llms.txt: qué es, cómo crearlo y si los robots de IA lo leen

El archivo llms.txt es una propuesta, no un estándar: una descripción de la web y una lista de sus direcciones más importantes para los modelos de lenguaje y los agentes de IA. Un agente de IA es un programa que realiza tareas en nombre del usuario, por ejemplo buscar información en una documentación. Google escribe que su buscador no usa archivos así. En rogala.pro tengo llms.txt desde el 8 de octubre de 2026, y aparte una versión en Markdown de cada página, y en los registros del servidor compruebo quién los descarga. Durante los diez días posteriores a la publicación, ningún robot de IA conocido envió una petición del llms.txt. Las versiones en Markdown de las páginas las descargaron en ese tiempo robots que se identifican como ClaudeBot, OAI-SearchBot y Applebot.

¿Qué es el archivo llms.txt?

llms.txt es un archivo de texto en el directorio raíz de la web que describe el sitio en unas pocas líneas y señala las direcciones de las páginas más importantes. Se escribe en Markdown, un formato de texto sencillo: el signo # al principio de una línea crea un encabezado, y un enlace tiene la forma [título](dirección). Lo propuso Jeremy Howard el 3 de septiembre de 2024 (llmstxt.org). El objetivo era que un agente de IA entendiera con rapidez de qué se compone una web, sin pasar por el menú y el código HTML. En agosto de 2026 el autor publicó una segunda versión, basada en lo que aprendió durante dos años de uso del archivo por las webs. Sigue llamándola propuesta abierta a comentarios, no un estándar aceptado.

llms.txt no bloquea nada y no decide sobre el entrenamiento de modelos. El archivo robots.txt transmite a los robots de IA reglas de acceso, pero actúa solo sobre los robots que lo respetan. El acceso también se limita en el servidor, en el cortafuegos y en los ajustes de la CDN, es decir, la red de servidores intermediarios. En el texto sobre la auditoría SEO describí cómo lo compruebo.

¿En qué se diferencia llms.txt de las versiones Markdown de las páginas?

llms.txt y la versión Markdown de una página son dos cosas distintas, aunque la propuesta de llmstxt.org describe las dos. llms.txt es un archivo para toda la web o una parte de ella, es decir, un índice de las direcciones más importantes con descripciones breves. La versión Markdown es el contenido de una página en un formato sencillo, sin menú, scripts ni código HTML. Los enlaces del llms.txt deberían llevar a esas versiones, pero cada una de estas cosas funciona sin la otra (llmstxt.org).

Un robot puede llegar a la versión Markdown de tres maneras, y la propuesta de llmstxt.org describe dos de ellas:

• En una dirección fija. La propuesta recomienda la versión Markdown en la dirección de la página con la terminación .md, por ejemplo pagina.html.md, y index.md para una dirección sin nombre de archivo.
• Mediante una etiqueta o una cabecera. La etiqueta <link rel="alternate" type="text/markdown"> en el código de la página señala la versión Markdown. La etiqueta <link rel="describedby"> señala el archivo llms.txt que describe esa página. La segunda versión de la propuesta admite lo mismo en la cabecera HTTP Link, es decir, en la respuesta del servidor (llmstxt.org).
• Mediante negociación de contenido. El programa envía la cabecera Accept: text/markdown, es decir, pide Markdown expresamente, y el servidor devuelve en la dirección normal Markdown en lugar de HTML. La propuesta de llmstxt.org no describe este modo. Así funciona, por ejemplo, una función de Cloudflare cuya medición describo más abajo.

En rogala.pro funcionan los tres modos, y llms.txt es un archivo aparte que lleva a las versiones Markdown. Cada página tiene una versión Markdown con el mismo contenido en su dirección con la terminación index.md. En el código de la página, la etiqueta rel="alternate" señala esa versión, y la etiqueta rel="describedby" señala el llms.txt. Ante la cabecera Accept: text/markdown, el servidor devuelve Markdown en la dirección normal. En los logs se ve que son dos cosas distintas: los robots de IA descargaban las versiones Markdown, y del llms.txt ningún robot de IA conocido envió una petición. En julio de 2026 no encontré una versión Markdown en ninguno de los 10 dominios revisados de mi cartera.

¿Cómo es un archivo llms.txt?

