Token 额度。

在传统的分析后台里，这些瞬间离去的 Agent 常常被误判为跳出率 100% 的“低质量访客”。但事实是，你的文档已经在 400 毫秒内被 Agent 无声地“判了死刑”。

二、 如何“讨好”AI Agent？AEO 的六层优化框架

为了让产品在 Agent 的工具库中脱颖而出，Osmani 提出了一套行之有效的 AEO 六层落地框架：

  1. 检查 robots.txt：许多公司为了防止数据被爬取，误封了主流 AI 公司的 User-Agent。这会直接导致你的文档从 Agent 的世界里彻底“人间蒸发”。
  2. 发布 llms.txt（Agent 版的 Sitemap）：在网站根目录下放置一份 Markdown 格式的索引文件，列出页面核心内容与 Token 数量，帮助 Agent 精准导航。
  3. 编写 skill.md（产品自荐信）：让 Agent 在几秒内读懂产品的核心能力、输入参数与限制条件，省去盲目读取全量文档的开销。
  4. 开放纯 Markdown 访问路径：确保页面支持 .md 后缀或轻量请求，剥离 HTML 的冗余包装，让 Agent 直奔主题。
  5. 在元数据中暴露 Token 数：通过 meta 标签或 HTTP 响应头提前告知页面容量，指导 Agent 选择全文加载还是局部取舍。
  6. 添加“Copy for AI”按钮：方便开发者一键复制干净的 Markdown 上下文喂给 IDE 助手，显著提升交互质量。

三、 总结：Agent 正在重新定义好产品

AEO 框架的妙处在于，它与优秀的人类文档设计高度重合——把核心答案前置、保持单页精简、结构清晰、去除噪音。唯一的区别在于容错度：人类可以慢慢寻找，而 Agent 的拒绝是冷酷、快速且不可逆的。

过去十年，行业将大量资源投入在 UI/UX 优化上，以讨好人类用户的感官；而接下来，同等重要的投入将转向 API 设计、文档结构与 Agent 可达性。在这个由 AI 主导效率的新时代，Agent 不会因为品牌光环或营销关系而妥协，它只看产品是否足够好用。这不仅是一场底层的技术适配，更是对“什么是好产品”的一次安静而深刻的重新定义。