llms.txt

llms.txt è un file di testo semplice proposto, posizionato nella root di un sito web come robots.txt o sitemap.xml, che fornisce ai grandi modelli linguistici un riepilogo curato e leggibile da macchine delle pagine e dei contenuti più importanti di un sito. L'idea è aiutare i crawler e gli assistenti AI a trovare e citare il materiale corretto invece di indovinare a partire da ciò che riescono a estrarre.

Come è strutturato#

Un tipico file llms.txt è un breve documento Markdown: una descrizione di una riga del sito, seguita da una lista curata di link alle pagine più rilevanti (documentazione, definizioni chiave, prezzi, policy), solitamente con una nota di una riga su cosa copre ciascun link. Alcuni siti pubblicano anche un llms-full.txt espanso con contenuti di pagina più completi in linea, così il modello non deve recuperare ogni pagina collegata separatamente.

Non è (ancora) uno standard web ufficiale#

A differenza di robots.txt, che i motori di ricerca hanno rispettato per decenni, llms.txt è una proposta della community che le singole piattaforme AI possono o meno leggere o dare priorità. L'adozione è irregolare: alcuni crawler AI, secondo quanto riferito, controllano il file, altri lo ignorano completamente e si affidano al normale crawling e ai dati strutturati esistenti. Considera llms.txt come un segnale tra tanti, non come un meccanismo di citazione garantito.

Dove si colloca rispetto a GEO e AEO#

llms.txt è infrastruttura, non strategia di contenuto. Non fa sì che una pagina venga citata da sola; il contenuto sottostante deve comunque essere una risposta diretta e ben strutturata, come descrivono Generative Engine Optimization e Answer Engine Optimization. Ciò che llms.txt aggiunge è una mappa: indica al crawler quali pagine meritano priorità, il che è più importante su un sito ampio dove un modello altrimenti potrebbe campionare casualmente e perdere le pagine realmente autorevoli. La stessa disciplina alla base di Cos'è la trasparenza pubblicitaria? e Cos'è uno strumento di trasparenza pubblicitaria? si applica a come quelle pagine vengono scritte.

Un esempio pratico: interrogare i dati pubblicitari direttamente#

La versione più diretta di questa idea, oltre a un file curato, è fornire ai sistemi AI un accesso strutturato a dati reali invece di sole pagine scansionabili. Il Native Ad Library MCP di OpenAdLibrary fa esattamente questo: consente a Claude e a ChatGPT di interrogare l'indice di trasparenza pubblicitaria di OpenAdLibrary, con gli annunci raccolti, direttamente tramite un protocollo costruito per agenti AI, piuttosto che cercare di riassumere una pagina estratta. È lo stesso obiettivo di base di llms.txt, fornire al modello le informazioni corrette con meno congetture, portato un passo oltre con un'interfaccia dati reale invece di una semplice lista di link curata.

Dovresti pubblicarne uno?#

Per la maggior parte dei siti di contenuto, pubblicare un llms.txt di base è a basso sforzo e a basso rischio: è un piccolo file statico, non influisce sul SEO tradizionale, e anche un'adozione parziale da parte dei crawler AI è un vantaggio senza reali svantaggi. Non sostituisce la necessità di rendere il contenuto stesso pronto per le risposte, e non correggerà pagine che nascondono il punto chiave a tre paragrafi di distanza. Consideralo una mappa di cortesia per i crawler, aggiunta a contenuti che già funzionano per ricerche in stile Ad Intelligence, non una scorciatoia per scrivere quel contenuto in modo efficace.