llms.txt to plik Markdown, który publikujesz w katalogu głównym swojej domeny - yourdomain.com/llms.txt - i który wymienia strony, jakie najbardziej chciałbyś, żeby przeczytał model AI, każda z jednozdaniowym opisem. Jeremy Howard z Answer.AI zaproponował standard llms.txt we wrześniu 2024 roku, a aktualna specyfikacja znajduje się na llmstxt.org. To cała idea: wyselekcjonowana lista lektur, nie zbiór reguł.
Oto część, którą pomija większość poradników. Nic nie zostaje nadane i nic nie zostaje zablokowane, a żaden większy dostawca modeli - ani OpenAI, ani Anthropic, ani Google - nie zadeklarował publicznie, że pobiera llms.txt przed odpowiedzią na pytanie. Kilka narzędzi dla programistów faktycznie go czyta. Prawie nic więcej tego nie robi. Jeśli trafiłeś tutaj, zastanawiając się, czy GPTBot albo ClaudeBot podążają za Twoimi przekierowaniami, to osobne pytanie - zobacz co roboty AI faktycznie robią z linkiem. Ten artykuł dotyczy samego pliku llms.txt: co naprawdę w nim jest, kto go czyta, ile kosztuje jego utrzymanie i czy wdrożenie go jest warte popołudnia w 2026 roku.
Czym dokładnie jest llms.txt
Specyfikacja jest na tyle krótka, że można ją przeczytać w dwie minuty. Ważny plik potrzebuje dokładnie jednego wymaganego elementu: nagłówka H1 z nazwą Twojej strony lub projektu. Wszystko poza tym jest opcjonalne, choć zwyczajowo przyjęte. Cytat blokowy bezpośrednio pod H1 podaje jednozdaniowe podsumowanie. Swobodne akapity mogą dodawać kontekst. Potem następują nagłówki H2, z których każdy zawiera listę punktowaną linków, a każdy link może nieść dwukropek i krótką notatkę o tym, co zawiera. Sekcja zatytułowana "Optional" na poziomie H2 to konwencja dla materiału drugorzędnego, który model może pominąć, gdy pracuje z ograniczonym kontekstem.
Format powstał, by rozwiązać jeden konkretny problem: strona dokumentacji to w większości nawigacja i linki w panelu bocznym, a model czytający surowy HTML zużywa tokeny na to wszystko. Plik llms.txt daje mu w zamian czysty indeks. To węższe zadanie, niż sugeruje większość doniesień: format zaprojektowano z myślą o dokumentacji, nie o otwartym internecie. Zestaw to z rzeczywistą pracą nad optymalizacją pod silniki odpowiedzi, a to rozróżnienie stanowi większość odpowiedzi.
llms.txt to nie robots.txt
Porównanie, po które sięga każdy, to robots.txt, i to porównanie wprowadza w błąd bardziej, niż pomaga.
robots.txt jest ograniczony przez RFC 9309 do pojedynczego hosta i działa, ponieważ nazwane roboty - Googlebot, Bingbot, a wśród nich roboty AI - sprawdzają go przed pobraniem czegokolwiek i respektują linię Disallow jako kwestię dekad starej konwencji. On też nigdy nie nadawał dostępu - agent, który go ignoruje, i tak zawsze by go zignorował - ale roboty, o które warto się martwić, faktycznie go czytają.
Takiego wsparcia nie ma dla llms.txt. Nic nie każe modelowi sprawdzić /llms.txt, zanim odpowie na pytanie o Twoją stronę. Garstka narzędzi dla programistów faktycznie sprawdza. Ogólnodostępny asystent odpowiadający na pytanie w oknie czatu nie ma żadnego obowiązku szukać Twojego pliku, i większość się tym nie zawraca głowy. Nazywanie go "plikiem robotów AI" albo "robots.txt dla AI" - obie etykiety pojawiają się niemal w każdym poradniku - sugeruje mechanizm egzekwowania, którego ten format po prostu nie ma. Nigdy nie miał.
