llms.txt: co to jest, jak go zrobić i czy roboty AI go czytają

Plik llms.txt to propozycja, a nie standard: opis strony i lista jej najważniejszych adresów dla modeli językowych i agentów AI. Agent AI to program, który wykonuje zadania w imieniu użytkownika, na przykład szuka informacji w dokumentacji. Google pisze, że jego wyszukiwarka takich plików nie używa. Na rogala.pro od 8 października 2026 mam llms.txt, a osobno wersję Markdown każdej strony, i w logach serwera sprawdzam, kto je pobiera. Przez dziesięć dni po wdrożeniu żaden znany robot AI nie wysłał żądania o llms.txt. Wersje Markdown stron pobierały w tym czasie roboty przedstawiające się jako ClaudeBot, OAI-SearchBot i Applebot.

Czym jest plik llms.txt?

llms.txt to plik tekstowy w głównym katalogu strony, który w kilku linijkach opisuje serwis i wskazuje adresy najważniejszych stron. Zapisuje się go w Markdownie, czyli prostym formacie tekstowym: znak # na początku linii tworzy nagłówek, a link ma postać [tytuł](adres). Zaproponował go Jeremy Howard 3 września 2024 (llmstxt.org). Celem było to, żeby agent AI szybko zrozumiał, z czego składa się strona, bez przechodzenia przez menu i kod HTML. W sierpniu 2026 autor opublikował drugą wersję, opartą na tym, czego nauczył się przez dwa lata stosowania pliku przez strony. Nadal nazywa ją propozycją otwartą na uwagi, a nie przyjętym standardem.

llms.txt niczego nie blokuje i nie decyduje o trenowaniu modeli. Plik robots.txt przekazuje robotom AI reguły dostępu, ale działa tylko na roboty, które go przestrzegają. Dostęp ogranicza się też na serwerze, w zaporze i w ustawieniach CDN, czyli sieci serwerów pośredniczących. W tekście o audycie SEO opisałem, jak to sprawdzam.

Czym llms.txt różni się od wersji Markdown stron?

llms.txt i wersja Markdown strony to dwie różne rzeczy, choć propozycja z llmstxt.org opisuje obie. llms.txt to jeden plik dla całej strony albo jej części, czyli spis najważniejszych adresów z krótkimi opisami. Wersja Markdown to treść jednej strony w prostym formacie, bez menu, skryptów i kodu HTML. Linki w llms.txt powinny prowadzić do takich wersji, ale każda z tych rzeczy działa bez drugiej (llmstxt.org).

Robot może trafić do wersji Markdown na trzy sposoby, a propozycja z llmstxt.org opisuje dwa z nich:

• Pod stałym adresem. Propozycja zaleca wersję Markdown pod adresem strony z dopiskiem .md, na przykład strona.html.md, a dla adresu bez nazwy pliku index.md.
• Przez znacznik albo nagłówek. Znacznik <link rel="alternate" type="text/markdown"> w kodzie strony wskazuje wersję Markdown. Znacznik <link rel="describedby"> wskazuje plik llms.txt, który opisuje tę stronę. Druga wersja propozycji dopuszcza to samo w nagłówku HTTP Link, czyli w odpowiedzi serwera (llmstxt.org).
• Przez negocjację treści. Program wysyła nagłówek Accept: text/markdown, czyli prosi o Markdown wprost, a serwer pod zwykłym adresem odsyła Markdown zamiast HTML. Propozycja z llmstxt.org tego sposobu nie opisuje. Tak działa na przykład funkcja Cloudflare, której pomiar opisuję niżej.

