llms.txt nedir? Siteniz için gerekli mi? (2026 rehberi)

llms.txt, bir web sitesinin kök dizinine (/llms.txt) konan ve büyük dil modellerine (LLM) sitenin ne olduğunu, en önemli sayfalarının nerede bulunduğunu Markdown formatında özetleyen önerilmiş bir dosyadır. Bugün itibarıyla hiçbir büyük yapay zeka sağlayıcısı, cevap üretirken bu dosyayı kullandığını resmi olarak açıklamış değil; Google ise kendi arama ürünlerinde onu yok saydığını açıkça yazıyor. Dolayısıyla çoğu site için llms.txt "olmazsa olmaz" değil, düşük maliyetli ve düşük getirili bir deneydir; teknik dokümantasyonu olan ürünler için ise gerçek bir fayda sağlayabilir.

Kısaca

llms.txt, Jeremy Howard tarafından 3 Eylül 2024'te önerilen, resmi bir standart kuruluşunca onaylanmamış bir topluluk önerisidir.
Dosya sade bir Markdown belgesidir: zorunlu tek öğe bir H1 başlığıdır; ardından özet, açıklama ve bağlantı listeleri gelir.
Google, üretken yapay zeka özellikleri rehberinde llms.txt'nin Google Arama'da ne yardım ne de zarar edeceğini, çünkü yok sayıldığını belirtiyor.
En somut kullanım alanı, geliştiricilerin kod asistanlarına bağlam verdiği API ve ürün dokümantasyonudur.
Görünürlüğü belirleyen asıl etken hala içeriğin kalitesi, taranabilirliği ve başka kaynaklarda nasıl anıldığınızdır; bunu ölçmeden dosyanın etkisini bilemezsiniz.

llms.txt tam olarak nedir?

Öneri, llmstxt.org adresinde yayımlanan kısa bir spesifikasyondan ibarettir. Temel fikir şudur: Bir dil modeli bir siteyi "okumak" istediğinde HTML sayfalarındaki menüler, çerez bannerları, reklamlar ve JavaScript kalabalığı hem bağlam penceresini doldurur hem de anlamı bulanıklaştırır. llms.txt, bu gürültüyü atlayıp modele "önce şunlara bak" diyen, insan tarafından da okunabilen bir içindekiler tablosu sunar. Kavramın kısa tanımı için llms.txt sözlük maddesine de göz atabilirsiniz.

Dosyanın yapısı

Spesifikasyona göre bölümler şu sırayla gelir:

Projenin veya sitenin adını taşıyan bir H1 başlığı (tek zorunlu bölüm).
Sitenin ne yaptığını özetleyen bir alıntı bloğu (blockquote).
Başlık içermeyen, isteğe bağlı açıklama paragrafları.
Her biri bir bağlantı listesi barındıran H2 bölümleri; her satır [ad](url): kısa not biçimindedir.
Konvansiyonel olarak "Optional" adlı bir H2 bölümü: bağlam kısaysa modelin atlayabileceği ikincil bağlantılar.

Varsayımsal bir e-ticaret yazılımı için örnek:

# Örnek Mağaza Yazılımı
> KOBİ'ler için bulut tabanlı e-ticaret altyapısı.

## Dokümantasyon
- [Kurulum](https://ornek.com/docs/kurulum.md): ilk mağazayı açma
- [API referansı](https://ornek.com/docs/api.md): REST uç noktaları

## Optional
- [Sürüm notları](https://ornek.com/changelog.md)

Öneri ayrıca faydalı sayfaların aynı URL'nin sonuna .md eklenerek temiz bir Markdown sürümüyle sunulmasını tavsiye eder (ör. sayfa.html.md). Pek çok dokümantasyon platformu buna ek olarak tüm içeriği tek dosyada toplayan llms-full.txt dosyası üretir; bu, çekirdek spesifikasyonun parçası değil, yaygınlaşmış bir topluluk alışkanlığıdır.

robots.txt ve sitemap.xml ile farkı ne?

