llms.txt: что он делает, чего не делает и стоит ли с ним возиться

llms.txt — это предлагаемый текстовый файл в формате Markdown в корне сайта, который даёт большим языковым моделям краткую отобранную сводку о сайте и ссылки на его самые полезные страницы. Добавить его недорого, и он может помочь ИИ-инструментам, которые его читают, но ни одна крупная ИИ-поисковая система не подтвердила его как сигнал ранжирования или цитирования.

Что такое llms.txt на самом деле?

Идея проста. Веб-страница создаётся для браузеров: навигация, баннеры cookie, скрипты, футеры. Языковой модели, которая пытается понять ваш бизнес, приходится пробираться через всё это. Предложение llms.txt, опубликованное в 2024 году, предлагает один файл по адресу /llms.txt в формате Markdown, который по сути говорит: «вот кто мы, и вот страницы, которые стоит прочитать». Некоторые версии также указывают на чистые Markdown-копии ключевых страниц, а сопутствующая идея, llms-full.txt, собирает полный текст документации в один файл.

Стоит точно определить его статус. llms.txt — это предложение сообщества, а не веб-стандарт, и это не то же самое, что robots.txt. robots.txt сообщает краулерам, что им можно и нельзя загружать. llms.txt ничего не разрешает и не блокирует; это путеводитель для чтения.

Используют ли его ChatGPT, Gemini, Perplexity или Google AI Overviews?

Здесь большинство статей на эту тему заходят слишком далеко, поэтому мы будем осторожны. На момент написания ни один из крупных сервисов ИИ-поиска публично не заявлял, что llms.txt влияет на выбор цитируемых источников. Google заявлял, что его ИИ-функции опираются на обычный поисковый индекс и системы ранжирования, а его представители скептически отзывались о файле. Серверные логи разных владельцев сайтов показывают редкие обращения к llms.txt, но обращение — не доказательство использования в ответе.

Очевидная ценность llms.txt — в инструментах, которым велено его использовать: ассистентах для разработчиков, агентах для программирования и платформах документации, которые загружают llms.txt проекта, чтобы модель работала с точной актуальной документацией. Если в вашей аудитории есть разработчики, уже одно это может оправдать усилия.

Наша позиция в SNMRush: рассматривайте llms.txt как хороший порядок в хозяйстве, а не как рычаг видимости. Это займёт час, заставит добиться полезной ясности и не спасёт слабый контент.

Как написать хороший llms.txt?

Структура в предложении короткая. H1 с названием сайта или бренда, сводка в один абзац в блоке цитаты, необязательные примечания, затем разделы H2 со списками ссылок, у каждой — описание в одну строку. Раздел «Optional» может содержать ссылки, которые модель может пропустить при ограниченном контексте.

Разобранный пример для вымышленной компании — разработчика бухгалтерского ПО в общих чертах может выглядеть так:

• Заголовок: название бренда — точно так, как вы хотите, чтобы его называли.
• Сводка: два предложения о том, что это за продукт, кому он служит и где работает. Напишите её как ответ, который хотели бы услышать от ассистента.
• Основные страницы: обзор продукта, цены, три самые важные справочные статьи, безопасность и соответствие требованиям.
• Объясняющие материалы: руководства, отвечающие на самые частые вопросы вашей аудитории.
• Необязательное: история компании, пресса, вакансии.

Важнее всего абзац-сводка, и это та же дисциплина, что и блок ответа, который мы рекомендуем на каждой странице. Если вы не можете описать компанию в двух простых фактических предложениях, ИИ-системе тоже будет трудно. Наше руководство по тексту «сначала ответ» подробно разбирает этот навык.

Какие страницы включать?

Выбирайте страницы, которые отвечают на реальные вопросы, а не те, что вам больше всего хочется продать. Здесь исследование аудитории себя окупает. В SNMRush мы используем SOMIN, ИИ-платформу для исследования аудитории, чтобы видеть, какие вопросы и напряжения люди высказывают о категории в публичных разговорах, а затем проверяем, есть ли на сайте ясная страница для каждого. Страницы, отвечающие на эти вопросы, попадают в llms.txt; пробелы — в контент-план. Если хотите увидеть, как это исследование питает стратегию в целом, обзор стратегии SOMIN объясняет подход.

Короткий чек-лист для отбора:

1. Отвечает ли страница ясно на один вопрос в первом абзаце?
2. Актуальна ли она, с точными ценами, функциями и датами?
3. Доступна ли она без входа в аккаунт, скриптов и межстраничных окон?
4. Были бы вы довольны, если бы ассистент процитировал её дословно?
5. Это единственная лучшая страница сайта по этому вопросу, а не одна из пяти пересекающихся?

Определения: llms.txt и его соседи

• robots.txt: давний стандарт, который сообщает краулерам, какие пути им можно загружать. Именно здесь вы разрешаете или блокируете ИИ-краулеры, такие как GPTBot или Google-Extended.
• sitemap.xml: машиночитаемый список URL, чтобы поисковые системы могли их обнаружить.
• llms.txt: предлагаемый человекочитаемый Markdown-путеводитель по вашему самому полезному контенту для языковых моделей.
• llms-full.txt: предлагаемый сопутствующий файл с полным текстом, используется в основном для документации.

Что важнее llms.txt?

Если у вас есть всего неделя, сначала потратьте её на другое. Большинство ответных ИИ-систем, которые ищут в интернете, опираются на поисковые индексы, поэтому сканируемость, индексация и позиции остаются фундаментом. Дальше — сам контент: прямые ответы, конкретные факты, честные сравнения. Затем структурированные данные и единообразная информация о сущности, которые помогают машинам понять, кто вы. И наконец, упоминания на авторитетных сторонних сайтах, которые формируют то, как вас описывают ассистенты.

Такой порядок — ещё и хорошее противоядие от веры в то, что один файл или тег может обеспечить видимость в ИИ. Модели рассуждения, которые обсуждает наша родственная студия GPT5 Marketing, всё лучше взвешивают источники; они вознаграждают содержание, и их трудно обмануть.

Как проверить, работает ли это?

Будьте скромны в атрибуции. Проверьте серверные логи на запросы к /llms.txt и запишите user agent. Ведите фиксированный набор промптов и отслеживайте, цитируют ли вас ИИ-инструменты до и после изменения, но ожидайте, что любой эффект смешается со всем остальным, что вы делаете. Агентства из кейса KPI Media показывают ценность решений, основанных на доказательствах, а не на предположениях, и здесь действует тот же принцип: измеряйте, а не предполагайте.

Наш вердикт прост. Добавьте llms.txt, если у вас есть документация, аудитория разработчиков или вы просто хотите аккуратную сводку о сайте для машин. Тщательно напишите абзац-сводку. А затем возвращайтесь к работе, значимость которой известна: отвечать на вопросы, которые действительно задаёт ваша аудитория, лучше, чем кто-либо ещё.

Если вам нужно второе мнение о вашей настройке, SNMRush включает проверку llms.txt в каждый аудит видимости в ИИ наряду с доступом краулеров, разметкой schema и отслеживанием цитирований.