Sitemap站点地图：向引擎声明全站URL清单

Sitemap（站点地图）是以XML格式列出站点全部重要URL及其更新时间等元信息的文件，帮助搜索引擎与AI爬虫系统性发现与抓取页面。sitemap面向引擎声明URL全集，llms.txt面向AI声明阅读优先级，两者互补构成AI时代的双索引体系；sitemap中的lastmod帮助引擎判断内容新鲜度，是GEO技术层的基础配置。

机制

标准sitemap.xml遵循sitemaps.org协议（2006年由主流搜索引擎共同制定）：urlset根元素下列url条目，每个含loc（URL）、lastmod（最后更新时间）、changefreq（更新频率）与priority（优先级）。单文件上限5万URL或50MB，超出需用sitemap index组织多文件，并通过robots.txt的Sitemap指令声明位置。

引擎将sitemap作为发现与调度的补充信号：新URL可加速进入抓取队列，lastmod帮助判断内容新鲜度与再抓取价值。changefreq与priority是提示性信号，采信度低于页面实际更新表现；据公开观察，引擎对sitemap内URL的收录仍取决于页面质量与站点权重，提交不等于收录，sitemap是放大器不是入场券。

形成闭环需配合索引反馈：Google Search Console等工具报告sitemap处理状态与已编入索引的URL数量，未收录的URL需从质量、重复、屏蔽等方向排查。AI爬虫没有同等反馈面板，需以日志中各爬虫对sitemap内URL的实际抓取情况间接评估覆盖度，发现未被发现的页面及时补链。

落地方法

• 收录全部公开内容页，含知识专题与百科词条页
• lastmod写真实更新时间，不批量刷假时间戳
• 大站点用sitemap index分文件组织并压缩传输
• 分页与参数页按规范处理，避免重复URL混入
• robots.txt用Sitemap指令声明全部sitemap地址
• 与canonical规范URL完全一致，排除301与404
• 定期对照日志检查各AI爬虫的URL抓取覆盖率

常见误区

• sitemap里放301重定向URL或404页面
• 从不更新，新增页面迟迟不被引擎发现
• lastmod批量刷当前时间，新鲜度信号失真
• 提交后不看不查，收录反馈从未进入优化循环

相关词条：llms.txt、Canonical、内容新鲜度