Na rogala.pro działają wszystkie trzy sposoby, a llms.txt jest osobnym plikiem, który prowadzi do wersji Markdown. Każda strona ma wersję Markdown z tą samą treścią pod swoim adresem z dopiskiem index.md. W kodzie strony znacznik rel="alternate" wskazuje tę wersję, a znacznik rel="describedby" wskazuje llms.txt. Na nagłówek Accept: text/markdown serwer odsyła Markdown pod zwykłym adresem. W logach widać, że to dwie osobne rzeczy: roboty AI pobierały wersje Markdown, a o llms.txt nie wysłał żądania żaden znany robot AI. W lipcu 2026 nie znalazłem wersji Markdown w żadnej z 10 sprawdzonych domen z mojego portfolio.

Jak wygląda plik llms.txt?

Format jest prosty: tytuł, krótki opis i listy linków pogrupowane pod nagłówkami. Jedynym wymaganym elementem jest nagłówek z nazwą strony. Propozycja opisuje kolejność elementów tak (llmstxt.org):

1. Nagłówek pierwszego poziomu z nazwą strony albo projektu, w Markdownie # Nazwa.
2. Krótki opis w bloku cytatu, czyli linia zaczynająca się od >.
3. Opcjonalne akapity z kontekstem, bez nagłówków.
4. Sekcje z nagłówkiem drugiego poziomu (## Sekcja), a w każdej lista linków w postaci - [Tytuł](adres): opis.
5. Zwyczajowo sekcja o nazwie „Optional” z linkami do mniej ważnych materiałów. W pierwszej wersji agent mógł ją pominąć, gdy cały plik nie mieścił się w porcji tekstu, którą przetwarza naraz. Druga wersja zostawia tę sekcję tylko jako zwyczaj (llmstxt.org).

Najprostszy plik dla firmy usługowej ma pięć linii:

• # Biuro Rachunkowe Przykład
• > Biuro rachunkowe w Krakowie: księgowość dla jednoosobowych firm i spółek od 2010 roku.
• ## Oferta
• - [Cennik](https://example.com/cennik/): ceny księgowości dla firm jednoosobowych i spółek
• - [Kontakt](https://example.com/kontakt/): adres, telefon i godziny pracy biura

Na rogala.pro plik ma nazwę i opis po angielsku, akapit o wersjach Markdown i trzy sekcje. Sekcja „Profile” prowadzi do stron o mnie, „Blog” do bloga po polsku i angielsku, a „Optional” do pozostałych 25 wersji językowych bloga. Każdy link prowadzi do wersji Markdown strony, a opis po dwukropku to ten sam tekst co w znaczniku opisu strony (meta description). W październiku 2026 plik miał ok. 40 KB.

Część serwisów z dokumentacją publikuje też plik llms-full.txt z całą treścią w jednym pliku. Propozycja na llmstxt.org takiego pliku nie opisuje. Plik llms-full.txt w dokumentacji Anthropic ma ok. 45 MB, a w dokumentacji Cloudflare ok. 69 MB (sprawdzone 18 października 2026).

Jak wyglądają pliki llms.txt Allegro, Empiku i Morele?

Duże polskie sklepy mają już llms.txt, ale żaden z trzech plików, które sprawdziłem, nie stosuje propozycji w całości. Pliki Allegro, Empiku i Morele pobrałem 18 października 2026. Oceniam je według formatu z llmstxt.org i według kontroli, które opisuję w tym tekście. Wszystkie trzy prowadzą do zwykłych stron HTML, a nie do wersji Markdown.

Allegro podaje agentom najwięcej praktycznych informacji, ale część struktury zapisało pogrubieniem zamiast nagłówków. Plik ma datę aktualizacji, preferowane nazwy marki, adres siedziby i formularz kontaktowy. Opisuje też wzorce adresów wyszukiwania, filtrów i kolejnych stron wyników, więc agent może sam zbudować adres listy produktów. Wskazówki dla modeli mówią, że ceny i dostępność trzeba sprawdzać na stronie produktu, i podają nazwy wycofanych programów. Grupy takie jak „Główne kategorie” i „Pozostałe strony i usługi” mają pogrubienie zamiast nagłówka ##. Program, który czyta plik według formatu, przypisze więc listę usług do sekcji o filtrowaniu. Opis linku stoi po myślniku, a nie po dwukropku, a 13 głównych kategorii nie ma opisów.

