构建Agent-Native网站：实战指南

如何让网站对AI Agent友好——从理论到实践，结合真实案例。

问题：Web是为人类设计的，不是为Agent

现代Web对AI Agent来说是一场噩梦。要读取一篇博客文章，Agent必须：

获取HTML页面（通常500KB+）
解析DOM，剥离广告、导航和脚本
从嵌套的div中提取实际内容
祈祷页面结构没有变化

这是低效、脆弱且浪费的。 Agent不需要CSS动画，不需要Cookie弹窗，更不需要解析React SPA来找到一段文字。

解决方案是Agent-Native Web：设计同时为人类和Agent提供服务的网站。

什么是Agent-Native Web？

Agent-Native Web是一种设计理念，网站提供并行接口：

人类接口：HTML + CSS + JavaScript（你熟悉的Web）
Agent接口：Agent可直接消费的结构化JSON API

关键洞察不是替换HTML，而是增强它。人类获得精美的页面；Agent获得所需数据，无需解析开销。

核心组件

Agent-Native网站有三层架构：

1. 发现层 — Agent如何找到你

Agent需要知道网站支持它们。标准发现文件包括：

llms.txt — 根目录下的纯文本文件，描述站点结构和可用端点。可以理解为Agent版的robots.txt——不是"不要爬取这个"，而是"这是高效使用我站点的"。

agent-manifest.json — 结构化JSON文件，定义：

站点元数据（名称、描述、语言）
可用API端点及数据格式
速率限制和错误处理
导航结构

agent.md — Agent使用指南，包含使用示例和最佳实践。

2. API层 — 结构化数据端点

Agent不解析HTML，而是消费JSON端点：

博客索引（/api/agent/blog-index.json）：

{
  "total_posts": 23,
  "posts": [
    {
      "slug": "2026-05-19-qwen3-6-27b-fp8-4090-48gb",
      "title": "Qwen3.6-27B-FP8 on RTX 4090",
      "date": "2026-05-19",
      "summary": "Deploying 256K context on 48GB GPU",
      "tags": ["vLLM", "Qwen3.6", "FP8"],
      "content_url": "/api/agent/content/2026-05-19-qwen3-6-27b-fp8-4090-48gb.json",
      "html_url": "/blog/en/2026-05-19-qwen3-6-27b-fp8-4090-48gb.html"
    }
  ]
}

文章内容（/api/agent/content/{slug}.json）：

{
  "slug": "2026-05-19-qwen3-6-27b-fp8-4090-48gb",
  "title": "Qwen3.6-27B-FP8 on RTX 4090",
  "sections": [
    {
      "id": "experiment-setup",
      "heading": "Experiment Setup",
      "content": "We tested Qwen3.6-27B-FP8 on a single RTX 4090..."
    },
    {
      "id": "results",
      "heading": "Results",
      "content": "With gpu_mem=0.85, we achieved 261,856 tokens..."
    }
  ]
}

搜索索引（/api/agent/search.json）：静态索引，包含用于客户端关键词过滤的标准化文本。Agent下载一次后本地过滤——无需服务器端查询处理。

3. 集成层 — 在HTML中嵌入提示

即使Agent不读取发现文件，也应该在HTML中找到提示：

<head>中的Meta标签：

<meta name="agent-manifest" content="https://qevos.ai/agent-manifest.json">
<meta name="llms-txt" content="https://qevos.ai/llms.txt">

HTML注释中的API链接：

<!-- Agent API Endpoints:
  - Blog Index: /api/agent/blog-index.json
  - Search: /api/agent/search.json
  - Content: /api/agent/content/{slug}.json
-->

实战案例：QevosAgent网站

QevosAgent网站（qevos.ai）是Agent-Native Web的实际案例。以下是实现过程：

第一步：发现文件

根目录下三个文件：

llms.txt — 站点概述和端点文档
agent-manifest.json — 结构化元数据（v1.2）
agent.md — 使用指南和代码示例

第二步：自动化API生成

Python脚本（scripts/generate_agent_api.py）读取博客清单和Markdown源文件，生成：

blog-index.json — 完整文章索引和元数据
search.json — 可搜索索引和标准化文本
content/{slug}.json — 结构化文章内容，包含章节

章节从Markdown的##标题解析，让Agent无需解析HTML即可结构化地查看每篇文章。

第三步：发布流程集成

Agent-Native API生成已集成到博客发布流程中：

撰写Markdown → 生成HTML → 生成Agent API → 更新Sitemap → Git推送 → 部署

确保每篇新博客文章同时对人类和Agent可用。

第四步：诚实文档

一个关键教训：文档应该描述实际支持的功能，而不是计划支持的功能。

agent-manifest.json经历了多次迭代：

v1.0：声明了未实现的功能
v1.1：添加响应格式，文档化限制
v1.2：移除误导性参数声明（如静态端点上的limit参数）

核心规则：如果端点不支持某个参数，完全不要提及——即使说"不支持"也会误导Agent认为该参数存在。

为什么这很重要

对网站所有者

更好的AI搜索引擎优化：搜索引擎越来越多地使用AI Agent。Agent-Native站点更容易被索引。
面向未来：随着AI Agent成为主流，结构化API将成为必需品。
低成本：静态JSON文件几乎不需要托管成本。

对AI Agent

更快：JSON比HTML更小、解析更快
更可靠：结构化数据不会因为CSS变化而失效
更高效：Agent精确获取所需数据

对Web生态系统

Agent-Native Web创建了一个双接口Web，人类和Agent在其中高效共存。不是替换可视化Web——而是让Web为所有人工作。

开始行动：你的实施计划

第一阶段：发现文件（1小时）

在站点根目录创建llms.txt
创建agent-manifest.json，描述站点结构
在HTML <head>中添加meta标签

第二阶段：基础API（1天）

生成博客索引JSON文件
为现有文章创建内容JSON
用AI Agent测试（试试QevosAgent或Claude）

第三阶段：自动化（1周）

将API生成集成到构建流程中
自动化从Markdown解析章节
添加搜索索引生成

第四阶段：优化（持续）

监控Agent流量模式
优化JSON大小和结构
根据Agent反馈添加新端点

总结

Agent-Native Web不是激进的重新设计——它是一种增强。通过在现有HTML旁边添加结构化JSON端点，你让网站对新一代AI用户开放。

QevosAgent网站证明了这是实用且可实现的，只需最少的努力。从llms.txt开始，添加博客索引，然后逐步迭代。

2026年的Web属于人类和Agent。确保你的网站会说两种语言。

本文是Agent-Native Web系列的一部分，聚焦于实战实现。

作者：Dr. Qiu & QevosAgent 日期：2026年5月20日