¿Qué es llms.txt? ¿Su sitio web realmente lo necesita?

llms.txt es un archivo propuesto, ubicado en la raíz de un sitio web (/llms.txt), que resume en Markdown para los grandes modelos de lenguaje (LLM) de qué trata el sitio y dónde están sus páginas clave. A día de hoy, ningún gran proveedor de IA ha confirmado oficialmente que lo use para generar respuestas, y Google afirma expresamente que su buscador lo ignora. Para la mayoría de los sitios, llms.txt no es imprescindible: es un experimento barato con un retorno incierto, salvo en productos con documentación técnica.

Puntos clave

llms.txt es una propuesta de la comunidad publicada por Jeremy Howard el 3 de septiembre de 2024; ningún organismo de estandarización la ha aprobado.
El archivo es Markdown sencillo: solo el título H1 es obligatorio; después vienen un resumen, notas y listas de enlaces.
La guía oficial de Google sobre funciones de IA generativa indica que llms.txt no ayuda ni perjudica la visibilidad en la Búsqueda de Google, porque esta lo ignora.
El caso de uso más claro es la documentación de API y productos que los desarrolladores entregan a sus asistentes de programación.
La visibilidad en la IA sigue dependiendo de la calidad del contenido, del rastreo y de las menciones en otras fuentes; solo midiendo sabrá si el archivo cambia algo.

¿Qué es exactamente llms.txt?

La propuesta es una especificación breve publicada en llmstxt.org. La idea: las páginas HTML están llenas de menús, avisos de cookies, anuncios y scripts que ocupan la ventana de contexto del modelo. llms.txt ofrece un índice legible también por personas que le dice al modelo: «empiece aquí». Para una definición breve, consulte nuestra entrada del glosario sobre llms.txt.

Estructura del archivo

Según la especificación, las secciones siguen este orden:

Un título H1 con el nombre del proyecto o del sitio (la única sección obligatoria).
Un bloque de cita que resume la actividad del sitio.
Párrafos de detalle opcionales, sin encabezados.
Secciones H2, cada una con una lista de enlaces en el formato [nombre](url): nota breve.
Por convención, una sección H2 «Optional» con enlaces secundarios que el modelo puede omitir si el contexto es limitado.

Ejemplo para un proveedor ficticio de software de comercio electrónico:

# Ejemplo Tienda Software
> Plataforma de comercio electrónico en la nube para pymes.

## Documentación
- [Instalación](https://ejemplo.es/docs/instalacion.md): abrir la primera tienda
- [Referencia de la API](https://ejemplo.es/docs/api.md): endpoints REST

## Optional
- [Notas de versión](https://ejemplo.es/changelog.md)

La propuesta recomienda además servir una versión Markdown limpia de las páginas útiles en la misma URL con .md añadido (por ejemplo, pagina.html.md). Muchas plataformas de documentación generan también un llms-full.txt con todo el contenido en un solo archivo; es una práctica extendida, pero no forma parte de la especificación base.

¿En qué se diferencia de robots.txt y sitemap.xml?

Los tres archivos cumplen funciones distintas:

Archivo	Función	Destinatarios	Estado
robots.txt	Indica qué bot puede rastrear qué	Rastreadores (Googlebot, GPTBot, etc.)	Protocolo ampliamente adoptado
sitemap.xml	Enumera todas las URL indexables	Motores de búsqueda	Protocolo ampliamente adoptado
llms.txt	Ofrece un mapa de contenido seleccionado y resumido	LLM y agentes que buscan información al responder	Propuesta; soporte no garantizado

Lo esencial: llms.txt no es un control de acceso. Para bloquear o permitir un rastreador de IA se usa robots.txt; OpenAI, por ejemplo, documenta que GPTBot y OAI-SearchBot respetan sus reglas. llms.txt solo dice: «si ya está aquí, mire primero esto».

¿Los sistemas de IA leen realmente llms.txt?

La respuesta honesta: hay poca evidencia. En abril de 2025, John Mueller (Google) señaló que, hasta donde sabía, ningún servicio de IA había declarado usar llms.txt, que los registros del servidor ni siquiera mostraban solicitudes del archivo, y lo comparó con la antigua metaetiqueta keywords. La guía oficial de Google Search Central sobre funciones de IA generativa es aún más clara: no necesita nuevos archivos legibles por máquinas, archivos de texto para IA ni Markdown para aparecer en la Búsqueda de Google; esta los ignora, y añadirlos no ayuda ni perjudica.