Strony z pliku Allegro zwróciły mojemu skryptowi kod 403, choć sam plik pobrał się bez problemu. Skrypt podawał w nagłówku User-Agent swoją nazwę i adres mojej strony, a sprawdziłem nim osiem pierwszych adresów z pliku. Nie wiem, czy roboty AI dostają tę samą odpowiedź, bo pokazują to tylko logi Allegro. To przykład kontroli, którą warto zrobić przy każdym pliku: czy adresy z llms.txt pobierze ten sam program, który pobrał plik.

Empik najwierniej trzyma się formatu, ale opis marki brzmi jak tekst reklamowy. Plik ma nagłówek pierwszego poziomu, opis w bloku cytatu, sekcje ## i listy linków z opisem po dwukropku. Wskazówki dla modeli są konkretne: ceny i dostępność trzeba brać z kart produktów, a zasady zwrotu zależą od sprzedawcy. W opisie marki są sformułowania „wiodąca” i „Uwielbiana marka”, a w tym tekście radzę podawać fakty, bo model może porównać opis ze stroną. Plik nie ma daty aktualizacji. Nagłówek i część etykiet są po angielsku, choć reszta jest po polsku. Z 35 adresów w pliku 34 odpowiedziały kodem 200, a jeden przekierowaniem.

Morele ma dobrą listę kategorii i poradników, ale plik nie trzyma się formatu, więc program może go nie odczytać. Plik zaczyna się od niewidocznego znaku BOM, a w pierwszej linii #Morele.net brakuje spacji po znaku #. W Markdownie taka linia nie jest nagłówkiem, a nagłówek z nazwą to jedyny wymagany element. Plik nie ma opisu w bloku cytatu i ma kilka nagłówków pierwszego poziomu. Żaden ze 116 adresów nie jest linkiem Markdown, a większość zapisano jako zwykły tekst „nazwa - adres”. Przy kategoriach są listy tagów i „najczęstszych zapytań”, czyli słowa kluczowe dla modelu, oraz teksty reklamowe. Ze 116 adresów 113 odpowiedziało kodem 200, a 3 przekierowały do artykułów pod nowymi adresami.

Żaden z trzech serwisów nie daje agentom wersji Markdown stron, więc po przeczytaniu pliku agent i tak pobiera pełne strony HTML. Empik i Morele na nagłówek Accept: text/markdown odsyłają HTML, a adresy z dopiskiem .md zwracają kod 404. Allegro na te same próby odpowiedziało kodem 403. Żaden z serwisów nie ma też znacznika rel="describedby" ani rel="alternate" type="text/markdown".

Czy Google korzysta z llms.txt?

Nie: Google pisze, że do obecności w wyszukiwarce nie trzeba tworzyć plików tekstowych dla AI ani wersji w Markdownie. Przewodnik Google o optymalizacji pod funkcje AI dodaje, że wyszukiwarka takie pliki pomija. Nie pomagają więc widoczności i jej nie szkodzą (Google Search Central, aktualizacja z 10 lipca 2026). Według relacji Search Engine Land z konferencji Search Central Live w lipcu 2025 Gary Illyes powiedział, że Google nie obsługuje llms.txt (Search Engine Land).

John Mueller porównał llms.txt do metatagu keywords, czyli znacznika ze słowami kluczowymi, którego wyszukiwarki nie używają. W kwietniu 2025 napisał na Reddicie, że plik to deklaracja właściciela o tym, czego dotyczy strona. System AI może zamiast tego sprawdzić samą stronę (Search Engine Journal). Dodał, że w logach serwera widać, że usługi AI nawet nie sprawdzają, czy plik istnieje.

