Что такое llms.txt и нужен ли он вашему сайту?

llms.txt — это предложенный формат файла, который размещается в корне сайта (/llms.txt) и в виде Markdown кратко объясняет большим языковым моделям (LLM), о чём сайт и где находятся его ключевые страницы. На сегодня ни один крупный ИИ-провайдер официально не заявил, что использует этот файл при генерации ответов, а Google прямо пишет, что его поиск файл игнорирует. Поэтому для большинства сайтов llms.txt — не обязательный элемент, а недорогой эксперимент с невысокой ожидаемой отдачей; реальную пользу он может принести прежде всего продуктам с технической документацией.

Главное

llms.txt — предложение сообщества, опубликованное Джереми Говардом (Jeremy Howard) 3 сентября 2024 года; ни одна организация по стандартизации его не утверждала.
Файл — обычный Markdown: обязателен только заголовок H1, за ним следуют краткое описание, пояснения и списки ссылок.
В официальном руководстве Google по генеративным ИИ-функциям сказано, что llms.txt не помогает и не вредит видимости в Google Поиске, потому что Поиск его игнорирует.
Самый понятный сценарий — документация API и продуктов, которую разработчики передают ИИ-ассистентам для программирования.
Видимость в ИИ по-прежнему определяют качество контента, доступность для сканирования и упоминания в сторонних источниках; помогает ли файл, вы узнаете только с помощью измерений.

Что такое llms.txt?

Предложение представляет собой короткую спецификацию на сайте llmstxt.org. Идея проста: когда языковая модель «читает» сайт, HTML-страницы перегружены меню, баннерами о cookie, рекламой и JavaScript — всё это занимает контекстное окно и размывает смысл. llms.txt предлагает понятное и человеку оглавление, которое говорит модели: «начните отсюда». Краткое определение есть в нашем глоссарии: llms.txt.

Структура файла

Согласно спецификации, разделы идут в таком порядке:

Заголовок H1 с названием проекта или сайта (единственный обязательный раздел).
Цитата (blockquote) с кратким описанием сайта.
Необязательные абзацы с подробностями без заголовков.
Разделы H2, каждый из которых содержит список ссылок в формате [название](url): короткая заметка.
По соглашению — раздел H2 «Optional» со второстепенными ссылками, которые модель может пропустить, если контекст ограничен.

Пример для вымышленного разработчика e-commerce-платформы:

# Пример Магазин Софт
> Облачная платформа электронной коммерции для малого и среднего бизнеса.

## Документация
- [Установка](https://primer.ru/docs/install.md): запуск первого магазина
- [Справочник API](https://primer.ru/docs/api.md): REST-эндпоинты

## Optional
- [Список изменений](https://primer.ru/changelog.md)

Спецификация также рекомендует отдавать чистую Markdown-версию полезных страниц по тому же адресу с добавлением .md (например, page.html.md). Многие платформы документации дополнительно генерируют llms-full.txt, где весь контент собран в одном файле. Это распространённая практика сообщества, но не часть базовой спецификации.

Чем llms.txt отличается от robots.txt и sitemap.xml?

Эти три файла часто путают, хотя задачи у них разные:

Файл	Назначение	Для кого	Статус
robots.txt	Определяет, какому боту что можно сканировать	Краулеры (Googlebot, GPTBot и др.)	Общепринятый протокол
sitemap.xml	Перечисляет все индексируемые URL	Поисковые системы	Общепринятый протокол
llms.txt	Даёт отобранную, сжатую карту контента	LLM и агенты, ищущие информацию в момент ответа	Предложение; поддержка не гарантирована

Ключевой момент: llms.txt не управляет доступом. Чтобы запретить или разрешить ИИ-краулеру обход сайта, используется robots.txt; например, OpenAI в документации указывает, что её краулеры GPTBot и OAI-SearchBot соблюдают правила robots.txt. llms.txt лишь говорит: «если вы уже здесь, сначала посмотрите это».

Действительно ли ИИ-системы читают llms.txt?

Честный ответ: доказательств мало. В апреле 2025 года Джон Мюллер (John Mueller) из Google отметил, что, насколько ему известно, ни один ИИ-сервис не заявлял об использовании llms.txt, а в серверных логах не видно даже запросов к этому файлу, и сравнил его со старым мета-тегом keywords. Официальное руководство Google Search Central по генеративным ИИ-функциям ещё яснее: чтобы появляться в Google Поиске, не нужны новые машиночитаемые файлы, текстовые файлы для ИИ или Markdown-версии; Поиск их игнорирует, и такой файл не помогает и не вредит.

При этом картина не полностью однозначна. Lighthouse — инструмент аудита от команды Chrome — в 2026 году добавил категорию «Agentic Browsing», где llms.txt проверяется в экспериментальном режиме. Однако аудит смотрит только на то, возникает ли ошибка сервера при запросе файла; если файла нет (404), результат — «неприменимо». То есть отсутствие файла не наказывается, а сама категория не заявляет никакого влияния на ранжирование или цитирование.