Üç dosya sık karıştırılır, ama işlevleri farklıdır:

Dosya	Amaç	Kimin için	Bağlayıcılık
robots.txt	Hangi botun neyi tarayabileceğini söyler	Tarayıcılar (Googlebot, GPTBot vb.)	Yaygın kabul gören protokol
sitemap.xml	İndekslenebilir tüm URL'leri listeler	Arama motorları	Yaygın kabul gören protokol
llms.txt	Seçilmiş, özetlenmiş içerik haritası sunar	Çalışma anında bilgi arayan LLM ve ajanlar	Öneri; destek garanti değil

Kritik nokta şu: llms.txt bir erişim kontrolü değildir. Bir yapay zeka botunun sitenizi taramasını engellemek ya da izin vermek istiyorsanız bunu robots.txt ile yaparsınız; örneğin OpenAI, GPTBot ve OAI-SearchBot gibi botlarının robots.txt kurallarına uyduğunu dokümantasyonunda açıklar. llms.txt yalnızca "buradaysan şunlara öncelik ver" der.

Yapay zeka sistemleri llms.txt'yi gerçekten okuyor mu?

Dürüst cevap: kanıtlar zayıf. Google'dan John Mueller Nisan 2025'te, bildiği kadarıyla hiçbir yapay zeka hizmetinin llms.txt kullandığını söylemediğini, sunucu loglarında bu dosyanın sorgulanmadığını belirtti ve onu eski "keywords" meta etiketine benzetti. Google Search Central'ın üretken yapay zeka özelliklerine yönelik resmi rehberi ise daha net: Google Arama'da görünmek için yeni makine okunabilir dosyalar, yapay zeka metin dosyaları ya da Markdown oluşturmanız gerekmiyor; Google Arama bunları yok sayıyor ve dosyayı eklemek ne yardım ne de zarar ediyor.

Tablo tamamen tek yönlü de değil. Chrome ekibinin Lighthouse aracı 2026'da eklediği "Agentic Browsing" kategorisinde llms.txt'yi deneysel bir kontrol olarak ele alıyor. Ancak bu denetim yalnızca dosya istendiğinde sunucu hatası oluşup oluşmadığına bakıyor; dosya yoksa (404) sonuç "uygulanamaz" oluyor. Yani Lighthouse "llms.txt eklemezseniz cezalandırılırsınız" demiyor, sadece varsa düzgün çalışmasını bekliyor ve bu kategori sıralama ya da atıf etkisi iddia etmiyor.

Diğer taraftan pek çok yazılım şirketi, kendi dokümantasyonu için llms.txt yayımlıyor. Buradaki kullanım çoğunlukla kullanıcı tetiklemeli: bir geliştirici, kod asistanına dosyanın URL'sini verir ya da IDE eklentisi onu bağlam olarak çeker. Bu, ChatGPT veya Perplexity'nin genel bir soruyu cevaplarken dosyanızı otomatik okuduğu anlamına gelmez. Yapay zekanın hangi sayfaları kaynak olarak seçtiğine dair mekanizmayı yapay zeka hangi kaynaklara atıf yapar yazımızda ayrıntılı ele aldık.

Sitenizin llms.txt'ye ihtiyacı var mı?

Karar, sitenizin türüne ve kaynaklarınıza bağlı. Aşağıdaki çerçeve pratik bir başlangıç noktasıdır.

Mantıklı olduğu durumlar

Geliştirici odaklı ürünler: API, SDK veya karmaşık bir yazılım dokümantasyonunuz varsa, kullanıcılarınız zaten kod asistanlarıyla çalışıyor. Temiz bir llms.txt ve Markdown sürümler, asistanların doğru ve güncel bilgiyle cevap vermesine yardımcı olabilir.
Statik site üreteci kullananlar: Dosya otomatik üretilebiliyorsa bakım maliyeti neredeyse sıfırdır.
Ajan dostu altyapı hedefleyenler: Yapay zeka ajanlarının sitenizde görev tamamlamasını bekliyorsanız, yapılandırılmış bir giriş noktası sunmak mantıklı bir denemedir.

Öncelik olmadığı durumlar

Yerel işletmeler, kurumsal tanıtım siteleri, küçük e-ticaret siteleri: Burada görünürlük; içerik kalitesine, yorumlara, dizinlere ve üçüncü taraf kaynaklarda anılmaya bağlıdır.
Teknik SEO sorunları çözülmemiş siteler: Sayfalarınız taranamıyor, JavaScript arkasında kalıyor ya da yavaşsa önce bunları düzeltin.

