---
title: 知识平面
description: next-ai-ready 如何让你的内容被 AI 可读。
canonical_url: https://next-ai-ready.vercel.app/zh/docs/concepts/knowledge-plane
url: https://next-ai-ready.vercel.app/zh/docs/concepts/knowledge-plane
last_updated: 2026-08-01
updated: 2026-08-01
author: next-ai-ready 团队
summary: next-ai-ready 如何让你的内容被 AI 可读。
topics: [architecture, knowledge-plane, capability-plane]
---

# 知识平面

知识平面负责让你的内容被 AI 搜索引擎**可引用**。它将 MDX 页面转化为 AI 系统理解的结构化格式。

## 工作流程

1. **扫描** — 构建 CLI 查找所有匹配 `content` glob 的 MDX 文件
2. **解析** — 提取 frontmatter 和标题为语义元数据
3. **编译** — 每个页面成为图谱中的一个 `SemanticNode`
4. **输出** — 图谱被序列化为多种 AI 可消费的格式

## 产出物

- **`llms.txt`** — 站点级索引，列出每个页面及其摘要，遵循 [llms.txt 提案](https://llmstxt.org)
- **`llms-full.txt`** — 每页正文；若 frontmatter 含 `questions`，会追加 `## FAQ` 块，供深度摄取与 RAG
- **`/<page>.md`** — 每个页面渲染为干净的 Markdown（含 YAML header）
- **`/<page>.ai.json`** — 结构化 JSON，包含语义节点和所有后代
- **JSON-LD** — `Article`、`FAQPage`、`WebPage` 标记嵌入你的页面

请求的 Markdown 页面不存在时，handler 会返回机器可读的 HTTP `200` 恢复文档，
并设置 `X-Robots-Tag: noindex`；文档包含请求路径、`llms.txt`、`sitemap.md`
以及最多五个相关页面。普通浏览器请求仍使用应用真实的 HTML `404`，因此
Agent 恢复不会削弱 SEO 的错误页语义。

## 语义元数据

在 MDX 页面中添加 `semantic` export 来丰富图谱：

```ts
export const semantic = {
  summary: "如何安装 CLI 工具。",
  topics: ["安装", "cli"],
  questions: [
    { q: "如何安装？", a: "运行 pnpm add next-ai-ready。" }
  ],
};
```

Questions 会自动成为 `FAQPage` JSON-LD —— 让你的页面有机会出现在 AI 生成的 FAQ 结果中。