AI 就绪
巴克励步
AI Ready 在 Baklib 中指：站点内容以 结构化 文档编辑器/Markdown 维护，并可通过平台提供的 LLM 可访问端点（
llms.txt、页面 .md、llms-full.txt 等）及 多格式响应（v1.37 页面 HTML/JSON/XML/Markdown）被外部大模型、爬虫或 RAG 管线读取。核心思想是 内容即 AI 资产——目录清晰、版本可控的知识库，同时服务人类阅读与机器消费。是什么
| 能力 | 说明 |
|---|---|
| 结构化正文 | Wiki 使用文档编辑器块级语法（标注框、分栏、链接卡片等），利于人机共读 |
| LLM Markdown 访问 | 域名配置中开启后，自动生成 /llms.txt、页面 URL 追加 .md 得 Markdown 正文 |
| llms-full.txt | 整站或精选文档合并输出；大站可重定向到 /index.md |
| 多格式响应 | 主题页面可按访问方式输出 HTML、JSON、XML 或 Markdown，便于 API 与 AI 抓取 |
| llms.txt 定制 | 可通过站点首页自定义变量灵活控制 AI 索引输出内容 |
| MCP / API / CLI | 程序化读写组织内知识库、站点与 DAM，供 Agent 与自动化使用 |
robots.txt 面向搜索引擎爬虫；llms.txt 面向将站点交给模型阅读时的 导航索引。二者策略应一致：公开文档站放行，内网或涉密站关闭收录与 LLM 访问。为什么需要
- 避免为 AI 单独维护一份「影子文档」：Wiki 定稿即是对外与对模型的同一事实源。
- 降低外部 Agent（ChatGPT、Claude、自研 RAG）接入成本：
.md端点比抓取复杂 HTML 更稳定。 - 与 站内 AI 搜索 / Chat 共用内容底座；内容质量直接决定 AI 回答上限。
##
开启 LLM 端点 不等于 自动实现高质量 RAG。当前站内 AI 检索仍以 全文索引 + 大模型总结 为主；外部工具读取
.md 后如何分块、嵌入与溯源，由调用方架构决定。Baklib 提供的是 可读取、可索引的结构化输出，而非承诺逐句归因的完整 RAG 产品。边界与限制
- LLM Markdown 访问按 域名 开关；多域名站点需分别确认策略。
- 访问控制下的私密内容 不应 开启对外 LLM 端点；与 访问控制与授权 和合规策略一致。
- 主题
{% schema %}中字段需设"to_markdown": true才会进入.md输出（模板相关细节见模板开发文档）。 - 多格式响应 依赖主题与路由约定，并非所有历史页面默认可用四种格式。
与谁组合
- 知识库 / 文档编辑器：内容生产；块级结构影响
.md可读性。 - 域名管理 · SEO 设置：收录开关、
robots.txt、LLM Markdown 访问总开关。 - 站点 AI 智能搜索 / Chat：同一知识源的不同消费方式（站内 vs 站外 Agent）。
- MCP 开放集成：IDE 内直连线上数据，与静态
.md抓取互补。 - SEO / GEO 策略：公开站可见性与 AI 可见性一并规划，见最佳实践专章。