NLWeb是什么？微软开源的网站对话接口，读的是你已经写好的Schema和RSS

摘要：NLWeb是微软2025年5月开源的项目，全称Natural Language Web，由RSS和Schema.org的创造者R.V. Guha主导。它让网站可以直接用自然语言回答人和AI代理的提问，答案用Schema.org格式的JSON返回，每个NLWeb实例同时也是一个MCP服务器。Moz在9月25日重发的白板星期五里，Wix的Crystal Carter把它介绍为让网站准备好迎接代理网络的工具，核心卖点是复用你已经做好的结构化数据。对照微软的GitHub文档，官方实现的数据入口是Schema.org、RSS、JSONL和CSV这类结构化列表，提问走ask和mcp两个接口，支持列表、摘要、生成三种模式。它目前和Google排名没有直接关系，最适合商品、菜谱、活动这类条目多、结构清楚的网站。

站内搜索框，可能是一个网站里最被忽视的功能。用户打一句长一点的话进去，比如我每周打两次网球，主要在红土场，脚偏宽，想找双不容易崴脚的鞋，大多数站内搜索要么什么都搜不到，要么给你一堆不相干的结果。

NLWeb想解决的就是这件事，而且不只给人用，也给AI代理用。Moz在9月25日的白板星期五里请了Wix的AI搜索与SEO传播负责人Crystal Carter，专门讲NLWeb是什么。页面上标注这期最早发布于2026年6月，这次是重发。

这篇以那期视频的内容为主体，对照微软的官方公告和GitHub文档，把NLWeb是什么、怎么运作、怎么上手、值不值得现在做讲清楚。

NLWeb到底是什么，谁在做？

NLWeb是微软的开源项目。微软2025年5月19日的发布公告说，它的目标是让网站用自己选择的模型和自己的数据，简单地做出一个自然语言界面，用户可以像问AI助手一样直接问网站里的内容。

项目由R.V. Guha构思和开发，他当时刚加入微软，任企业副总裁和技术院士。Guha是RSS、RDF和Schema.org这几个网络标准的创造者，Crystal Carter在视频里也特意提了这一点。做SEO的人每天在写的Schema标记，最早就出自他手。

公告里列出的首批合作方包括Chicago Public Media、Common Sense Media、DDM（旗下有Allrecipes和Serious Eats）、Eventbrite、Hearst（Delish）、O'Reilly Media、Shopify、Tripadvisor，以及Milvus、Qdrant、Snowflake这几家向量数据库和数据平台。媒体、菜谱、活动票务、旅游点评、电商，都是条目多、结构清楚的网站。

它算不算一个协议

这一点视频和官方文档的说法不太一样，值得对一下。

Crystal Carter说NLWeb不完全是一个协议，它用到了协议，用的是一个叫ASK的协议。微软GitHub仓库的说明则写得更具体：NLWeb是一组开放协议和配套的开源工具，有两个主要组成部分。

• 一个简单的协议，让人用自然语言和网站交互，返回Schema.org格式的JSON。
• 一个直接可用的实现，利用网站上已有的结构化列表标记，比如商品、菜谱、景点、评价，再配上界面组件，就能加上对话界面。

仓库里说的ask，是每个NLWeb实例都支持的核心方法，用来向网站提一个自然语言问题。视频里的ASK协议，指的就是这个方法和它对应的接口。

仓库说明里还有一句很有代表性的话：NLWeb之于MCP和A2A，就像HTML之于HTTP。MCP是模型上下文协议，A2A是代理之间通信的协议，都是让AI助手调用工具、互相协作的标准。每个NLWeb实例同时就是一个MCP服务器，说明里还写着A2A支持即将加入。

一次提问在NLWeb里是怎么走完的？

视频里用一个机器人代表AI代理，讲了一个完整的过程：人或者代理问了一个很长的问题，网站上装了NLWeb，就调用ask，去网站的结构化数据里找相关内容，用大模型理解问题、整理答案，需要的话还会调用网站的MCP工具，最后生成一个对提问者有意义的回答。

