¿Cómo se escribe un archivo llms.txt y qué cabe esperar de él cuando Google lo ignora?

Un archivo llms.txt es un archivo markdown que se coloca en la raíz del sitio, o en cualquier subruta, y que ofrece contenido general adecuado para LLM y enlaces a páginas detalladas (1). Se escribe con una marca de orden de bytes opcional, un H1 con el nombre del proyecto o del sitio como única sección obligatoria, y un blockquote con un resumen breve que contiene la información clave necesaria para entender el resto del archivo. Google afirma que no utiliza los archivos llms.txt para la Búsqueda de Google, así que publicar uno no cambiará tu visibilidad ni tus posiciones allí (2).

¿Cómo escribo un archivo llms.txt?

Crea un archivo markdown llamado llms.txt en la ruta raíz de tu sitio, /llms.txt, o en una subruta como /docs/llms.txt (1). Un archivo cubre las URL bajo su ruta y, cuando más de uno es aplicable, los agentes deben usar el más específico.

Empieza con un H1 que contenga el nombre del proyecto o del sitio (1). A continuación va un blockquote con un resumen breve que contiene la información clave necesaria para entender el resto del archivo. Después vienen cero o más secciones de prosa de cualquier tipo excepto encabezados, y luego cero o más secciones H2 que contienen listas de archivos.

Cada entrada de una lista de archivos es un enlace markdown con la forma [nombre](url), opcionalmente seguido de dos puntos y notas sobre el archivo (1). La propuesta también sugiere que las páginas con información que los agentes podrían necesitar ofrezcan una versión markdown limpia en la misma URL que la página original, añadiendo .md al final (page.html.md) o sustituyendo la extensión por .md (page.md). El archivo en sí debe ser lo bastante pequeño como para caber en el contexto, porque el detalle está detrás de los enlaces y solo se recupera cuando hace falta. Para ayudar a los clientes a encontrar estos archivos, la propuesta recomienda relaciones de enlace estándar, con rel="describedby" apuntando desde una página al archivo llms.txt que la cubre.

El archivo propio de Recala lo genera el código del sitio cada vez que se solicita, con los artículos destacados que lista tomados del blog publicado, y enlaza a un segundo archivo, llms-full.txt, que contiene la lista completa de artículos. El archivo llms.txt de Recala empieza con un H1 y un blockquote que explica a qué se dedica la empresa, seguido de las secciones About Recala, Plans, Core pages, Featured articles y Optional. El llms.txt generado por Recala ha superado el tamaño que su código pretende alcanzar, así que quien genere el archivo debe comprobar su tamaño después de publicarlo.

Partes de un archivo llms.txt y la regla para cada una

Elemento	Regla de la propuesta
Ubicación	En /llms.txt en la raíz del sitio o en una subruta; cubre las URL bajo su ruta, y gana el archivo más específico
Título H1	Nombre del proyecto o del sitio; la única sección obligatoria
Blockquote	Un resumen breve con la información clave necesaria para entender el resto del archivo
Prosa opcional	Párrafos, listas y markdown similar de cualquier tipo excepto encabezados, que dan más detalle sobre cómo interpretar los archivos
Listas de archivos H2	Listas markdown en las que cada elemento tiene un enlace obligatorio `[nombre](url)`, opcionalmente seguido de dos puntos y notas
Destinos de enlaces y tamaño	Los enlaces deben apuntar a contenido adecuado para LLM, como versiones markdown; el archivo se mantiene lo bastante pequeño como para caber en el contexto
Versiones markdown de páginas	Markdown limpio en la misma URL con .md añadido (page.html.md) o con la extensión sustituida (page.md)

¿Qué cabe esperar de llms.txt cuando Google lo ignora?

Google dice que la Búsqueda de Google, incluidas sus funciones de IA generativa, no utiliza los archivos LLMS.txt, así que no necesitas crear uno para aparecer en las Descripciones generales con IA o en el Modo IA (2). Mantener un archivo llms.txt para otros servicios o sistemas que lo lean no tiene ningún problema.

La propuesta describe llms.txt como información que se lee bajo demanda, cuando un agente necesita algo mientras asiste a un usuario (1). Espera que el archivo sea útil sobre todo para la inferencia y no para el entrenamiento. Google dice que, para la Búsqueda de Google, puedes ignorar tácticas como crear archivos de texto de IA innecesarios, como llms.txt, así que no tratamos el archivo como un factor de posicionamiento (2).

Recala no ha medido ningún efecto de su propio archivo llms.txt en las posiciones ni en las citas de IA. No hay comparación de antes y después ni grupo de control, y Recala no garantiza posiciones ni citas por publicar el archivo. Considéralo una opción de bajo coste, no una palanca de crecimiento.

llms.txt es una propuesta para contenido legible por LLM y no es un control de acceso, así que ni concede ni bloquea el acceso de los rastreadores como lo hace robots.txt (1).

¿Qué debo priorizar en lugar de llms.txt y cómo compruebo que los rastreadores pueden llegar a mi sitio?

Pon las reglas de acceso en robots.txt, no en llms.txt (1). El archivo robots.txt debe colocarse en el directorio de nivel superior de un sitio, mediante un protocolo compatible (3).

Para las funciones de IA de la Búsqueda de Google, las mejores prácticas de SEO siguen siendo pertinentes, y los fundamentos de SEO existentes siguen mereciendo la pena (4). Permite el rastreo en robots.txt y en cualquier capa de CDN o alojamiento, enlaza internamente las páginas importantes, mantén el contenido importante en texto y asegúrate de que los datos estructurados coincidan con el texto visible. Una página debe estar indexada y ser apta para mostrar un fragmento antes de poder aparecer como enlace de apoyo en las Descripciones generales con IA o en el Modo IA.

Para la búsqueda de ChatGPT, OpenAI recomienda permitir OAI-SearchBot en tu robots.txt y permitir las solicitudes de sus rangos de IP publicados, porque los sitios que han desactivado OAI-SearchBot no aparecerán en las respuestas de búsqueda de ChatGPT (5). Google suele almacenar en caché el contenido de robots.txt durante hasta 24 horas, aunque puede almacenarlo durante más tiempo cuando no es posible actualizar la versión en caché (3). Recala mantiene todas las reglas para rastreadores en su robots.txt y ninguna en su llms.txt. Los rastreadores de Google tratan todos los errores 4xx, excepto 429, como si un archivo robots.txt válido no existiera (3). Cuando obtiene robots.txt, OpenAI puede añadir una marca de robots.txt a su cadena de user-agent, lo que ayuda a los propietarios del sitio a distinguir esas solicitudes de otras en sus registros (5). OpenAI afirma que pueden pasar unas 24 horas desde la actualización del robots.txt de un sitio hasta que sus sistemas se ajusten a los resultados de búsqueda.

Un archivo robots.txt no puede hacer cumplir el comportamiento de los rastreadores, así que para contenido seguro son preferibles otros métodos de bloqueo, como la protección con contraseña (6).