Un matiz: Lighthouse, la herramienta de auditoría del equipo de Chrome, añadió en 2026 una categoría «Agentic Browsing» con una comprobación experimental de llms.txt. Solo verifica que no haya un error de servidor al solicitar el archivo; si no existe (404), el resultado es «no aplicable», sin penalización ni efecto declarado sobre el posicionamiento o las citas.

Muchas empresas de software publican llms.txt para su propia documentación. Ese uso es sobre todo iniciado por el usuario: un desarrollador pega la URL del archivo en su asistente de programación o un plugin del IDE lo carga como contexto. Explicamos cómo elige la IA sus fuentes en qué fuentes cita la IA.

¿Su sitio necesita llms.txt?

Depende del tipo de sitio y de sus recursos.

Cuándo tiene sentido

Productos para desarrolladores: si ofrece una API, un SDK o documentación de software compleja, sus usuarios ya trabajan con asistentes de programación. Un llms.txt limpio, con versiones Markdown, les ayuda a responder con información exacta y actual.
Sitios preparados para agentes de IA: ofrecer un punto de entrada estructurado es un experimento razonable.

Cuándo no es prioritario

Negocios locales, webs corporativas, tiendas en línea pequeñas: aquí la visibilidad depende de la calidad del contenido, las reseñas, los directorios y las menciones en fuentes de terceros.
Sitios con problemas de SEO técnico sin resolver: si sus páginas no se pueden rastrear, dependen de JavaScript o cargan despacio, empiece por ahí.

Ejemplo hipotético: una clínica dental de Valencia que dedica un día a llms.txt probablemente gane mucho menos que otra que publica una página que responde con claridad a «¿cuánto cuesta un implante dental?» y aparece en directorios sanitarios reconocidos. Para la estrategia general, vea nuestra guía qué es GEO.

Cómo crear llms.txt, paso a paso

Mantenga el proceso pequeño y medible:

Defina el objetivo: ¿qué preguntas debe poder responder correctamente un modelo?
Elija entre 10 y 30 páginas clave como máximo: las más valiosas y duraderas, no todo el sitio.
Redacte el resumen: en el bloque de cita, describa su marca en una frase factual, sin superlativos.
Ofrezca versiones Markdown si puede: genere versiones .md de las páginas clave y enlace a ellas.
Publique en la raíz: el archivo debe responder en https://sudominio.es/llms.txt como text/plain o text/markdown, sin errores de servidor.
Automatice el mantenimiento: un llms.txt mantenido a mano y lleno de enlaces rotos puede ser peor que no tenerlo.
Mida: revise en los registros del servidor quién solicita el archivo y compare su visibilidad en las respuestas de IA antes y después.

¿Cómo medir el efecto?

El error más común es publicar llms.txt y dar por hecho que ya se es visible en la IA. Hacen falta dos niveles de datos. Primero, los registros del servidor: muestran qué user-agents solicitan el archivo y con qué frecuencia. Sin solicitudes, no hay efecto. Segundo, la medición a nivel de respuesta: hacer periódicamente preguntas reales de usuarios a los asistentes de IA en su mercado objetivo y registrar cuántas respuestas mencionan su marca y qué fuentes aparecen.

Las respuestas de IA varían incluso ante el mismo prompt; una captura aislada no demuestra nada. Hay que excluir las respuestas fallidas del denominador y comparar a los competidores sobre la misma muestra. Explicamos estos principios en cómo medir la visibilidad en IA y en la página de metodología de GeoDog. Para obtener una línea base de su marca, puede iniciar un análisis gratuito y repetir las mismas preguntas unas semanas después de publicar el archivo.

En el plano académico, el estudio «GEO: Generative Engine Optimization» de Aggarwal et al. (KDD 2024) mostró que las intervenciones sobre el contenido, como añadir citas y estadísticas, pueden influir en la visibilidad en las respuestas de los motores generativos; no existe evidencia comparable para señales a nivel de archivo como llms.txt. Vea también GEO vs SEO.

Preguntas frecuentes

¿Añadir llms.txt puede perjudicar mi SEO?

Según la guía oficial de Google, no: la Búsqueda de Google ignora el archivo, así que no sube ni baja su posicionamiento.

¿Puedo bloquear bots de IA con llms.txt?

No. El control de acceso se hace en robots.txt (y, si hace falta, a nivel de servidor); llms.txt no bloquea nada.

¿Qué diferencia hay entre llms.txt y llms-full.txt?

llms.txt es un mapa breve de enlaces. llms-full.txt suele reunir todo el texto de la documentación en un único archivo; no figura en la especificación base, aunque es habitual en plataformas de documentación.

¿Qué es llms.txt y su sitio web realmente lo necesita?