Crystal Carter强调的一个好处是，答案以网站自己的数据为依据，能减少大模型编造内容。

落到技术上，官方的REST接口文档写得很清楚。NLWeb目前提供两个接口：/ask和/mcp。两者参数相同，功能大部分一样，/mcp返回MCP客户端能用的格式，还支持MCP的核心方法，比如列出工具、调用工具。

接口参数

参考实现在服务端不保存对话状态，所以多轮对话的上下文要靠调用方自己传回去，这就是prev和decontextualized_query两个参数的用处。

三种回答模式

返回结果是一个JSON对象，每条结果包含url、name、site、score、description和schema_object。description是大模型生成的，schema_object是从数据库里取出的这条内容的原始JSON。文档还说，结果数组之后会改成更丰富的结构，从Schema.org的ItemList开始。

一个请求长什么样

按文档里的参数，一次最简单的列表查询大致是下面这样。网址、问题和返回值都是演示用的，字段名以官方文档为准：

GET https://example.com/ask?query=适合宽脚的红土场网球鞋&mode=list&streaming=false

{
  "query_id": "q_8f2a",
  "results": [
    {
      "url": "https://example.com/products/clay-court-shoe-wide",
      "name": "Clay Court Pro Wide",
      "site": "example",
      "score": 0.87,
      "description": "宽楦设计，鞋底花纹针对红土场",
      "schema_object": { "@type": "Product", "name": "Clay Court Pro Wide", "offers": { "@type": "Offer", "price": "89.00", "priceCurrency": "USD" } }
    }
  ]
}

如果是代理通过MCP来调用，请求发往/mcp，参数相同，返回的格式换成MCP客户端能识别的样子。

这个设计对网站方有个实际意义：代理拿到的每条结果，都带着你自己写的结构化数据原文。你的Schema写得准不准、全不全，直接决定代理看到的是什么。

视频里说的结构化数据，包括哪些东西？

这一段是视频里讲得最有意思的部分。Crystal Carter说，很多人一听结构化数据，想到的就是Schema标记和JSON-LD。可在数据科学里，凡是给数据打了标签、做了组织，就是结构化。按这个理解，网站上的结构化数据包括：

• Schema标记。
• 标题标签、各级小标题，HTML列表和表格，这些SEO做了很多年的基本功。
• 商品数据源、博客或播客的RSS订阅源。
• XML站点地图。
• 自定义数据库，比如Wix里的CMS动态页面和数据集。

她的结论是，你这些年在Schema、小标题、HTML列表上下的功夫，现在都能派上用场，让网站为代理网络做好准备。她还引用了一个梗：那么多努力，换来了什么？换来了接入NLWeb的资格。

官方实现实际读的是什么

这个说法方向是对的，但和官方参考实现的数据入口对照一下，会更清楚哪些东西是直接用得上的。

按GitHub上的入门文档和数据加载工具说明，NLWeb的做法是先把数据计算成向量，存进向量数据库，查询时从库里检索。数据加载工具支持的格式是这五种：

• 每行两列，用制表符分隔，一列网址，一列JSON。
• 每行一列JSON，网址从JSON里取。
• 带表头的CSV文件。
• RSS或Atom订阅源。
• 指向上面任意一种格式的网址。

可以看出，官方实现直接吃进去的，是Schema.org格式的JSON、RSS和表格数据这类条目化的东西。网页上的小标题、列表、表格，要先被抽取、整理成这几种格式，才能进库。视频里把小标题也算作结构化数据，说的是更宽的理念；要在官方实现里用起来，还得多一步处理。

仓库说明里还有一条生产建议：大多数正式部署会直接连接实时数据库，避免复制内容带来的数据过时问题。对价格和库存经常变的电商站，这一点很关键，向量库里存一份旧价格，代理拿去回答用户，比回答不出来更麻烦。

NLWeb和llms.txt、Schema、MCP的区别

最近一两年冒出来的面向AI的网站标准不少，容易混在一起。放在一张表里看：

前两个是被动的，等AI来读；后两个是主动的，AI可以向网站发请求。NLWeb把Schema这类被动数据，变成了可以被提问的接口。站内写过llms.txt的字段和部署方法，可以对照看两者的定位差别。