Chrome i wyszukiwarka Google to dwie osobne sprawy. Lighthouse, narzędzie Chrome do oceny stron, ma eksperymentalną kategorię „Agentic Browsing”, która sprawdza między innymi, czy w głównym katalogu domeny jest llms.txt (Chrome for Developers). Ta kontrola ocenia przygotowanie strony dla agentów w przeglądarce. Jej wynik nie mówi nic o pozycjach w wyszukiwarce Google.

Czy roboty AI czytają llms.txt?

Z dostępnych danych wynika, że roboty wyszukiwarek AI rzadko pobierają llms.txt, a częściej robią to GPTBot i Claude Code, asystent programisty. Trzy badania, które sprawdziłem w oryginalnych publikacjach, mierzą różne rzeczy: sam plik llms.txt, wersje Markdown wysyłane przez nagłówek Accept i osobne adresy Markdown.

• Ahrefs przeanalizował 137 210 domen ze swojej analityki ruchu w maju 2026. llms.txt miało 28% z nich, a do 97% tych plików nie trafiło w maju ani jedno żądanie. 96% żądań, które dotarły do plików, wysłały roboty. Roboty wyszukiwarek AI, na przykład OAI-SearchBot i PerplexityBot, wysłały razem 233 żądania, 1,1% wszystkich. Wśród nazwanych narzędzi AI najwięcej żądań wysłał GPTBot, a drugi był Claude Code. GPTBot to robot OpenAI zbierający dane do modeli, a Claude Code to asystent programisty firmy Anthropic (Ahrefs, 15 czerwca 2026).
• Suganthan Mohanadasan przez 44 dni zapisywał żądania z nagłówkiem Accept: text/markdown po włączeniu w Cloudflare funkcji, która podaje agentom Markdown. Autor podaje 1 421 żądań (jego tabela sumuje się do 1 373). 639 z nich wysłała przeglądarka bez interfejsu, a 500 infrastruktura Anthropic (według autora nie ClaudeBot). W tabeli nie ma GPTBota ani PerplexityBota (Suganthan Mohanadasan, 19 kwietnia 2026).
• Otterly przez 14 dni porównywał strony HTML z ich wersjami w Markdownie pod osobnymi adresami, podlinkowanymi w stopce. Strony HTML miały 137 wizyt robotów AI, a wersje Markdown zero. Żadna platforma AI nie zacytowała adresu Markdown (Otterly, aktualizacja z 1 kwietnia 2026).

Badanie Ahrefs mierzy żądania, a nie to, co robot zrobił z plikiem. To, że GPTBot pobiera llms.txt, nie znaczy, że plik zmienia odpowiedzi ChatGPT. Ahrefs zastrzega też, że jego klienci są bardziej techniczni i świadomi SEO niż przeciętne strony. W całej sieci odsetek stron z llms.txt jest więc prawdopodobnie niższy niż 28%.

Co pokazały logi mojej strony po wdrożeniu llms.txt?

Przez dziesięć dni po wdrożeniu żaden znany robot AI nie wysłał żądania o llms.txt, a wersje Markdown pobierały roboty, które o ten plik nie pytały. 8 października 2026 opublikowałem na rogala.pro llms.txt i wersję Markdown każdej strony (114 adresów w dniu wdrożenia). Logi dostępu pobieram z hostingu i liczę trzy rodzaje żądań: o llms.txt, o pliki index.md, czyli wersje Markdown pod osobnym adresem każdej strony, i o odpowiedzi Markdown pod zwykłym adresem strony.

Odpowiedzi Markdown pod zwykłym adresem rozpoznaję pośrednio, więc ich liczba to przybliżenie. Hosting nie zapisuje nagłówka Accept, więc szukam odpowiedzi o rozmiarze równym któremuś ze znanych rozmiarów wersji Markdown. Po zmianie treści nie znam starych rozmiarów, więc część takich odpowiedzi mogłem pominąć. Przypadkowa zgodność rozmiaru jest możliwa, ale przy rozmiarach liczonych co do bajta mało prawdopodobna.