Kto naprawdę czyta ten plik
Adopcja jest realna. Jest po prostu węższa, niż sugerują doniesienia.
Mintlify dodał automatyczne generowanie llms.txt dla każdej hostowanej przez siebie strony pod koniec 2024 roku, a adopcja skoczyła z dnia na dzień, ponieważ Anthropic, Cursor, Stripe, Cloudflare i Vercel publikują dokumentację przez platformy takie jak Mintlify, Fern czy GitBook, które teraz domyślnie generują ten plik. Narzędzia dla programistów - Cursor, Windsurf, Claude Code, GitHub Copilot, Cline, Aider - faktycznie szukają /llms.txt, gdy są skierowane na stronę dokumentacji, bo czysty indeks bije scrapowanie wyrenderowanej nawigacji w tym jednym zadaniu.
To, co się nie wydarzyło, to część, którą sugeruje większość artykułów. Żaden ogólnodostępny asystent konsumencki nie potwierdził, że sprawdza ten plik przed odpowiedzią na pytanie, a ludzie najbliżsi wyszukiwarce mówią o tym wprost. John Mueller z Google powiedział to jasno: żadna z usług AI nie powiedziała, że go używa, a logi serwerów pokazują, że większość nawet o niego nie pyta. Porównał go do metatagu keywords - pola, które wydawcy kiedyś wypełniali w dobrej wierze, dopóki wyszukiwarki po cichu nie przestały go czytać, bo łatwo było je oszukać.
A więc: realna publiczność wśród narzędzi dla programistów i platform dokumentacji, brak potwierdzonej publiczności wśród ChatGPT, Gemini czy Perplexity odpowiadających na pytanie zakupowe albo badawcze. Jeśli ruch AI na Twoją stronę jest na tyle istotny, by na jego podstawie działać, nie wnioskuj o nim z pliku, którego czytania nikt nie potwierdził - zmierz go. Kanał AI Assistant w GA4 to miejsce, gdzie ten ruch faktycznie się pojawia, w te dni, w które w ogóle się pojawia, a analityka Elido pokazuje, które wizyty przyszły od asystenta na linkach, które sam publikujesz.
Jak wygląda ten plik, linijka po linijce
Oto minimalny, prawidłowy przykład, zbliżony do wzorca ze specyfikacji:
# Acme Docs
> Acme is an API for parsing invoices. This file lists the pages worth reading first.
Full documentation lives at docs.example.com. Sections below are ordered by how often a new integration needs them.
- [Quickstart](https://docs.example.com/quickstart): Authentication and your first API call
- [Rate limits](https://docs.example.com/limits): Current limits and how to request an increase
- [Endpoints](https://docs.example.com/api): Full request and response schemas
Każda linia ma jedno zadanie. H1 jest wymagany; pominięcie cytatu blokowego zostawia model zgadujący, czym zajmuje się strona, zanim otworzy choćby jeden link. Prawdziwy plik grupuje linki pod H2 według celu, nie według nawigacji strony, co zwykle jest odwrotnością tego, jak zorganizowane jest główne menu (skrócony przykład powyżej używa jednej grupy, by był krótszy). Dwukropek i opis po linku to prawdziwa wartość - jednozdaniowy pitch, który decyduje, czy model z ograniczonym miejscem pobierze ten adres URL, czy go pominie. Specyfikacja pozwala też na H2 zatytułowany "Optional" dla dokładnie tego samego materiału drugorzędnego.
llms-full.txt to inne zwierzę
llms.txt jest indeksem. llms-full.txt wstawia samą treść: te same strony przekonwertowane na czysty Markdown i połączone w jeden plik, sięgający czasem dziesiątek tysięcy słów, dzięki czemu model może go pobrać za jednym razem zamiast podążać za linkami jeden po drugim. Platformy generujące llms.txt automatycznie - Mintlify, GitBook, Fern - zwykle generują przy okazji llms-full.txt, bo proces jest w obu przypadkach ten sam. Strona dokumentacji poniżej kilkuset stron - to rozsądne utrzymywać na bieżąco. Katalog produktów sięgający tysięcy stron jest zbyt duży, by był użyteczny, i zbyt kosztowny, by go aktualizować.