El formato es sencillo: un título, una descripción breve y listas de enlaces agrupadas bajo encabezados. El único elemento obligatorio es el encabezado con el nombre de la web. La propuesta describe así el orden de los elementos (llmstxt.org):

1. Un encabezado de primer nivel con el nombre de la web o del proyecto, en Markdown # Nombre.
2. Una descripción breve en un bloque de cita, es decir, una línea que empieza por >.
3. Párrafos opcionales con contexto, sin encabezados.
4. Secciones con un encabezado de segundo nivel (## Sección) y, en cada una, una lista de enlaces con la forma - [Título](dirección): descripción.
5. Por costumbre, una sección llamada «Optional» con enlaces a materiales menos importantes. En la primera versión, el agente podía omitirla cuando todo el archivo no cabía en la porción de texto que procesa de una vez. La segunda versión deja esta sección solo como costumbre (llmstxt.org).

El archivo más sencillo para una empresa de servicios tiene cinco líneas:

• # Gestoría Ejemplo
• > Gestoría en Cracovia: contabilidad para autónomos y sociedades desde 2010.
• ## Oferta
• - [Tarifas](https://example.com/tarifas/): precios de la contabilidad para autónomos y sociedades
• - [Contacto](https://example.com/contacto/): dirección, teléfono y horario de la oficina

En rogala.pro, el archivo tiene el nombre y la descripción en inglés, un párrafo sobre las versiones Markdown y tres secciones. La sección «Profile» lleva a las páginas sobre mí, «Blog» al blog en polaco y en inglés, y «Optional» a las otras 25 versiones de idioma del blog. Cada enlace lleva a la versión Markdown de la página, y la descripción tras los dos puntos es el mismo texto que en la etiqueta de descripción de la página (meta description). En octubre de 2026 el archivo pesaba unos 40 KB.

Algunos sitios con documentación publican también un archivo llms-full.txt con todo el contenido en un solo archivo. La propuesta de llmstxt.org no describe un archivo así. El archivo llms-full.txt de la documentación de Anthropic pesa unos 45 MB, y el de la documentación de Cloudflare, unos 69 MB (comprobado el 18 de octubre de 2026).

¿Cómo son los archivos llms.txt de Allegro, Empik y Morele?

Las grandes tiendas polacas ya tienen llms.txt, pero ninguno de los tres archivos que comprobé aplica la propuesta por completo. Descargué los archivos de Allegro, Empik y Morele el 18 de octubre de 2026. Los valoro según el formato de llmstxt.org y según las comprobaciones que describo en este texto. Los tres llevan a páginas HTML normales, no a versiones Markdown.

Allegro da a los agentes la información más práctica, pero parte de la estructura la escribió en negrita en lugar de en encabezados. El archivo tiene fecha de actualización, los nombres preferidos de la marca, la dirección de la sede y un formulario de contacto. Describe también los patrones de las direcciones de búsqueda, de filtros y de páginas siguientes de resultados, de modo que el agente puede construir por sí mismo la dirección de una lista de productos. Las indicaciones para los modelos dicen que los precios y la disponibilidad hay que comprobarlos en la página del producto, y dan los nombres de programas retirados. Grupos como «Główne kategorie» (categorías principales) y «Pozostałe strony i usługi» (otras páginas y servicios) tienen negrita en lugar de un encabezado ##. Un programa que lea el archivo según el formato asignará, por tanto, la lista de servicios a la sección sobre filtrado. La descripción del enlace va tras un guion y no tras los dos puntos, y las 13 categorías principales no tienen descripciones.

Las páginas del archivo de Allegro devolvieron a mi script el código 403, aunque el propio archivo se descargó sin problemas. El script indicaba en la cabecera User-Agent su nombre y la dirección de mi web, y con él comprobé las ocho primeras direcciones del archivo. No sé si los robots de IA reciben la misma respuesta, porque eso solo lo muestran los logs de Allegro. Es un ejemplo de una comprobación que conviene hacer en cualquier archivo: si las direcciones del llms.txt las descarga el mismo programa que descargó el archivo.

Empik es el que más fielmente sigue el formato, pero la descripción de la marca suena a texto publicitario. El archivo tiene un encabezado de primer nivel, una descripción en un bloque de cita, secciones ## y listas de enlaces con descripción tras los dos puntos. Las indicaciones para los modelos son concretas: los precios y la disponibilidad hay que tomarlos de las fichas de producto, y las condiciones de devolución dependen del vendedor. En la descripción de la marca figuran las expresiones «wiodąca» (líder) y «Uwielbiana marka» (marca querida), y en este texto aconsejo dar hechos, porque el modelo puede comparar la descripción con la web. El archivo no tiene fecha de actualización. El encabezado y parte de las etiquetas están en inglés, aunque el resto está en polaco. De las 35 direcciones del archivo, 34 respondieron con el código 200 y una con una redirección.