Wyniki z 8-17 października 2026, po odjęciu moich własnych żądań:

• Odnotowałem 5 żądań o llms.txt, z których 3 zakończyły się pobraniem pliku. Raz pobrał go robot narzędzia SEO, dwa razy anonimowe skanery podające się za przeglądarkę w telefonie. Żaden znany robot AI nie wysłał żądania o ten plik.
• Żądania o pliki index.md wysyłały bezpośrednio ClaudeBot (123), OAI-SearchBot (35) i Applebot (27). ClaudeBot to robot indeksujący Anthropic, inny program niż Claude Code z badania Ahrefs. Hosting odrzucił 34 żądania ClaudeBota kodem 429, czyli „za dużo żądań”, więc 89 żądań ClaudeBota zakończyło się pobraniem pliku.
• Odpowiedzi Markdown pod zwykłym adresem wykryłem tylko w 22 żądaniach ExaSearchBota, głównie na stronie głównej. ExaSearchBot to robot wyszukiwarki dla aplikacji AI.
• Googlebot wysłał 169 żądań o strony HTML, a odpowiedzi Markdown dla niego nie wykryłem. ChatGPT-User, który pobiera strony na prośbę użytkownika ChatGPT, wysłał 8 żądań o strony HTML.

Logi nie pokazują, skąd roboty znały adresy wersji Markdown. W tym czasie żaden z nich nie wysłał żądania o llms.txt. Znacznik <link rel="alternate"> na stronach HTML podaje adres wersji Markdown, więc to możliwa droga, ale nie jedyna. Pobranie nie mówi też, czy robot użył tej wersji w odpowiedzi, a do tego potrzebny jest osobny pomiar.

Własne testy łatwo pomylić z ruchem robotów. Przy kontroli wdrożenia 17 października mój skrypt pobrał pliki Markdown z identyfikatorem Googlebota, co dało 115 żądań „Googlebota” z mojego adresu IP. Bez odjęcia własnych adresów w logach widniałby Googlebot pobierający Markdown, choć prawdziwego Googlebota pobierającego Markdown nie wykryłem.

Kiedy warto zrobić llms.txt?

llms.txt ma największy sens tam, gdzie stronę czytają asystenci programistów: przy dokumentacji, API i narzędziach dla programistów. API to interfejs, przez który programy wymieniają dane. W badaniu Ahrefs Claude Code był drugim po GPTBocie narzędziem AI pod względem liczby żądań o plik. Asystent w edytorze kodu, który dostaje adres dokumentacji, może z listy linków szybciej trafić na właściwą stronę niż przez nawigację.

W sklepie albo firmie usługowej llms.txt to tani dodatek, a nie sposób na ruch z AI. Nie znam dowodu, że plik zwiększa ruch albo cytowania. Zanim go zrobisz, sprawdź, czy roboty AI w ogóle mogą pobrać Twoją stronę. Potem sprawdź, czy treść jest widoczna w HTML bez wykonywania JavaScriptu. Opisałem oba sprawdzenia w tekście o pozycjonowaniu w AI.

Wersja dla robotów musi mieć tę samą treść co strona dla ludzi, a różnić się może tylko formatem. Google opisuje cloaking, czyli pokazywanie wyszukiwarce innej treści niż użytkownikom, w zasadach dotyczących spamu (Google Search Central). Wersja Markdown z tymi samymi informacjami, cenami i warunkami to inny format tej samej strony, a wersja z inną treścią albo innymi warunkami to ryzyko. Na rogala.pro wersję Markdown wybiera nagłówek Accept, a nie nazwa robota. W nagłówku Link wersja Markdown wskazuje stronę HTML jako adres kanoniczny, czyli preferowaną wersję strony.

Jak zrobić plik llms.txt?

