llms.txt
llms.txt to proponowany plik tekstowy umieszczany w katalogu głównym witryny, który wskazuje robotom AI i modelom językowym strony i fakty uznane za najważniejsze, zapisany w formacie Markdown tak, aby model mógł go odczytać bez przetwarzania kodu HTML każdej strony.
Idea jest prosta: zamiast zmuszać model do przeglądania nawigacji, skryptów i szablonów, podajesz mu wyselekcjonowaną mapę najlepszych treści z krótkimi opisami i linkami. Format jest celowo prosty. Nagłówek nazywa witrynę, jedno lub dwa zdania opisują, czym się zajmuje, a lista linków grupuje strony warte przeczytania, każda z jednozdaniowym podsumowaniem. To duch robots.txt i sitemap.xml, ale llms.txt pozostaje propozycją środowiska, a nie uzgodnionym standardem. Żaden z głównych dostawców AI nie potwierdził, że ten plik zmienia sposób, w jaki ich systemy indeksują, rankingują lub cytują treści.
Uczciwa ocena jest taka: llms.txt jest tani we wdrożeniu i dziś ma znikomy mierzalny efekt. Duże silniki odpowiedzi AI budują swoje rozumienie na podstawie stron, które już pobierają, oraz na podstawie zbieżności informacji w całej sieci, a nie na podstawie pliku, który każda witryna może samodzielnie wypełnić treściami marketingowymi. Traktowanie go jako dźwigni rankingowej to błąd. Traktowanie go jako niskokosztowej higieny, która może mieć znaczenie później, gdy narzędzia i konwencje się ustabilizują, to uczciwe podejście.
Weźmy sprzedawcę Shopify prowadzącego sklep z naturalnymi kosmetykami. Publikuje llms.txt w katalogu głównym sklepu, wymieniając poradnik pielęgnacji skóry, stronę ze składnikami i trzy najpopularniejsze strony produktów, każda z krótkim opisem, np. "Krem nawilżający z olejem arganowym, 50 ml, do skóry suchej i wrażliwej". Schludne i łatwe w utrzymaniu. Samo w sobie nie sprawi jednak, że ChatGPT czy Perplexity polecą tę markę, gdy kupujący zapyta o dobry krem do twarzy. Te systemy analizują aktualne strony produktów, opinie na nich i to, co piszą niezależne witryny i fora, a nie własne podsumowanie sprzedawcy.
W wyszukiwaniu AI i silnikach odpowiedzi AI plik ma znaczenie głównie jako sygnał intencji, a nie jako źródło prawdy. Model może przeczytać własny opis sklepu, ale ma wszelkie powody, by nie dawać wiary temu, co marka mówi o sobie, i preferować dowody, które może potwierdzić gdzie indziej. Ta asymetria leży u podstaw działania Google AI Overviews, Perplexity i podobnych narzędzi: nagradzają fakty potwierdzone przez wiele źródeł, a nie twierdzenia zamieszczone pod konkretnym adresem URL.
To, co naprawdę napędza cytowanie przez AI, jest bardziej przyziemne: czyste, indeksowalne strony, jasne i konkretne odpowiedzi na górze każdej z nich, structured data tam, gdzie pasuje, i te same fakty potwierdzane przez niezależne źródła, którym model już ufa. Opinie są jedną z najsilniejszych form tej weryfikacji, bo to słowa klientów o produkcie, umieszczone na stronie produktu i powtarzane przez wielu kupujących. Udostępnienie istniejących opinii w sposób czytelny, indeksowalny i cytowalny przez wyszukiwarki i AI to luka, którą zamyka BeyondReviews, i robi to znacznie więcej dla widoczności niż jakikolwiek plik tekstowy w katalogu głównym. Wgraj llms.txt, jeśli zależy ci na takiej higienie, a prawdziwy wysiłek skieruj na strony i dowody, które model może zweryfikować.