llms.txt

llms.txt är en föreslagen ren textfil, placerad på en webbplats rot på samma sätt som robots.txt eller sitemap.xml, som ger stora språkmodeller en kuraterad, maskinläsbar sammanfattning av en webbplats viktigaste sidor och innehåll. Idén är att hjälpa AI‑crawlers och assistenter att hitta och citera rätt material istället för att gissa utifrån vad de kan skrapa.

Hur den är strukturerad#

En typisk llms.txt‑fil är ett kort Markdown‑dokument: en enradig webbplatsbeskrivning, följt av en kuraterad lista med länkar till de sidor som betyder mest (dokumentation, nyckeldefinitioner, prissättning, policyer), vanligtvis med en enradig notering om vad varje länk täcker. Vissa webbplatser publicerar också en utökad llms-full.txt med mer komplett sidinnehåll inbäddat, så att en modell inte behöver hämta varje länkad sida separat.

Det är (ännu) ingen officiell webbstandard#

Till skillnad från robots.txt, som sökmotorer har följt i årtionden, är llms.txt ett community‑förslag som enskilda AI‑plattformar kan läsa eller prioritera eller inte. Användningen är ojämn: vissa AI‑crawlers påstås leta efter den, andra ignorerar den helt och förlitar sig på normal crawling och befintlig strukturerad data. Behandla llms.txt som en signal bland flera snarare än en garanterad citeringsmekanism.

Var den passar i förhållande till GEO och AEO#

llms.txt är infrastruktur, inte innehållsstrategi. Den får inte en sida citerad på egen hand, det underliggande innehållet måste fortfarande vara den typ av direkta, välstrukturerade svar som Generative Engine Optimization och Answer Engine Optimization beskriver. Vad llms.txt lägger till är en karta: den talar om för en crawler vilka sidor som är värda att prioriteras, vilket är viktigare på en stor webbplats där en modell annars kan ta slumpmässiga stickprov och missa de faktiskt auktoritativa sidorna. Samma disciplin som ligger bakom Vad är annonstransparens? och Vad är ett verktyg för annonstransparens? gäller för hur dessa sidor själva skrivs.

Ett fungerande exempel: fråga annonsdata direkt#

Den mer direkta versionen av idén, bortom en kuraterad fil, är att ge AI‑system strukturerad åtkomst till verklig data istället för bara crawlbara sidor. OpenAdLibrarys Native Ad Library MCP gör exakt det: den låter Claude och ChatGPT fråga OpenAdLibrarys annonstransparens‑index över insamlade annonser direkt via ett protokoll byggt för AI‑agenter, snarare än att försöka sammanfatta en skrapad sida om det. Det är samma underliggande mål som llms.txt, att ge modellen rätt information med mindre gissningsarbete, ett steg längre med ett faktiskt datagränssnitt istället för en kuraterad länklista.

Bör du publicera en?#

För de flesta innehållssajter är publicering av en grundläggande llms.txt lågansträng och lågrisk: det är en liten statisk fil, den påverkar inte normal SEO, och även partiell användning bland AI‑crawlers är en fördel utan någon verklig nackdel. Den är ingen ersättning för att göra innehållet självt svarsklart, och den kommer inte att fixa sidor som gömmer sitt budskap tre stycken ner. Tänk på den som en artighetskarta för crawlers ovanpå innehåll som redan fungerar för Ad Intelligence‑stil forskning, inte en genväg kring att skriva innehållet väl.