Plik zrobisz sam, jeśli wiesz, które strony są ważne:

1. Wybierz strony, które powinien znać ktoś, kto pyta o Twoją firmę albo produkt: oferta, cennik, dokumentacja, kontakt, najważniejsze teksty. Nie wklejaj całej mapy witryny.
2. Napisz nagłówek z nazwą i jedno albo dwa zdania opisu w bloku cytatu. Opis ma podawać fakty o firmie, a nie hasło reklamowe, bo model może porównać go ze stroną.
3. Pogrupuj linki pod nagłówkami drugiego poziomu i przy każdym napisz jedno zdanie o tym, co jest na stronie.
4. Zapisz plik jako /llms.txt w głównym katalogu domeny, w kodowaniu UTF-8. Sprawdź, czy adres zwraca kod 200, czyli poprawną odpowiedź, i zwykły tekst, a nie stronę HTML, którą niektóre systemy pokazują pod każdym nieznanym adresem. Jeśli Twój system nie pozwala wgrać pliku do głównego katalogu, zapytaj dostawcę sklepu albo hostingu.
5. Generuj plik z tego samego źródła co stronę, żeby informacje w pliku zgadzały się z treścią. Na rogala.pro llms.txt powstaje przy każdym budowaniu strony z tych samych danych co HTML.

Czy generator llms.txt wystarczy?

Generator przygotuje wstępną wersję pliku, ale wybór stron i opisy trzeba sprawdzić ręcznie. Według DataForSEO frazę „llms txt generator” wyszukuje się w Polsce ok. 70 razy miesięcznie, a „llms.txt generator” w USA ok. 480 razy (mediana z 12 miesięcy). Jeśli generator bierze adresy z mapy witryny albo ze skanowania strony robotem, nie wie, które strony są dla Ciebie ważne. Przed publikacją sprawdź pięć rzeczy:

• czy w pliku są tylko strony, które chcesz pokazać, bez stron logowania, koszyka i stron w budowie;
• czy każdy adres działa i zwraca kod 200;
• czy opisy zgadzają się z aktualną treścią stron, cenami i ofertą;
• czy w pliku nie ma informacji, których nie ma na stronie;
• jak plik będzie się aktualizował po zmianach na stronie.

Jak sprawdzić, czy roboty pobierają llms.txt?

Odpowiedź jest w logach serwera, a nie w narzędziach do widoczności w AI. Pobierz surowe logi dostępu z panelu hostingu i wyszukaj w nich adres /llms.txt i adresy wersji Markdown. Przy każdym żądaniu log zapisuje adres IP, datę, kod odpowiedzi, rozmiar i nazwę programu, który wysłał żądanie, czyli User-Agent.

Nazwę robota da się podrobić, więc ważniejsze żądania sprawdzam po adresie IP. OpenAI publikuje listy adresów swoich robotów, a w moich logach 3 z 4 bloków adresów OAI-SearchBota były na takiej liście. Z tego samego powodu odejmuję własne testy, bo mój skrypt kontrolny podawał się za Googlebota.

Logi pobieraj regularnie, bo hosting nie przechowuje ich długo. Mój hosting przechowuje logi 14 dni, więc żeby mieć miesiąc pomiaru, pobieram archiwa co kilka dni. Obecność marki w odpowiedziach AI mierzę osobno. Opisałem ten pomiar w tekście o widoczności marki w AI.

Najczęstsze pytania o llms.txt

Od czego zacząć?

Zacznij od dostępu robotów, a llms.txt dodaj na końcu. Otwórz /robots.txt i sprawdź reguły dla robotów AI. Potem pobierz logi z ostatnich dni i zobacz, które roboty odwiedzają stronę i z jakim kodem odpowiedzi. Jeśli masz dokumentację albo produkt dla programistów, dodaj llms.txt i wersje Markdown od razu. W sklepie albo firmie usługowej llms.txt to dodatek po tych dwóch sprawdzeniach. Jeśli chcesz to zrobić razem, napisz przez kontakt.