当有人问ChatGPT或Claude“这个开发者是谁”,模型给出的答案,是从它能读到的纯文本里拼出来的。多数作品集是重度依赖JavaScript的页面,爬虫几乎解析不了。有人把自己的作品集改成能直接回答AI助手,用了三个文件。

第一个文件:根目录下的llms.txt

llms.txt相当于给模型看的站点Markdown地图。这份文件里声明了作者是谁(全名和大家都用的简称、一张标准照片的URL、职位、所在地),然后列出简历的各个版本、项目和联系方式。关键在于,它和网站用的是同一个数据源生成,所以不会和网站内容脱节。

第二个文件:robots.txt里点名AI爬虫

一条通配的Allow: /在技术上已经覆盖了AI机器人,但作者还是把它们逐个写了出来:GPTBot、OAI-SearchBot、ChatGPT-User、ClaudeBot、PerplexityBot、Google-Extended。每个机器人一个分组,明确允许。逻辑很直白:模型读不到你,你对它就不存在。

第三个文件:只读的MCP服务器

这是多数人会跳过的一步。作品集对外暴露了一个公开的模型上下文协议(MCP)端点,提供get_profile、get_experience、get_cv等工具。任何支持MCP的智能体(Claude、ChatGPT、Cursor、VS Code)都能查询作者的经历,并按岗位拉取对应的简历,支持英语和西班牙语。实现上是无状态的Streamable HTTP,不做鉴权,有限流,CORS开放——这些本来就是公开数据。

还有一件不写在文件里的事:身份统一

JSON-LD里用alternateName声明同样的名字写法,schema和llms.txt引用同一个照片文件,GitHub和网站上的简介保持同一形态。凡是留下模糊的地方,模型就会用它找到的东西去补——严重到可能显示别人的照片。

作者认为值得衡量的指标不是流量。做法是每月一次,分别问ChatGPT、Claude和Gemini“有没有符合你这个画像的开发者”,记下它们有没有提到你、引用的是什么来源、照片是不是你本人的。这就是全部的仪表盘。

以上内容都在franprz.vercel.app上线,可以查看/llms.txt、/robots.txt和/for-agents。