Morele tiene una buena lista de categorías y de guías, pero el archivo no sigue el formato, así que un programa puede no leerlo. El archivo empieza con un carácter BOM invisible, y en la primera línea #Morele.net falta un espacio tras el signo #. En Markdown, una línea así no es un encabezado, y el encabezado con el nombre es el único elemento obligatorio. El archivo no tiene descripción en un bloque de cita y tiene varios encabezados de primer nivel. Ninguna de las 116 direcciones es un enlace Markdown, y la mayoría están escritas como texto normal «nombre - dirección». Junto a las categorías hay listas de etiquetas y de «consultas más frecuentes», es decir, palabras clave para el modelo, y textos publicitarios. De las 116 direcciones, 113 respondieron con el código 200 y 3 redirigieron a artículos con direcciones nuevas.

Ninguna de las tres webs da a los agentes versiones Markdown de las páginas, así que tras leer el archivo el agente descarga de todos modos las páginas HTML completas. Empik y Morele devuelven HTML ante la cabecera Accept: text/markdown, y las direcciones con la terminación .md devuelven el código 404. Allegro respondió a esas mismas pruebas con el código 403. Ninguna de las webs tiene tampoco la etiqueta rel="describedby" ni rel="alternate" type="text/markdown".

¿Usa Google el llms.txt?

No: Google escribe que para estar presente en el buscador no hace falta crear archivos de texto para la IA ni versiones en Markdown. La guía de Google sobre la optimización para las funciones de IA añade que el buscador omite esos archivos. No ayudan, por tanto, a la visibilidad, y tampoco le hacen daño (Google Search Central, actualización del 10 de julio de 2026). Según la crónica de Search Engine Land de la conferencia Search Central Live de julio de 2025, Gary Illyes dijo que Google no admite llms.txt (Search Engine Land).

John Mueller comparó llms.txt con la metaetiqueta keywords, es decir, la etiqueta de palabras clave que los buscadores no usan. En abril de 2025 escribió en Reddit que el archivo es una declaración del propietario sobre de qué trata la web. Un sistema de IA puede comprobar en su lugar la propia página (Search Engine Journal). Añadió que en los logs del servidor se ve que los servicios de IA ni siquiera comprueban si el archivo existe.

Chrome y el buscador de Google son dos asuntos distintos. Lighthouse, la herramienta de Chrome para valorar páginas, tiene una categoría experimental «Agentic Browsing» que comprueba, entre otras cosas, si en el directorio raíz del dominio hay un llms.txt (Chrome for Developers). Esa comprobación valora la preparación de la web para los agentes en el navegador. Su resultado no dice nada sobre las posiciones en el buscador de Google.

¿Los robots de IA leen el llms.txt?

De los datos disponibles se deduce que los robots de los buscadores de IA descargan llms.txt pocas veces, y con más frecuencia lo hacen GPTBot y Claude Code, un asistente para programadores. Tres estudios que comprobé en las publicaciones originales miden cosas distintas: el propio archivo llms.txt, las versiones Markdown enviadas mediante la cabecera Accept y direcciones Markdown aparte.

• Ahrefs analizó 137 210 dominios de su analítica de tráfico en mayo de 2026. El 28% tenía llms.txt, y hasta el 97% de esos archivos no recibió en mayo ni una petición. El 96% de las peticiones que llegaron a los archivos las enviaron robots. Los robots de buscadores de IA, por ejemplo OAI-SearchBot y PerplexityBot, enviaron juntos 233 peticiones, el 1,1% del total. Entre las herramientas de IA con nombre, GPTBot envió más peticiones, y Claude Code fue el segundo. GPTBot es el robot de OpenAI que recoge datos para los modelos, y Claude Code es el asistente para programadores de la empresa Anthropic (Ahrefs, 15 de junio de 2026).
• Suganthan Mohanadasan registró durante 44 días las peticiones con la cabecera Accept: text/markdown tras activar en Cloudflare una función que sirve Markdown a los agentes. El autor da 1421 peticiones (su tabla suma 1373). De ellas, 639 las envió un navegador sin interfaz y 500 la infraestructura de Anthropic (según el autor, no ClaudeBot). En la tabla no hay GPTBot ni PerplexityBot (Suganthan Mohanadasan, 19 de abril de 2026).
• Otterly comparó durante 14 días páginas HTML con sus versiones en Markdown en direcciones aparte, enlazadas en el pie de página. Las páginas HTML tuvieron 137 visitas de robots de IA, y las versiones Markdown, cero. Ninguna plataforma de IA citó una dirección Markdown (Otterly, actualización del 1 de abril de 2026).

