LLMs.txt

llms.txt 是一个专为大型语言模型设计的站点索引文件，思路类似 robots.txt，但目标不同：robots.txt 告诉搜索引擎爬虫「什么能爬」，llms.txt 则为 AI 工具提供网站内容的结构化摘要，帮助它们更快、更准地理解和引用文档。

UDhold 开发文档已全量适配这一标准，并且随文档更新自动同步——你读到这篇指南时，AI 拿到的就是最新内容。

可用资源

本地开发调试时同样可访问：http://localhost:7013/llms.txt。

在 AI 工具中使用

Cursor

1. 打开 Settings → Indexing & Docs → Docs → Add doc
2. 填入 https://udhold.cn/llms-full.txt，保存
3. 编码时用 @Docs 引用，例如：

@Docs 按 UDhold 插件契约帮我生成一个「待办清单」插件的工程骨架，
包含 plugin.json、Vue 3 入口和一个待办列表页面。

TRAE

1. 打开「设置」→「文档集」（或对话输入框的 #Docs 上下文）
2. 添加文档集，URL 填 https://udhold.cn/llms-full.txt
3. 对话时 # 选中该文档集即可引用

Claude Code / Codex 等 CLI 编码代理

在项目（或全局）的 AGENTS.md / 规则文件里加一行指引，代理会在开发 UDhold 插件前主动抓取文档：

## UDhold 插件开发

开发 UDhold 插件相关代码前，先读取 https://udhold.cn/llms-full.txt 了解
plugin.json 契约、权限模型与设计系统，再动手写代码。

网页版 AI 对话（Claude / ChatGPT 等）

• 支持联网的模型：直接把 https://udhold.cn/llms-full.txt 链接发给它，让它基于文档回答
• 不联网的模型：先打开 llms.txt 找到相关章节，把对应文档页内容粘贴进对话

其他工具

任何支持 llms.txt 标准或 URL 摄取的工具（知识库、RAG 管道、IDE 插件等）都可以直接使用上面两个地址，无需额外适配。

让 AI 写出能跑的插件

投喂文档只是第一步，提问方式决定产出质量：

• 先文档后代码：让 AI 先通读 llms-full.txt 再动手，避免它按 uTools 或浏览器扩展的旧经验瞎编 API
• 点明两件事：宿主方法统一返回 IpcResult 信封（失败不抛异常，要检查 code）；敏感能力必须在 plugin.json 的 permissions 里声明
• 要完整骨架：让 AI 按「目录结构 → plugin.json → package.json → 入口文件」的顺序输出，与快速上手的工程结构对齐，生成后可直接进宿主调试

延伸阅读

• llmstxt.org：llms.txt 标准规范
• 快速上手：跟着文档走一遍完整开发流程