Многие софтверные компании публикуют llms.txt для собственной документации. Но такое использование в основном инициирует пользователь: разработчик вставляет URL файла в ИИ-ассистента или плагин IDE подгружает его как контекст. Это не то же самое, что ChatGPT или Perplexity автоматически читают ваш файл, отвечая на общий вопрос. Как ИИ на самом деле выбирает источники, мы разбирали в статье какие источники цитирует ИИ.

Нужен ли llms.txt вашему сайту?

Ответ зависит от типа сайта и ваших ресурсов. Ниже — практичная отправная точка.

Когда это оправдано

Продукты для разработчиков: если у вас есть API, SDK или сложная документация, ваши пользователи уже работают с ИИ-ассистентами. Аккуратный llms.txt вместе с Markdown-версиями поможет ассистентам отвечать точнее и актуальнее.
Сайты на генераторах статических сайтов: если файл создаётся автоматически, затраты на поддержку почти нулевые.
Команды, готовящиеся к ИИ-агентам: если вы ожидаете, что агенты будут выполнять задачи на вашем сайте, структурированная точка входа — разумный эксперимент.

Когда это не приоритет

Локальный бизнес, корпоративные сайты-визитки, небольшие интернет-магазины: здесь видимость зависит от качества контента, отзывов, каталогов и упоминаний на сторонних ресурсах.
Сайты с нерешёнными проблемами технического SEO: если страницы не сканируются, скрыты за JavaScript или медленно загружаются, начните с этого.

Гипотетический пример: стоматологическая клиника в Казани, потратившая день на llms.txt, скорее всего, выиграет гораздо меньше, чем клиника, опубликовавшая страницу с чётким ответом на вопрос «сколько стоит имплант зуба» и попавшая в авторитетные медицинские каталоги. Общую стратегию мы описали в руководстве что такое GEO.

Как создать llms.txt: пошагово

Если решите попробовать, сделайте процесс небольшим и измеримым:

Определите цель: на какие вопросы модель должна отвечать правильно? Описание продукта, логика цен, документация?
Выберите не более 10–30 ключевых страниц: самые ценные и долгоживущие, а не весь сайт.
Напишите описание: в блоке цитаты опишите бренд одним фактическим предложением, без рекламных преувеличений.
По возможности дайте Markdown-версии: создайте .md-версии ключевых страниц и ведите ссылки на них.
Опубликуйте в корне: файл должен открываться по адресу https://ваш-домен.ru/llms.txt как text/plain или text/markdown без ошибок сервера.
Автоматизируйте поддержку: llms.txt, который ведётся вручную и полон устаревших ссылок, может быть хуже, чем его отсутствие.
Измеряйте: отслеживайте в логах, кто запрашивает файл, и сравнивайте видимость в ответах ИИ до и после.

Как измерить эффект?

Самая частая ошибка — добавить llms.txt и решить, что теперь бренд виден в ИИ. Для обоснованного вывода нужны два уровня данных. Первый — серверные логи: они показывают, какие user-agent запрашивают файл и как часто. Нет запросов — нет и эффекта. Второй — измерение на уровне ответов: регулярно задавать ИИ-ассистентам реальные вопросы пользователей на вашем целевом рынке и фиксировать, во скольких ответах упоминается бренд и какие источники показываются.

Здесь важна методология. Ответы ИИ меняются даже на один и тот же запрос; отдельный скриншот ничего не доказывает. Нужен подход, который исключает неудачные ответы из знаменателя и сравнивает конкурентов на одной и той же выборке. Эти принципы мы описали в статье как измерить видимость в ИИ и на странице методологии GeoDog. Чтобы получить исходную точку для своего бренда, можно запустить бесплатную проверку; повторный прогон того же набора вопросов через несколько недель после публикации llms.txt — самый надёжный способ увидеть реальный эффект.

Научные данные говорят о том же. Исследование Aggarwal и соавторов «GEO: Generative Engine Optimization» (KDD 2024) показало, что вмешательства на уровне контента — например, добавление ссылок на источники и статистики — могут влиять на видимость в ответах генеративных систем; сопоставимых данных о сигналах на уровне файлов вроде llms.txt пока нет. О различиях с классической оптимизацией читайте в статье GEO и SEO: разница.

Частые вопросы

Может ли llms.txt навредить SEO?

Согласно официальному руководству Google — нет: Google Поиск игнорирует файл, поэтому он не повышает и не понижает позиции. Единственный риск — устаревший или неточный файл, который введёт в заблуждение инструменты, действительно его читающие.

Можно ли с помощью llms.txt заблокировать ИИ-ботов?

Нет. Доступом управляют через robots.txt (и при необходимости на уровне сервера). llms.txt только предлагает контент и ничего не блокирует.

Чем llms.txt отличается от llms-full.txt?

llms.txt — короткая карта из ссылок. llms-full.txt обычно объединяет весь текст документации в одном файле; его нет в базовой спецификации, но он распространён, особенно на платформах документации.

Что такое llms.txt и действительно ли он нужен вашему сайту?