llms.txt: plik dla agentów AI

llms.txt to otwarta propozycja formatu pliku Markdown, zwykle dostępnego pod adresem /llms.txt. Ma on pomóc agentom AI i narzędziom opartym na modelach językowych szybko zrozumieć, czym zajmuje się strona oraz gdzie znajdują się jej najważniejsze materiały. Zamiast kazać agentowi przeszukiwać na ślepo rozbudowane HTML z nawigacją, banerami i skryptami, właściciel witryny daje mu krótką mapę: nazwę projektu, zwięzły opis, zasady interpretacji oraz odnośniki do konkretnych stron lub wersji Markdown. Specyfikację zaproponował Jeremy Howard, a sam format pozostaje propozycją społeczności, nie normą zarządzaną przez wyszukiwarkę.

Dla eksperta sprzedającego wiedzę sens pliku nie polega na „sterowaniu odpowiedziami ChatGPT” ani na magicznym rankingu w Google. llms.txt nie daje kontroli nad tym, czy model zacytuje markę, i nie zastępuje indeksowalnych stron, dobrego contentu, linków, danych strukturalnych ani źródeł. Google w swoich aktualnych wskazówkach dotyczących wyszukiwania generatywnego wprost podkreśla, że nie trzeba wdrażać specjalnego oznaczenia lub nowych plików wyłącznie po to, aby pojawić się w funkcjach AI. Wartość llms.txt jest operacyjna: może zmniejszyć tarcie, gdy agent lub crawler świadomie szuka materiałów w tym formacie, a także wymusza uporządkowanie własnego źródła prawdy na stronie.

Minimalna wersja zgodna z propozycją ma nagłówek H1 z nazwą witryny i krótki cytat blokowy z opisem. Potem można dodać zwykłe sekcje Markdown, na przykład „Oferta”, „Wiedza” i „Kontakt”, każdą z linkami opisanymi ludzkim językiem. Dobry plik jest selektywny. Linkuje do kanonicznych, publicznych adresów, a nie do wersji roboczych, parametrów kampanii, stron testowych czy prywatnych dokumentów. Dla dokumentacji technicznej format szczególnie zyskuje, gdy prowadzi do lekkich wersji Markdown artykułów. Dla strony eksperckiej wystarczą linki do aktualnej oferty, metody pracy, najważniejszych przewodników i danych kontaktowych.

Praktyczny przykład: konsultantka ma stronę z usługą wdrożeń AI, katalogiem wiedzy i formularzem konsultacji. W pliku może najpierw jednym zdaniem określić odbiorcę oraz zakres pomocy, następnie podać link do strony usługi, artykułu wyjaśniającego proces, FAQ i kontaktu. Agent przygotowujący research dla potencjalnego klienta ma wtedy jasną ścieżkę do źródeł, zamiast wyciągać pojedyncze zdania z przypadkowego wpisu. Zespół powinien traktować ten plik jak spis treści, nie jak drugi opis marki. Każdy obiecany fakt nadal musi być rozwinięty i aktualny na stronie docelowej, bo to tam człowiek i crawler będą weryfikować szczegóły.

Nie myl llms.txt z robots.txt, sitemapą XML ani danymi Schema.org. robots.txt komunikuje crawlerom reguły dostępu do ścieżek. Sitemap wskazuje adresy, które właściciel chce zgłosić do indeksowania. Dane strukturalne opisują określone elementy strony w ustandaryzowanym formacie, aby wyszukiwarka mogła je zinterpretować. llms.txt jest natomiast czytelną dla modelu mapą treści. Te narzędzia mogą współistnieć, ale rozwiązują różne problemy. Dodanie llms.txt nie cofnie blokady w robots.txt, nie naprawi błędnego canonicala, nie zastąpi schematu FAQ i nie sprawi, że niskiej jakości tekst stanie się wiarygodnym źródłem.

Największe ryzyko to marketingowy skrót myślowy: „dodaj plik i będziesz widoczny w AI”. Nie ma publicznego dowodu, że Google traktuje llms.txt jako sygnał rankingowy, a wiele modeli odpowiada z własnego indeksu, wyników wyszukiwania lub wybranych stron, nie z tego pliku. Format może też szybko się zestarzeć, jeśli ręcznie kopiujesz do niego ceny, daty i opisy ofert. Dlatego nie wkładaj do niego zmiennych deklaracji, których nie potrafisz utrzymać. Nie podawaj sekretów, linków do paneli i instrukcji obchodzenia zabezpieczeń. Stosuj go jako publiczną warstwę nawigacji, nie jako kanał do przekazywania modelom poufnego kontekstu.

Wdrożenie zacznij od audytu: wypisz pięć do dziesięciu stron, które realnie reprezentują biznes i są dostępne bez logowania. Usuń z listy duplikaty oraz materiały przestarzałe. Utwórz prosty /llms.txt w UTF-8, użyj prawidłowych absolutnych URL-i, przetestuj odpowiedź HTTP 200 i sprawdź, czy każdy link działa. Przy publikacji nowej oferty lub większego przewodnika aktualizuj listę razem z sitemapą i nawigacją. Mierz przede wszystkim jakość stron docelowych: czy odpowiadają na pytanie, mają autora, źródła, datę aktualizacji i jasny następny krok. Jeśli nie utrzymasz pliku w zgodzie z witryną, lepiej go nie publikować, ponieważ błędna mapa obniża zaufanie do całego źródła.