llms.txt

llms.txt er en foreslået ren tekstfil, placeret på en hjemmesides rod på samme måde som robots.txt eller sitemap.xml, der giver store sprogmodeller et kurateret, maskinlæsbart resumé af en hjemmesides vigtigste sider og indhold. Ideen er at hjælpe AI-crawlere og -assistenter med at finde og citere det rigtige materiale i stedet for at gætte ud fra hvad de kan scrape.

Sådan er den struktureret#

En typisk llms.txt-fil er et kort Markdown-dokument: en en-linjers hjemmesidebeskrivelse, derefter en kurateret liste over links til de sider, der betyder mest (dokumentation, nøgledefinitioner, priser, politikker), normalt med en en-linjers note om, hvad hvert link dækker. Nogle hjemmesider udgiver også en udvidet llms-full.txt med mere komplet sideindhold inkluderet, så en model ikke behøver at hente hver enkelt linkede side separat.

Den er (endnu) ikke en officiel webstandard#

I modsætning til robots.txt, som søgemaskiner har respekteret i årtier, er llms.txt et community-forslag, som individuelle AI-platforme måske eller måske ikke læser eller prioriterer. Adoption er ujævn: nogle AI-crawlere tjekker angiveligt for den, andre ignorerer den fuldstændigt og stoler på normal crawling og eksisterende struktureret data i stedet. Behandl llms.txt som et signal blandt flere snarere end en garanteret citatmekanisme.

Hvor den passer ind ved siden af GEO og AEO#

llms.txt er infrastruktur, ikke indholdsstrategi. Den får ikke en side citeret alene, det underliggende indhold skal stadig være den slags direkte, velstrukturerede svar, som Generative Engine Optimization og Answer Engine Optimization beskriver. Hvad llms.txt tilføjer, er et kort: den fortæller en crawler, hvilke sider der er værd at prioritere, hvilket betyder mere på en stor hjemmeside, hvor en model ellers måske ville tage tilfældige stikprøver og gå glip af de faktisk autoritative sider. Den samme disciplin bag Hvad er annoncetransparens? og Hvad er et annoncetransparensværktøj? gælder for, hvordan disse sider selv bliver skrevet.

Et fungerende eksempel: direkte forespørgsel på annoncedata#

Den mere direkte version af denne ide, ud over en kurateret fil, er at give AI-systemer struktureret adgang til reelle data i stedet for blot crawlbare sider. OpenAdLibrarys Native Ad Library MCP gør præcis det: den lader Claude og ChatGPT forespørge OpenAdLibrarys annoncetransparens-indeks over indsamlede annoncer direkte gennem en protokol bygget til AI-agenter, i stedet for at forsøge at resumere en scrapet side om det. Det er det samme underliggende mål som llms.txt, at give modellen den rigtige information med mindre gætteri, taget et skridt videre med en faktisk datagrænseflade i stedet for en kurateret linkliste.

Bør du udgive en?#

For de fleste indholdshjemmesider er udgivelse af en grundlæggende llms.txt lav indsats og lav risiko: det er en lille statisk fil, den påvirker ikke normal SEO, og selv delvis adoption af AI-crawlere er en fordel uden reel ulempe. Den er ikke en erstatning for at gøre selve indholdet svar-klar, og den vil ikke fikse sider, der begraver deres pointe tre afsnit nede. Tænk på den som et høflighedskort til crawlere oven på indhold, der allerede fungerer til Ad Intelligence-stil research, ikke en genvej uden om at skrive det indhold godt.