Varsayımsal bir örnek: İstanbul'da bir diş kliniği llms.txt eklemek için bir gün harcamak yerine, "implant fiyatları" gibi sorulara net cevaplar veren bir sayfa yayımlarsa ve güvenilir sağlık rehberlerinde listelenirse, yapay zeka cevaplarında anılma ihtimali büyük olasılıkla daha çok artar. Bu stratejinin genel çerçevesi için GEO nedir rehberimize bakabilirsiniz.

llms.txt nasıl oluşturulur? Adım adım

Denemeye karar verdiyseniz, süreci küçük ve ölçülebilir tutun:

Hedefi belirleyin: Modelin hangi soruları doğru cevaplamasını istiyorsunuz? Ürün tanımı, fiyatlandırma mantığı, dokümantasyon?
En fazla 10–30 kritik sayfa seçin: Tüm siteyi değil, en çok değer taşıyan ve güncel kalacak sayfaları listeleyin.
Özeti yazın: Blockquote içinde markanızı tek cümlede, abartısız ve olgusal biçimde tanımlayın.
Mümkünse Markdown sürümler sunun: Önemli sayfalar için .md sürümleri üretin; bağlantıları bunlara yönlendirin.
Kök dizine yayımlayın: Dosya https://alanadiniz.com/llms.txt adresinde, text/plain veya text/markdown olarak, sunucu hatası vermeden açılmalı.
Bakımı otomatikleştirin: Elle tutulan, eskimiş bağlantılarla dolu bir llms.txt, hiç olmamasından daha kötü olabilir.
Ölçün: Sunucu loglarında dosyaya kimin eriştiğini izleyin ve yapay zeka cevaplarındaki görünürlüğünüzü öncesi ve sonrası olarak karşılaştırın.

Etkisini nasıl ölçersiniz?

En yaygın hata, llms.txt'yi ekleyip "artık yapay zekada görünürüz" varsaymaktır. Etkiyi anlamak için iki veri katmanı gerekir. Birincisi sunucu logları: Dosyaya hangi user-agent'ların, ne sıklıkla eriştiğini görürsünüz. Erişim yoksa etki de yoktur. İkincisi cevap düzeyinde ölçüm: Hedef pazarınızda gerçek kullanıcı sorularını düzenli aralıklarla yapay zeka asistanlarına sorup markanızın kaç cevapta geçtiğini ve hangi kaynakların gösterildiğini kaydetmek.

Burada metodoloji önemlidir. Yapay zeka cevapları aynı soruda bile değişkendir; tek bir ekran görüntüsü kanıt değildir. Başarısız cevapları paydadan çıkaran, rakipleri aynı örneklem üzerinde karşılaştıran bir yaklaşım gerekir. Bu konudaki ilkeleri yapay zeka görünürlüğü nasıl ölçülür yazımızda ve GeoDog'un metodoloji sayfasında açıkladık. Kendi markanız için bir başlangıç ölçümü almak isterseniz ücretsiz bir sorgu başlatabilirsiniz; llms.txt'yi ekledikten birkaç hafta sonra aynı soru setini tekrar çalıştırmak, gerçek etkiyi görmenin en sağlam yoludur.

Akademik tarafta da durum benzer: Aggarwal ve arkadaşlarının KDD 2024'te yayımlanan "GEO: Generative Engine Optimization" çalışması, kaynak ve istatistik eklemek gibi içerik düzeyindeki müdahalelerin üretken motor cevaplarındaki görünürlüğü etkileyebildiğini gösterdi; llms.txt gibi dosya düzeyindeki sinyallere dair benzer bir kanıt henüz yok. SEO ile GEO arasındaki farkları merak ediyorsanız GEO ve SEO farkı yazısı iyi bir devam okumasıdır.

SSS

llms.txt eklemek SEO'ma zarar verir mi?

Google'ın resmi rehberine göre hayır: Google Arama dosyayı yok sayar, bu yüzden sıralamanızı ne artırır ne de düşürür. Tek risk, eskimiş veya yanlış bilgi içeren bir dosyanın onu okuyan araçları yanıltmasıdır.

llms.txt ile yapay zeka botlarını engelleyebilir miyim?

Hayır. Erişim kontrolü robots.txt ile (ve gerekirse sunucu düzeyinde) yapılır. llms.txt yalnızca içerik önerir; hiçbir şeyi engellemez.

llms.txt ile llms-full.txt arasındaki fark nedir?

llms.txt bağlantı içeren kısa bir haritadır. llms-full.txt ise genellikle tüm dokümantasyon metnini tek dosyada birleştirir; çekirdek spesifikasyonda yer almayan, özellikle dokümantasyon platformlarında yaygınlaşmış bir uygulamadır.

llms.txt nedir ve siteniz buna gerçekten ihtiyaç duyuyor mu?