llms.txt: qué es, quién lo lee y cuándo vale la pena

El llms.txt es un archivo de texto en la raíz del sitio que resume qué es el sitio y señala las páginas que un agente de IA debería leer. Está escrito en Markdown, un formato con marcas ligeras de título y enlace. Es una propuesta abierta, no un estándar oficial. Google dice que no hace falta para aparecer en las funciones de IA de la Búsqueda (Centro de la Búsqueda de Google, Funciones de IA y tu sitio web). Vale la pena publicarlo cuando los agentes consultan tu contenido mientras ayudan a alguien, como en la documentación de software, y cuando el archivo sale del propio contenido en lugar de escribirse a mano.

Qué es el archivo

La idea es de Jeremy Howard, publicada el 3 de septiembre de 2024 y revisada en agosto de 2026 (llmstxt.org, la propuesta (en inglés)). El motivo es práctico. La página hecha para personas viene envuelta en menús, anuncios y JavaScript, y el agente gasta contexto y tiempo para encontrar el texto en medio de todo eso.

El formato es corto y sigue un orden fijo, según la especificación (en inglés):

un título de nivel 1 con el nombre del sitio, que es la única parte obligatoria;
una cita en bloque con el resumen de lo que es el sitio;
texto libre, sin subtítulos, con lo que ayuda a leer el resto;
secciones con subtítulo de nivel 2, cada una con una lista de enlaces en el formato [nombre](url): nota.

Por convención, la sección llamada Optional (opcional, en inglés) reúne los enlaces que el agente puede saltarse cuando necesita ahorrar contexto.

La versión 2 trajo tres cambios, descritos en la página de cambios de la propuesta (en inglés). El archivo puede vivir en una subruta, como /docs/llms.txt, y cubre las páginas que hay debajo. Cada página puede tener una versión en Markdown en la misma dirección, terminada en .md. Y el HTML puede apuntar a las dos cosas con rel="alternate" y rel="describedby".

Quién lo lee

La propia propuesta (en inglés) dice para quién es el archivo: el agente que necesita información justo cuando ayuda a alguien. El uso más común es la documentación de software, donde el agente de código busca la referencia correcta de la API. El autor esperaba que se usara más para responder que para entrenar modelos, y dice que así ha sido.

Un agente, aquí, es el sistema que persigue un objetivo actuando, evaluando su avance y decidiendo solo el siguiente paso. La definición es de Caleb Sponheim en Nielsen Norman Group, NN/g (en inglés). Sponheim señala a los agentes de búsqueda y a los de código como los ejemplos más visibles de principios de 2026.

Leer un sitio le sale caro a este lector. Sarah Gibbons y Kate Moran, en NN/g (en inglés), describen tres formas en que un agente usa una página: mirar una captura de pantalla, leer el árbol de accesibilidad o hablar directamente con una API. Una sola captura supera las decenas de miles de tokens, la unidad de texto que procesa el modelo. El árbol de accesibilidad cuesta unos pocos miles.

La prueba de Evan Sunwall con el modo agente de ChatGPT, en NN/g (en inglés), muestra el tamaño de la búsqueda. Para encontrar un restaurante para un almuerzo de trabajo, el agente pasó 6 minutos investigando, con 10 búsquedas y 96 fuentes.

Los laboratorios de IA publican el archivo en su documentación. Está el de OpenAI (en inglés), el de Anthropic (en inglés) y el de la API de Gemini (en inglés). La propuesta (en inglés) también enumera herramientas que generan el archivo solas, como Mintlify, GitBook, Wix y el plugin Yoast SEO para WordPress.

La cifra de adopción viene del autor. Habla de miles de sitios con el archivo, sin un recuento independiente detrás (llmstxt.org, cambios de la versión 2 (en inglés)).

Lo que no hace

No controla el acceso. Lo que puede rastrearse lo dice el robots.txt, y hasta eso es una petición, no un candado. La norma del robots.txt, la RFC 9309 (en inglés), dice que sus reglas “no son una forma de autorización de acceso”.
No saca una página de la Búsqueda. Para limitar lo que muestra Google, también en las funciones de IA, sirven el robots.txt y los controles nosnippet y noindex (Centro de la Búsqueda de Google).
No sustituye al sitemap. El protocolo de sitemap enumera las páginas que el buscador puede indexar. La propuesta (en inglés) busca lo contrario: una selección corta, que quepa en el contexto del modelo.
Google no lo exige. La página de Google sobre funciones de IA dice que no es necesario crear “archivos de texto de IA” para aparecer en las vistas creadas con IA ni en el modo IA.