一个普通网站要怎么接入？

视频里提到了两条路，加上官方文档，大致有三种接入方式：

自己部署的大致步骤

官方的入门教程是在本机跑起来，用的是本地向量库和几个播客RSS做示例数据，要求Python 3.10以上。步骤压缩一下是这样：

1. 克隆仓库，建一个Python虚拟环境。
2. 进入AskAgent/python目录，安装依赖，会顺带装好本地向量库要用的包。
3. 复制环境变量模板，填上你用的大模型接口密钥。
4. 改config目录下的三个配置文件：大模型提供方、向量模型提供方、检索后端。教程里检索后端用本地的qdrant_local。
5. 运行连通性检查脚本，确认密钥和配置都对。
6. 用数据加载工具把RSS导进向量库，命令格式是python -m data_loading.db_load 数据地址 站点名。
7. 启动服务，打开自带的网页界面提问测试。

教程里默认的OpenAI模型是gpt-4.1和gpt-4.1-mini，向量模型默认是text-embedding-3-small。仓库说明列出的大模型支持包括OpenAI、DeepSeek、Gemini、Anthropic等，向量库支持Qdrant、Snowflake、Milvus、Azure AI Search、Elasticsearch、Postgres和Cloudflare AutoRAG。项目用MIT许可证。

对国内团队来说，模型可以选DeepSeek，这降低了一点门槛。不过外贸站的服务器和用户多在海外，部署位置、接口延迟、数据合规要一起考虑，别只看模型便宜。

成本主要花在哪

开源代码不要钱，跑起来要钱的地方有三处：导入数据时计算向量的费用、每次提问调用大模型的费用、向量数据库的托管费用。条目越多、提问越多，费用越高。generate模式要调用一次或多次大模型，比list模式贵得多。上线前最好先估一下每月的提问量。

现在值不值得做，做SEO的人该怎么看？

先说清楚几件NLWeb目前做不到的事。

它和Google排名没有直接关系。没有任何公开信息表明Google、必应或者ChatGPT的搜索会去调用网站的NLWeb接口来生成答案。装了NLWeb，你的网站多了一个能被代理调用的接口，可代理怎么知道这个接口存在，是另一个问题。仓库里有一个叫AgentFinder的模块，定位是在网络上发现和路由到NLWeb代理的服务；行业里也有别的发现规范在推，比如站内讲过的ARD代理资源发现和Lighthouse的新审计，目前都还在早期。

Crystal Carter在视频里也说，代理网络现在还很偏大企业，提到的是万事达、Stripe、沃尔玛这些公司。她认为NLWeb的价值在于让任何网站都能用一次配置接上代理。这个判断有道理，但也要注意她的身份：她在Wix工作，Wix正好提供了NLWeb的一键集成。视频本身没有给出任何采用率或效果数据。

还有一点容易被忽略。仓库说明里写得很直白：NLWeb提供的实现代码只是概念验证，展示一种可能的做法，不是最终方案，项目希望社区做出超越这些示例的各种实现。仓库现在也不只一个问答服务，还拆出了几个模块：AskAgent是核心的问答代理，AgentFinder负责发现代理，DataFinder把自然语言翻译成SQL去查HubSpot、Dynamics 365、Jira这类企业数据，ModelRouter按质量门槛挑性价比合适的模型，NLWebScorer是给检索结果打分的模型。仓库说明还提到，持续集成和自动部署流程目前没有包含在内。

这说明NLWeb的定位更像一套参考设计和工具箱，要拿去跑正式业务，团队得有能力自己补测试、监控和运维。

哪些网站更值得试

• 条目多、结构清楚的网站：商品目录、菜谱、活动、房源、课程。官方实现本来就是围绕结构化列表设计的，首批合作方也集中在这几类。
• 站内搜索体验差、用户问题又比较复杂的网站。NLWeb本身就是一个更好的站内问答，对人也有用，不必等代理普及。站内测过的电商站内搜索查无结果的页面，问题很普遍。
• 已经在用Wix付费版的小商家，接入成本几乎为零，可以先开着看看。

