JSON-LD 与 llms.txt for Shopify：技术搭建指南

TL;DR

两个文件决定了 AI 购物助手能否真正读懂你的 Shopify 目录：JSON-LD 商品标记，和一份 llms.txt 清单。 两者都不冷门 —— 都是公开、有文档的格式 —— 但极少有 Shopify 店铺把任何一个做对。
JSON-LD 告诉 AI 助手一个商品「是什么」（价格、库存、规格、类目），用一种它无需从营销文案里猜测就能解析的格式。Shopify 默认主题的标记往往不完整，或干脆缺了关键字段。
llms.txt 告诉 AI 助手你的「站点是什么」 —— 一份纯文本索引，把爬虫指向你最重要、最 AI 可读的页面，精神上类似 sitemap，但写给语言模型而不是搜索引擎看。
让两者「技术上有效」，不等于让两者「真正 AI 可读」。 一家店可以通过 SEO 结构化数据校验器，却在功能上对购物助手完全隐形 —— 这份指南讲的正是这两者之间的落差。

什么是 llms.txt？Shopify 原生支持它吗？

llms.txt 是一个纯文本文件，放在域名根目录下（/llms.txt），为 AI 爬虫和语言模型提供一张经过筛选的站点重要内容地图 —— 用 Markdown 而非 HTML 写成，好让模型无需解析整页就能直接摄取。它不是 Shopify 默认主题输出的一部分。店铺只能通过手动添加（在主题根 assets 里放一个静态文件），或借助一个自动生成并维护它的工具，才能拥有一份。

一份好的电商 llms.txt，实用内容包括：一段关于品牌与其售卖什么的简介、指向核心目录/系列页的链接、指向 AI 助手回答购物者实际问题所需的政策页（配送、退货）的链接，以及 —— 关键地 —— 把爬虫指向这些页面「AI 可读版本」而非仅仅面向人类的店面 URL 的链接。

面向商品页的「AI 可读 JSON-LD」到底长什么样？

JSON-LD（JSON for Linking Data）是一段包含结构化数据的 script 标签 —— 就是搜索引擎多年来用来做富媒体摘要的同一项技术，只是对 AI 购物助手真正重要的字段，比大多数 SEO 清单要求的走得更远。一段最低限度「AI 可读」的商品块大致是这样：

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Example Product Name",
  "description": "A complete, factual description — not marketing copy.",
  "sku": "EX-1234",
  "brand": { "@type": "Brand", "name": "Example Brand" },
  "offers": {
    "@type": "Offer",
    "price": "49.99",
    "priceCurrency": "USD",
    "availability": "https://schema.org/InStock"
  },
  "additionalProperty": [
    { "@type": "PropertyValue", "name": "Material", "value": "Cotton" },
    { "@type": "PropertyValue", "name": "Dimensions", "value": "12in x 8in" }
  ]
}

additionalProperty 数组正是大多数 Shopify 主题干脆跳过的部分 —— 用例相关的事实（材质、尺寸、兼容性、容量）就存在这里，而这恰恰是 AI 助手把购物者的具体问题（「一个 10 英寸以内、能放进小架子的东西」）自信地匹配到某个具体商品所需的数据，而不是退回到含糊的类目匹配。

Agentic Page 在这幅技术图景里处于什么位置？

为单个商品页写对 JSON-LD 是个已解决的问题；但要在整个目录范围内写得正确、一致、且价格准确 —— 并随价格和库存变化持续保持更新 —— 这不是大多数商家用手工维护得来的。这正是 Agentic Page 自动化的那一层：它在整个 Shopify 目录范围内生成并维护结构化、AI 可读的标记（JSON-LD 加一份持续维护的 llms.txt），让上面讲的技术底座是「规模化存在」的，而不是只在少数几个手工编辑过的页面上。

这也是 DeepLumen 的 Discovery → Intention → Deal（D.I.D.）框架中的 Discovery（发现）层 —— 决定 AI 购物助手能否首先发现、解析并信任一个目录的那一环，之后下游的对话或交易才谈得上。HOTO Tools 的 AI 日流量增长 659% 可以追溯到同一技术层被修好 —— 不是一次营销或内容改动，而是一次数据结构改动。

「技术上有效」和「真正 AI 可读」有什么区别？

一个商品页可以通过 Google 的 Rich Results Test，却仍然拿不到 AI 购物助手的推荐。最常见的三个缺口：

问题	发生了什么	影响
标记存在但不完整	JSON-LD 含 name/price，却省略了 additionalProperty 事实和类目专属属性	AI 助手能确认商品存在，却无法把它匹配到某个具体的购物者约束，于是被数据更完整的竞品挤掉
标记存在但不可抓取	JSON-LD 在页面加载后由客户端 JavaScript 注入	不执行 JS（或在 JS 运行前就超时）的爬虫，根本看不到这些结构化数据
没有 llms.txt，或只链了首页	站点没有一份经筛选的面向 AI 的索引，或有一份过时的、没指向当前目录/政策页	AI 助手退回到它能笼统抓到的任何内容，错过了真正能回答购物者问题的那些页面

这些直接对应到 DeepLumen 的 ACCC 框架四个维度中的两个（Accessibility 可访问性、Crawlability 可抓取性、Content Structure 内容结构、Content Quality 内容质量）—— Crawlability 抓住上面那个 JavaScript 渲染问题，Content Structure 抓住标记不完整的问题。

在 Shopify 店铺上，具体该怎么落地？

先审计当前 JSON-LD 覆盖情况。 检查商品页是否已经输出 Product schema 块，如果有，是否包含了 price/availability 之外的 additionalProperty 事实 —— 大多数默认 Shopify 主题只做到基础字段就停了。
补充或扩展商品级 JSON-LD， 纳入购物者经 AI 中介的查询会用到的具体事实 —— 尺寸、材质、兼容性、使用场景 —— 而不只是一个人浏览页面时看照片就能推断出来的东西。
确认标记是服务端渲染的， 而不是事后由客户端 JavaScript 注入的，这样不执行脚本的爬虫也能看到。
发布并维护一份 llms.txt， 指向目录的核心系列页和政策页，并随目录变化保持更新 —— 一份过时的 llms.txt，和没有几乎没什么两样。
按节奏定期复查，而不是一次了事。 价格、库存和产品线都会变；上线时准确的标记，会像 sitemap 一样慢慢过期。

DeepLumen 的位置

DeepLumen 把 Agentic Page 定位为专门做这一层工作的旗舰产品 —— 在整个 Shopify 目录范围内自动生成并维护 AI 可读的 JSON-LD 和 llms.txt，而不需要商家逐页手工维护上面描述的标记。这份指南里的技术工作，正是 Agentic Page 规模化执行的工作，并对照 ACCC 框架的 Accessibility、Crawlability、Content Structure、Content Quality 四个维度做校验。

想看这件事「非技术版」的实操，可参阅《让你的 Shopify 店铺变得 AI 可发现：实用指南》；至于修好这一层在营收上值多少，可参阅《90% 对 AI 不可见：AI 发现差距》。

弄清你的目录的 JSON-LD 和 llms.txt 是否真的 AI 可读，而不只是技术上有效。了解 Agentic Page 或预约演示，为你的店铺做一次免费 ACCC 扫描。