Dónde no coinciden las fuentes

La diferencia más curiosa está dentro del propio Google. El Centro de la Búsqueda dice que el archivo no hace falta. En cambio, Lighthouse, la herramienta de auditoría de Chrome, comprueba si existe en la raíz del dominio. Esa comprobación está en una categoría experimental de navegación con agentes, que requiere Chrome 150 o posterior (Chrome for Developers, puntuación de la navegación con agentes).

Incluso ahí el archivo es opcional. Según la página de la auditoría, Lighthouse solo marca un problema cuando el servidor da error al entregar el archivo. Si la dirección responde 404, la auditoría queda como no aplicable.

Tal como lo leo, las dos páginas hablan de lectores distintos. La Búsqueda arma su índice con el rastreador y no necesita atajos. El agente que abre el sitio en medio de una conversación tiene poco tiempo y poco contexto, y el archivo existe para él.

El artículo de NN/g sobre los agentes como usuarios (en inglés) ni siquiera habla de un archivo especial. Para servir a personas y agentes a la vez, recomienda la base de la accesibilidad: un nombre claro en cada elemento, patrones previsibles, HTML semántico y una jerarquía lógica. El texto sobre HTML semántico cubre esa parte.

Cuándo no vale la pena publicarlo

No todos los sitios quieren acortarle el camino al agente. El mismo artículo de NN/g (en inglés) recuerda los negocios en los que la visita es el producto, como los sitios que viven de la publicidad. Ahí, un agente que se lleva la respuesta sin la visita es un problema. El texto también menciona casos en los que la fricción existe por normativa, como en finanzas y salud. En esos casos, darle un atajo al agente es una decisión de negocio, no solo técnica.

Cómo armar uno

Empieza por el título y el resumen. El nombre del sitio como título y, justo debajo, una o dos frases que digan qué es y para quién.
Elige páginas, no las pongas todas. Cada enlace lleva una nota corta sobre lo que hay en la página. Esa nota es la que ayuda al agente a decidir si vale la pena abrirla.
Apunta a texto legible. La propuesta (en inglés) pide que los enlaces lleven a contenido fácil para el modelo, como la versión en Markdown de la página, si existe.
Genéralo a partir del contenido. Un archivo escrito a mano queda viejo con el primer texto que se publica después.
Asegúrate de que la dirección responda. El error del servidor es el único caso que Lighthouse marca como fallo.
Pruébalo con un agente. La propuesta (en inglés) sugiere hacerle preguntas sobre el sitio a un agente que solo recibió el archivo como punto de partida.

Cómo aparece en mis proyectos

En kahue.net, el llms.txt (en inglés) se genera en el build, la etapa que arma el sitio antes de publicarlo, a partir del contenido. Trae el nombre, el resumen del perfil, las páginas principales, la lista de textos con la descripción de cada uno y la dirección de los tres idiomas. Un texto nuevo entra solo en el siguiente build. Dejé el motivo anotado en el código: un archivo fijo en la carpeta pública quedaría viejo con la primera publicación y empezaría a decir algo falso sobre el sitio.

El sitio no publica una versión en Markdown de cada página. El enlace lleva al HTML estático, que ya llega con el texto completo y no depende de JavaScript para mostrarlo.

En el sitio de Vexor, el producto en el que armo asistentes de IA para WhatsApp, el llms.txt (en portugués) entró como una pieza de la capa de SEO y GEO que escribí. GEO es el trabajo de que los motores de respuesta con IA te encuentren y te citen. El archivo está junto a las dudas respondidas en la página y a la oferta y el precio en datos estructurados. Para ver cómo esos motores eligen qué citar, lee el texto sobre motores de respuesta con IA.

El error común

El error común es publicar el llms.txt esperando subir en Google o que una IA te cite. Google dice que las prácticas de SEO de siempre siguen valiendo, y el archivo no entra en esa cuenta. Lo que hace es acortar el camino de un agente hasta las páginas correctas. Si esas páginas son flojas, el archivo solo lleva al agente más rápido hasta ellas.