对内容量不大的外贸B2B企业站，几十个产品页、十几篇博客，单独部署一套NLWeb的投入产出比不高。更实在的做法，是先把视频里说的那些基本功做好，这些投入不管NLWeb以后发展得怎样，都不会浪费。

先把能复用的东西做好

不管最后是NLWeb、MCP，还是别的什么代理接口胜出，它们读网站时都更依赖条目化、字段清楚的数据，少靠模型从一大段文字里猜。可以先做这几件事：

• 商品页的Product标记把价格、库存、型号、品牌、规格写全，和页面显示的一致。按全网采用度排优先级的方法，可以参考Schema使用统计数据的解读。
• 博客和资讯保留一个可用的RSS订阅源，很多建站系统默认就有，别为了省事关掉。RSS是NLWeb官方实现直接支持的数据入口。
• 商品数据源保持更新，它既是Merchant Center的入口，也可以作为NLWeb的数据来源。
• 网页上的操作对代理友好，表单、按钮、筛选能被机器识别。站内做过AI代理能不能在网站上完成操作的检查，四个常见动作，能全部顺利完成的站很少。

串起来说，NLWeb目前更像一个方向明确、工具已经能用的早期项目。它最大的意义，是证明了Schema和RSS这些老标准在代理时代还有新用途。值不值得现在部署，看你的网站有没有大量结构化条目，以及站内搜索是不是真的拖了后腿。

常见问题解答

NLWeb是什么的缩写？

NLWeb是Natural Language Web的缩写，意思是自然语言网络。它是微软开源的项目，让网站可以用自然语言回答人和AI代理的提问。

NLWeb是谁开发的？

由R.V. Guha构思和开发，他是RSS、RDF和Schema.org的创造者，2025年加入微软任企业副总裁和技术院士。项目由微软和开源社区共同维护。

NLWeb是什么时候发布的？

微软在2025年5月19日正式发布NLWeb。GitHub仓库创建于2025年4月底，使用MIT许可证。

NLWeb和MCP是什么关系？

每个NLWeb实例同时是一个MCP服务器，提供/mcp接口，支持列出工具、调用工具等MCP核心方法。官方的说法是，NLWeb之于MCP和A2A，就像HTML之于HTTP。

视频里说的ASK协议是什么？

指NLWeb的核心方法ask和对应的/ask接口，用来向网站提一个自然语言问题。官方文档里它和/mcp接口参数相同，返回Schema.org格式的JSON。

NLWeb能读哪些数据？

官方数据加载工具支持网址加JSON的制表符分隔文件、纯JSON、带表头的CSV、RSS或Atom订阅源，以及指向这些格式的网址。数据会先计算成向量存进向量数据库。

装了NLWeb对Google排名有帮助吗？

没有证据表明有直接帮助。目前没有公开信息显示Google或其他AI搜索会调用网站的NLWeb接口。它更直接的价值是改善站内问答和对代理的可调用性。

NLWeb的三种回答模式有什么区别？

list返回最相关的条目列表，summarize先总结再给列表，generate调用大模型直接回答问题，更接近传统的检索增强生成，费用也更高。

Wix的NLWeb集成有什么要求？

按视频里的说法，需要Wix付费套餐并绑定自定义域名，满足条件后勾选启用即可。

NLWeb会不会让AI直接拿走网站内容？

NLWeb是网站方自己部署的接口，返回哪些数据、对谁开放，由网站方决定。微软公告的说法是，让网站在自己愿意的前提下，参与代理网络。

NLWeb和llms.txt有什么不同？

llms.txt是一份静态的页面清单，AI只能读；NLWeb是可以提问的接口，AI发一个自然语言问题，网站返回匹配的条目或答案。

NLWeb支持哪些大模型？

仓库说明列出的有OpenAI、DeepSeek、Gemini、Anthropic、Inception和HuggingFace上的模型，可以在配置文件里切换。

小型外贸网站需要部署NLWeb吗？

条目少的网站单独部署投入产出比不高。先把Product标记、RSS订阅源、商品数据源这些基础做好，以后接任何代理接口都用得上。

权威参考资料