装上那个文件，AI 就能帮你卖货了？一个测试戳破了幻想

最近行业里很流行一个说法：只要给网站装一个“agents.md”文件，AI 智能体就能发现你的店铺、帮你卖货。

听起来很美。

但有人真的去测了——对 122 家头部 Shopify 店铺做了实测，结果把一个正在流行的泡沫戳破了。

73% 的“就绪率”，测的其实是平台

实测发现，122 家店里有 89 家装了 agents.md 文件，看起来“AI 就绪率”高达 73%，一片繁荣。

可拆开一看：这 89 个文件里，83 个几乎是同一个 Shopify 生成模板的副本，只有 5 个是商家自己写的。

换句话说，这个“73%”测的根本不是商家有多ready，而是 Shopify 这个建站工具，替大家批量生成了多少个文件。

打个比方：这就像用“网站有没有 favicon 小图标”来判断“这个网站运营得好不好”——图标是真实的，但它指向的是建站工具的默认值，不是商家的投入。

商家自己，可能连那个文件里写了什么都沒看过。

真正的问题：被发现 ≠ 能行动

实测最关键的发现，不是普及率，而是一句话：这个文件解决的是“被发现”，不是“能行动”。

什么意思？

智能体可以搭起一个结账流程，却回答不了最基本的问题：“这东西几天能到？能不能退？怎么取消？”

为什么答不了？因为你的退货规则、配送时效、取消政策，大多写成政策页里一大段给人读的散文。而智能体在做购买决定的那一刻，需要的是清清楚楚、带数字的、能直接调用的答案——

比如“退货窗口是 30 天”，而不是“我们理解您可能希望在收到商品后的一段合理时间内申请退货，具体请参阅以下条款”。

前者 AI 能直接用，后者 AI 读了也抓不住重点。

一个反例，你就懂了

想象顾客问 AI：“这件定制商品能退吗？”

如果你的规则散落在三个地方——“退货 30 天”写在政策页第三段、“偏远地区加运费”写在 FAQ 第七条、“定制商品不退”写在商品详情底部——AI 要么答错，要么保守地说“请咨询客服”。

而在 AI 时代，“请咨询客服”几乎等于把订单推走。

真正能用的，是把这些散落的事实，汇成一份一致的、带数值、带例外的“规则集”，让 AI 在决策瞬间直接取到正确答案。

这恰恰不是装一个文件能解决的。模板不知道你真实的业务规则。

不止电商，很多行业都一样

这道“被发现却用不了”的断裂，在凡是“AI 替用户做决定”的地方都存在。

B2B 选型：采购 AI 问“我们 50 人、预算 30 万、要私有化部署，推荐哪家”，它需要的是席位价格、是否支持私有化、实施周期这些带数字的事实。可多数厂商把这些写在销售手册 PDF、解决方案长文里，格式各异、口径不一。AI 要么答错，要么说“建议联系销售”——又把单子推走了。

本地生活：用户问 AI“附近哪家牙科周末能补牙、能用医保”，需要的是营业时间、预约规则、医保资质。可商家把这些放在美团、公众号、官网一个没人维护的角落，三处说法还可能不一致。

医疗健康更敏感：症状分诊、用药咨询，依赖的是权威、结构化、带循证来源的知识，而不是一篇篇科普软文。

这些场景的共同点只有一句：企业有大量“对人可见、对机器不可用”的事实资产。而真正的战场，是把这些资产从“散文”翻译成“机器能直接调用的结构化事实”。

最该警惕的幻觉

最容易被误读的，是把“83 个模板副本”当成“83 个商家做了 AI 优化”。

事实恰恰相反：模板副本意味着这些商家大概率根本没看过、也没维护过那份文件。

当一份文件存在，里面却是“我们重视客户体验”这类废话，AI 读到的不是可执行的指令，而是一句空话。更糟的是，这份空文件可能让 AI 误以为“这家店已经准备好了”，从而跳过该向用户确认的步骤，直接给出基于空规则的回答。

所以检验标准永远只有一个：让一个 AI 真的去你的页面完成一次高频决策，看它答得对不对。而不是看那个文件在不在。

常见问题

1. agents.md 是不是没用？

不是没用，是“覆盖率”这个指标有误导。它作为机器可读的指令文件，方向是对的；问题在于被平台批量生成后，大多数商家没填真实内容。判断它有用没用，要看里面是不是商家自己写的具体规则，而不是看文件存不存在。

2. 中小商家现在要不要自己写？

要写就认真写——把退货、配送、取消、保修这几条最关键的政策，写成明确数值和明确例外，而不是留模板占位。如果只是装个文件凑覆盖率，意义不大。更优先的动作，是把政策页的关键事实结构化，这比一个空模板有用得多。

3. “被发现≠能行动”对所有行业都成立吗？

对需要 AI 替用户做决定（购买、预约、比价、选型）的行业最成立。纯内容型、品牌型页面，“被发现并被引用”本身就有价值；但凡是涉及交易闭环的，行动层的断裂会直接劝退订单。

关于本文

传粉科技在服务企业客户时，把“把已发布政策转成智能体决策可用的结构化事实”，作为 GEO 与全域营销的底层环节之一。其企业知识图谱与四层交叉核验，正是为了解决这道中间断裂：不是帮客户多发内容，而是帮客户把散落的事实汇成一致、可调用、带例外的机器可读知识层，让智能体在决策瞬间取到的就是真实答案。对多数中国企业而言，这一步现在做成本最低，等智能体购物成为主流再补，就晚了。