先交代数据从哪来。 2026 年 8 月 24 日之前，86 个不同的网站在我们的免费 AI 可见度检测工具上跑了 99 次检测。本文是这批检测结果的第一次聚合分析。
三条口径先说明白：第一，全文只有聚合数字，不出现任何被检测网站的域名或可识别信息——检测是站长自己提交的，数据用于聚合研究，不用于点名。第二，每个百分比都带分母，且分母不相同：检测分浅检、深检、探针三个阶段，各阶段成功获取结果的网站数不同，没跑成功的记「未取得」，不混进分母。第三，这是自选样本——86 个站的站长是主动来测 AI 可见度的人群，偏出海、偏关注 AI，各项比例不能外推成「全网如此」，但作为「已经开始重视 AI 可见度的这批网站长什么样」的切片，它有独立的参考价值：连关注的人都普遍栽的坑，大概率是行业级的。
一、最扎眼的不是某一项，是一个反差
把全部检查项按失败率排完，最值得写的不是榜首，而是两个数字放在一起：
46% 的网站配置了 llms.txt（成功取到该路径内容的 69 个站中的 32 个）。而 Google 已明确表示 Search 不使用这个文件，Ahrefs 对 13.7 万个域名的抓取日志显示 97% 的 llms.txt 从未被读取——我们的检测工具在结果页里就写着「不建议为搜索可见性配置它」。
64% 的网站可访问性树不合格（深检成功的 72 个站中的 46 个）。可访问性树（accessibility tree）是浏览器从页面构建出的结构化视图，也是 AI agent 实际「读」页面时依赖的东西——标题层级是否真实、控件是否有名字、内容区块是否可定位。这一项不合格，意味着 agent 打开你的页面后拿到的是一堆无法定位的节点。
这两个数字合起来，就是这批网站的真实画像：在配置 AI 不看的东西上花了功夫，在 AI 真正读的地方没有设防。 llms.txt 有教程、有话题度、五分钟能配完；可访问性树没有热度，要动模板和前端结构。大家做了容易的那件事。
二、问题榜：按「AI 读不到 → 读不懂 → 不确定」三层看
单列失败率是流水账，按问题性质分三层才能指导行动。
第一层：AI 根本读不到（最严重，最少人查）
16% 的网站关掉 JavaScript 后没有正文（68 个站中 11 个 fail）。多数 AI 爬虫不执行 JS——对它们来说，这些网站等于只有一个空壳。这是全部问题里后果最重的一项：读不到，后面所有优化都不存在。
12.5% 的网站对 AI 爬虫和普通浏览器返回不同的内容（探针成功的 48 个站中 6 个）。我们的探针用不同 User-Agent 访问同一页面做差分——这 6 个站里，AI 爬虫拿到的是拦截页、验证页或空响应。多数站长不知道自己的 WAF 在这么做：探针识别出 40% 的站点位于 WAF/CDN 之后（57 个站中 23 个，其中 Cloudflare 占 32%），而这些服务的默认规则近年一直在收紧对 AI 爬虫的拦截。
这一层的自查动作最简单：关掉 JS 看一遍自己的核心页面；再用 AI 爬虫的 UA 抓一次首页，对比返回内容。两件事加起来十分钟。
第二层：AI 读到了，但读不懂
64% 可访问性树不合格（72 站中 46 个）——上文已述，这是本次数据里最高的失败率。
40% 没有任何 JSON-LD 结构化数据（68 站中 27 个 fail）。结构化数据不是万能钥匙——我们写过它在不同链路上的作用边界——但对搜索侧的实体识别，它仍是成本最低的机器可读通道。四成的站一行都没有。
31% 的 H1 有问题（64 站中 20 个 fail：缺失或多个）。H1 是页面结构的第一个锚点，在 agentic 检索时代它的权重还在上升——模型靠标题层级在文档内导航。
第三层：AI 读懂了，但不确定该信哪个版本
37% 的 canonical 缺失或指向错误（68 站中 25 个 fail）。没有 canonical，同一内容的多个 URL 会分裂权重，AI 检索时不知道该引用哪个。
44% 缺失 OG 标签（64 站中 28 个 fail）、59% 的 title 有告警（64 站中 38 个 warn，多为过长、过短或全站雷同）、66% 的 description 有问题（64 站中 fail 加 warn 42 个）。这些是页面的「自我介绍」，缺了它们，引用你的一方只能自己猜摘要。
26% 的 sitemap 有问题（65 站中 17 个 fail：缺失或格式错误）、77% 的 hreflang 有告警（64 站中 49 个 warn）——后者对单语言站影响有限，但对做多语言的出海站，这直接关系各语种 AI 可见度是分别成立的这件事。
三、这份榜单没有的东西，和它说明的问题
值得注意的是爬虫准入几乎不是问题：robots.txt 明确拦截 GPTBot、ClaudeBot、PerplexityBot 这类 AI 爬虫的站,在这批样本里是零星个例（ClaudeBot 5 个 fail 已是最多）。「中国网站都把 AI 爬虫拦在门外」这个流行说法，至少在这批主动来检测的网站里不成立。
真实的问题结构恰恰相反：门是开的，但屋里是乱的。 爬虫进得来，读不到正文（JS 依赖）、读不懂结构（可访问性树）、分不清版本（canonical）。这三件事没有一件能靠「配置一个文件」解决，它们都要动网站本身——这大概也是 llms.txt 流行而它们被忽略的原因。
四、十分钟自查清单
不用工具也能查前四项：
- 浏览器关掉 JavaScript，打开你最重要的三个页面——正文还在吗？
- 查看页面源码，搜
canonical——有吗？指向的是这个页面自己吗？ - 搜
application/ld+json——有吗？ - 数一数页面上的
<h1>——正好一个吗？ - 剩下的（UA 差分、可访问性树、WAF 指纹、逐项爬虫准入）需要工具：我们的检测页免费、无需注册，浅检约半分钟出结果，深检和探针会在几分钟内补全。
关于这个工具要说清楚的边界：它检测的是技术层的可读性与一致性——AI 能不能读到、读懂、确认你的页面。它不检测内容质量，不预测引用概率，检测分数高也不等于会被 AI 推荐——收录与引用从来是两条链路。我们不承诺收录、固定排名、流量或收入。
五、边界声明
- 样本为 08-24 之前主动使用检测工具的 86 个网站，自选样本，各项比例不外推至全网；
- 各项分母不同（浅检 64–68、深检 72、探针 48–57），因各阶段成功获取结果的站点数不同；「未取得」不计入分母；
- 检测结果反映被测时点的状态，网站随时可能变更配置；
- 单项 fail 的判定标准以检测工具结果页的逐项说明为准，本文不展开每项的完整判定逻辑；
- 本文不点名任何被检测网站，聚合数字无法反推个体。
关于我们：妙蛙 GEO（Miaowa GEO）是天津思必得科技有限公司旗下的生成式引擎优化（GEO）产品，2026 年成立，统一社会信用代码 91120223MAKH9RTU1Q，网站备案号津ICP备2026010121号，服务外贸企业、跨境电商与出海品牌方。我们不代表任何第三方 AI 平台，也不承诺收录、固定排名、流量或收入。
本文数据来源：妙蛙 GEO 免费检测工具（miaowageo.com/check）08-24 之前的检测记录聚合，仅使用聚合统计，不涉及任何单站可识别信息。
本文由妙蛙 GEO 研究团队撰写，使用 AI 辅助进行资料整理与语言校对，文中事实、来源和结论均经人工复核。