llms.txt

llms.txt es un archivo de texto plano propuesto, colocado en la raíz de un sitio web al estilo de robots.txt o sitemap.xml, que brinda a los grandes modelos de lenguaje un resumen curado y legible por máquina de las páginas y contenidos más importantes de un sitio. La idea es ayudar a los rastreadores y asistentes de IA a encontrar y citar el material correcto en lugar de adivinar a partir de lo que puedan extraer.

Cómo está estructurado#

Un archivo llms.txt típico es un documento corto en Markdown: una descripción de una línea del sitio, seguida de una lista curada de enlaces a las páginas que más importan (documentación, definiciones clave, precios, políticas), generalmente con una nota de una línea sobre lo que cubre cada enlace. Algunos sitios también publican un llms-full.txt ampliado con contenido de página más completo en línea, de modo que el modelo no tenga que obtener cada página enlazada por separado.

No es (todavía) un estándar web oficial#

A diferencia de robots.txt, que los motores de búsqueda han respetado durante décadas, llms.txt es una propuesta de la comunidad que las plataformas de IA individuales pueden o no leer o priorizar. La adopción es desigual: algunos rastreadores de IA supuestamente lo verifican, otros lo ignoran por completo y dependen del rastreo normal y de los datos estructurados existentes. Trate llms.txt como una señal entre varias, no como un mecanismo de citación garantizado.

Dónde encaja junto a GEO y AEO#

llms.txt es infraestructura, no estrategia de contenido. No consigue que una página sea citada por sí sola; el contenido subyacente aún debe ser una respuesta directa y bien estructurada que describen Generative Engine Optimization y Answer Engine Optimization. Lo que llms.txt añade es un mapa: indica a un rastreador qué páginas vale la pena priorizar, lo que importa más en un sitio grande donde un modelo podría, de otro modo, muestrear aleatoriamente y pasar por alto las páginas realmente autoritativas. La misma disciplina detrás de ¿Qué es la transparencia de anuncios? y ¿Qué es una herramienta de transparencia de anuncios? se aplica a cómo esas páginas mismas se redactan.

Un ejemplo práctico: consultar datos de anuncios directamente#

La versión más directa de esta idea, más allá de un archivo curado, es proporcionar a los sistemas de IA acceso estructurado a datos reales en lugar de solo páginas rastreables. La Native Ad Library MCP de OpenAdLibrary hace exactamente eso: permite a Claude y ChatGPT consultar el índice de transparencia de anuncios de OpenAdLibrary, con sus anuncios capturados, directamente a través de un protocolo construido para agentes de IA, en lugar de intentar resumir una página extraída sobre ello. Ese es el mismo objetivo subyacente que llms.txt, proporcionar al modelo la información correcta con menos conjeturas, llevado un paso más allá con una interfaz de datos real en lugar de una lista de enlaces curada.

¿Debería publicar uno?#

Para la mayoría de los sitios de contenido, publicar un llms.txt básico es de bajo esfuerzo y bajo riesgo: es un archivo estático pequeño, no afecta el SEO normal, y la adopción parcial por parte de los rastreadores de IA es una ventaja sin desventaja real. No sustituye a que el contenido mismo esté listo para responder, y no corregirá páginas que oculten su punto a tres párrafos de distancia. Considérelo como un mapa de cortesía para los rastreadores sobre el contenido que ya funciona para la investigación al estilo Ad Intelligence, no como un atajo para escribir ese contenido bien.