AI 如何读取 Sweetgreen
Sweetgreen 在我们的 AEO 扫描中得分 43/100，达到第 3 级。这家农场直供沙拉连锁店拥有完善的内容结构，但没有为 AI 代理提供爬虫权限、机器可读的接口或身份认证层——这意味着答案引擎可以显示菜单项目，但在处理或追溯出处时会遇到困难。
AI 看到了什么？
当 AI 代理今天访问 Sweetgreen 主页时，以下是它实际收集到的信号。
结构化数据和清晰的语义 HTML 让代理对菜单类别和餐厅位置有了合理的把握——content_structure 得分 80/100。代理发现处于中等水平 60，这意味着爬虫发现了一些线索，但没有明确的权限许可。代理无法做到的是确认谁拥有该网站、访问机器可读的 API 接口或请求页面的 Markdown 格式摘要。主页无论收到什么 Accept 标头都只返回 HTML，没有 Link 响应头指向代理获取程序化资源。对于向越来越多通过 AI 驱动的查询来发现餐厅的注重健康的消费者销售可自定义沙拉碗的品牌，这个差距直接意味着失去了被引用的机会。
它在哪里丢分？
代理接口和身份认证两项得分都是零——这是 Sweetgreen 总体 43 分中最大的拖累。
该如何修复？
三个针对性的改变解决了扫描发现的最关键问题，并能最快地提高分数。
robots.txt 中的 AI 爬虫规则
声明对每个代理的明确规则，以便 GPTBot、ClaudeBot、PerplexityBot 和其他代理明确了解他们可以索引和引用哪些路径。
扫描发现 Sweetgreen 的 robots.txt 中没有任何主要 AI 爬虫的用户代理块，使他们的行为完全不明确。
为 GPTBot、ClaudeBot 和 PerplexityBot 添加命名的用户代理部分。在每个部分下，Allow 菜单、位置和营养页面以供引用，Disallow 结账或账户路径。这个单一的文件编辑就能一夜之间在 ChatGPT 和 Perplexity 中解锁一致的 AI 引用。
MCP Server Card
在 /.well-known/mcp/server-card.json 发布机器可读的服务器卡，让自主代理能够发现 Sweetgreen 的功能，而不必猜测。
标准 well-known 路径下不存在 MCP Server Card，直接导致 agent_interfaces 类别得分为零。
在 /.well-known/mcp/server-card.json 创建包含 serverInfo 对象（名称、版本、描述）、传输端点和功能块的卡片。对于 Sweetgreen，这可能会公开菜单查询和门店定位工具，让品牌在 AI 助手内部直接可用，而不仅仅是可被引用。
按需 Markdown 响应
当代理发送 Accept: text/markdown 时返回页面的干净 Markdown 版本，为 AI 解析器提供紧凑、引用就绪的格式。
无论发送什么 Accept 标头，网站都只返回 HTML，强迫每个 AI 爬虫解析完整的面向浏览器的标记。
在 CDN 或应用层拦截包含 Accept: text/markdown 的请求，并返回 Content-Type: text/markdown 的响应。对于菜单和营养页面，包含成分列表和卡路里计数的精简 Markdown 响应正是语音助手和 AI 答案引擎回复给注重健康用户的内容。
常见问题
为什么 Sweetgreen 在 AEO 上的得分是 43/100？
robots.txt 中缺少 AI 爬虫规则是否会影响 Sweetgreen 在 AI 搜索结果中的表现？
MCP Server Card 对 Sweetgreen 的 AI 可见性有什么帮助？
你自己的网站为 AI 做好准备了吗？
对任意网址运行同样的五类别分析。免费，开始无需注册。
免费检测你的网站