Uczciwy koszt utrzymania takiego pliku
Opublikowanie pliku raz to jedno popołudnie. Utrzymanie go w zgodzie z rzeczywistością to część, na którą nikt nie planuje budżetu.
Każdy link musi wciąż się rozwiązywać, wciąż wskazywać na aktualną wersję danej strony i wciąż zgadzać się z tym, co tam faktycznie jest. Zmień nazwę dokumentu albo wydaj nową wersję API, a plik po cichu wypadnie z synchronizacji, bo nic się wtedy nie psuje. Nieaktualny llms.txt nie zwraca 404 - po prostu karmi model przestarzałą informacją z pełną pewnością siebie.
Dla strony dokumentacji obsługiwanej przez jeden zespół to utrzymanie to punkt na liście kontrolnej tego samego przeglądu, który wysyła zmiany w dokumentacji. Dla strony marketingowej publikującej kilka artykułów tygodniowo decydowanie, co należy do wyselekcjonowanego indeksu, staje się osobną pracą redakcyjną. Zadaj pytanie, które zadałbyś przed każdą inną inwestycją w treść: jak wygląda sukces i skąd byś wiedział, że go osiągnąłeś? Co naprawdę warto mierzyć w analityce linków stosuje tę samą dyscyplinę do innego kanału.
Co naprawdę sprawia, że jesteś dziś cytowany
Odłóż ten plik na bok i spójrz na to, co faktycznie potwierdzają dowody.
Dyrektywy robots.txt działają, ponieważ nazwane roboty sprawdzają je przed każdym pobraniem - OpenAI, Anthropic i Google publikują, które user agenty respektują które reguły, a mechanika tego jest omówiona tutaj, zamiast powtarzać ją w tym artykule. Czysty, szybki HTML bez JavaScriptu jest odczytywany w całości zamiast częściowo; strona wymagająca renderowania po stronie klienta, by pokazać swoją treść, może zostać porzucona, zanim Twój tekst w ogóle się załaduje, co jest też powodem, dla którego higiena przekierowań wpływa na to, jak traktowana jest strona, niezależnie od tego, czy czytelnikiem jest człowiek, czy model. Dane strukturalne - schema Article i FAQPage zgodne z widoczną treścią - dają systemowi wyszukiwania skrót do tego, co strona twierdzi, a własne wytyczne Google traktują to jako zwykłe techniczne SEO, nie sztuczkę specyficzną dla AI. Wzmianki gdzie indziej - w recenzjach, na forach, w cudzych zestawieniach - korelują z byciem cytowanym silniej niż niemal cokolwiek na Twojej własnej domenie, bo model waży reputację zbudowaną w całym internecie, nie tylko na jednej stronie.
Żadna z tych rad nie jest nowa, tylko przebrana za moment AI. To ta sama lista, którą wręczyłbyś komuś dla klasycznego wyszukiwania, wycelowana w system wyszukiwania zamiast w algorytm rankingowy. llms.txt nie pojawia się w niej nigdzie, co jest całym powodem, dla którego ten artykuł zaczął się od przestrogi zamiast od poradnika.
Werdykt: czy powinieneś opublikować taki plik w 2026 roku
Więc czy powinieneś go wdrożyć? Zależy, po której stronie tego podziału stoisz.
Jeśli Twoja dokumentacja już siedzi na platformie, która generuje llms.txt za darmo, niewiele przemawia przeciwko temu. Publiczność, która go czyta - asystenci kodowania, agenci IDE, garstka narzędzi świadomych dokumentacji zbudowanych specjalnie po to, by szukać tego pliku - to dokładnie ta publiczność, której chce produkt dla programistów, a koszt jest bliski zeru, bo cudzy proces już go produkuje.
Jeśli prowadzisz stronę marketingową, blog albo cokolwiek, do czego kupujący dociera przez ogólnodostępnego asystenta, wstrzymałbym się z ręcznym tworzeniem takiego pliku. Utrzymanie jest realne, liczba czytelników wśród asystentów, które faktycznie wysyłają Ci ruch, jest niepotwierdzona, a godzina spędzona na kuratorowaniu pliku, którego czytania nikt nie udowodnił, to godzina niespędzona na rzeczach z prawdziwym śladem dowodowym: indeksowalnych stronach, danych strukturalnych zgodnych z Twoją treścią, reputacji zbudowanej na byciu cytowanym gdzie indziej. Wdróż plik, jeśli jest za darmo. Nie buduj wokół niego strategii treści.
To mniej więcej to, do czego wciąż dochodzi klaster AI na tym blogu: dwie minuty uwagi, zero minut niepokoju.
Powiązane na blogu
Najczęściej zadawane pytania
Czym jest llms.txt?
llms.txt to zwykły plik Markdown publikowany w katalogu głównym witryny - yourdomain.com/llms.txt - który wymienia strony uznane przez właściciela witryny za najbardziej przydatne do przeczytania przez model AI, każda z krótkim opisem. Jeremy Howard z Answer.AI zaproponował standard llms.txt we wrześniu 2024 roku, a aktualna specyfikacja znajduje się na llmstxt.org. Ten plik kuratoruje treść - nie ogranicza ani nie nadaje dostępu do niczego.
Czy llms.txt to to samo co robots.txt?
Nie. robots.txt to konwencja kontroli dostępu, którą nazwane roboty sprawdzają przed pobraniem strony, zdefiniowana w RFC 9309 i respektowana od dekad w praktyce. llms.txt to doradcza lista lektur bez żadnego mechanizmu egzekwowania - nic nie wymaga od modelu, by jej szukał, i większość tego nie robi.
Czy modele AI, takie jak ChatGPT czy Claude, faktycznie czytają llms.txt?
Przeważnie jeszcze nie. Narzędzia dla programistów i agenci IDE, tacy jak Cursor, Windsurf czy GitHub Copilot, rzeczywiście szukają tego pliku, gdy są skierowane na stronę dokumentacji, a platformy takie jak Mintlify generują go automatycznie dla hostowanej przez siebie dokumentacji. Żaden ogólnodostępny asystent konsumencki nie potwierdził, że sprawdza ten plik przed odpowiedzią na pytanie.
Jaka jest różnica między llms.txt a llms-full.txt?
llms.txt to krótki indeks linków z jednozdaniowymi opisami, mający zorientować model w najbardziej przydatnych stronach witryny. llms-full.txt to znacznie większy plik, który wstawia właściwą treść stron jako czysty Markdown, połączony w jeden dokument, który model może pobrać za jednym razem. Platformy generujące jeden z nich zazwyczaj generują oba, ponieważ używają tego samego procesu.
Czy llms.txt pomaga w SEO albo w byciu cytowanym przez wyszukiwarki AI?
Nie ma na to żadnych dowodów, a John Mueller z Google porównał go wprost do metatagu keywords: pola, którego prawie nikt poza samym wydawcą nigdy nie sprawdzał. To, co ma dowody za sobą, to treść odpowiadająca na pytanie od pierwszego zdania, dane strukturalne zgodne z treścią strony, czysty, indeksowalny HTML oraz wzmianki na innych stronach - żadne z tych działań w ogóle nie wymaga pliku llms.txt.
Czy powinienem dodać plik llms.txt do swojej strony w 2026 roku?
Jeśli Twoja platforma dokumentacji już generuje go za darmo, nie ma powodu, by z niego rezygnować. Jeśli musiałbyś ręcznie kuratorować i utrzymywać go dla strony marketingowej czy bloga, uczciwa odpowiedź brzmi: potwierdzona liczba czytelników obecnie nie uzasadnia bieżącego nakładu pracy, więc ten czas lepiej zainwestować najpierw w indeksowalność i jakość treści.
Wypróbuj Elido
Wklej URL, otrzymaj krótki link
Bez rejestracji. Link działa 30 dni. Zarejestruj się, aby zachować go na zawsze.
Za darmo, bez rejestracji · 2 dziennie