El estudio de Ahrefs mide peticiones, no lo que el robot hizo con el archivo. Que GPTBot descargue llms.txt no significa que el archivo cambie las respuestas de ChatGPT. Ahrefs advierte además de que sus clientes son más técnicos y más conscientes del SEO que las webs medias. En toda la red, el porcentaje de webs con llms.txt es por tanto probablemente inferior al 28%.

¿Qué mostraron los logs de mi web tras publicar llms.txt?

Durante los diez días posteriores a la publicación, ningún robot de IA conocido envió una petición del llms.txt, y las versiones Markdown las descargaron robots que no preguntaron por ese archivo. El 8 de octubre de 2026 publiqué en rogala.pro llms.txt y la versión Markdown de cada página (114 direcciones el día de la publicación). Los logs de acceso los descargo del hosting y cuento tres tipos de peticiones: de llms.txt, de archivos index.md, es decir, versiones Markdown en una dirección aparte de cada página, y de respuestas Markdown en la dirección normal de la página.

Las respuestas Markdown en la dirección normal las reconozco de forma indirecta, así que su número es una aproximación. El hosting no guarda la cabecera Accept, así que busco respuestas con un tamaño igual a alguno de los tamaños conocidos de las versiones Markdown. Tras cambiar el contenido no conozco los tamaños antiguos, de modo que pude omitir una parte de esas respuestas. Una coincidencia casual de tamaño es posible, pero con tamaños contados al byte, poco probable.

Resultados del 8-17 de octubre de 2026, tras restar mis propias peticiones:

• Registré 5 peticiones del llms.txt, de las cuales 3 terminaron con la descarga del archivo. Una vez lo descargó el robot de una herramienta SEO, y dos veces escáneres anónimos que se hacían pasar por un navegador de móvil. Ningún robot de IA conocido envió una petición de ese archivo.
• Las peticiones de archivos index.md las enviaron directamente ClaudeBot (123), OAI-SearchBot (35) y Applebot (27). ClaudeBot es el robot indexador de Anthropic, un programa distinto de Claude Code del estudio de Ahrefs. El hosting rechazó 34 peticiones de ClaudeBot con el código 429, es decir, «demasiadas peticiones», así que 89 peticiones de ClaudeBot terminaron con la descarga del archivo.
• Las respuestas Markdown en la dirección normal las detecté solo en 22 peticiones de ExaSearchBot, sobre todo en la página de inicio. ExaSearchBot es el robot de un buscador para aplicaciones de IA.
• Googlebot envió 169 peticiones de páginas HTML, y para él no detecté respuestas Markdown. ChatGPT-User, que descarga páginas a petición de un usuario de ChatGPT, envió 8 peticiones de páginas HTML.

Los logs no muestran de dónde conocían los robots las direcciones de las versiones Markdown. En ese tiempo ninguno de ellos envió una petición del llms.txt. La etiqueta <link rel="alternate"> de las páginas HTML da la dirección de la versión Markdown, así que es una vía posible, pero no la única. Que se descargue no dice tampoco si el robot usó esa versión en una respuesta, y para eso hace falta una medición aparte.

Las pruebas propias se confunden fácilmente con el tráfico de robots. En la comprobación de la implantación del 17 de octubre, mi script descargó archivos Markdown con el identificador de Googlebot, lo que dio 115 peticiones de «Googlebot» desde mi dirección IP. Sin restar mis propias direcciones, en los logs figuraría Googlebot descargando Markdown, aunque no detecté a un Googlebot auténtico descargando Markdown.

¿Cuándo conviene crear un llms.txt?

llms.txt tiene más sentido donde la web la leen asistentes para programadores: en documentaciones, API y herramientas para programadores. Una API es una interfaz mediante la cual los programas intercambian datos. En el estudio de Ahrefs, Claude Code fue la segunda herramienta de IA tras GPTBot por número de peticiones del archivo. Un asistente en un editor de código que recibe la dirección de una documentación puede llegar antes a la página correcta desde la lista de enlaces que por la navegación.

En una tienda o en una empresa de servicios, llms.txt es un complemento barato, no un modo de conseguir tráfico de la IA. No conozco ninguna prueba de que el archivo aumente el tráfico o las citas. Antes de crearlo, comprueba si los robots de IA pueden descargar tu web. Después comprueba si el contenido es visible en HTML sin ejecutar JavaScript. Describí las dos comprobaciones en el texto sobre GEO y AI SEO.

La versión para los robots debe tener el mismo contenido que la página para las personas, y solo puede diferir en el formato. Google describe el cloaking, es decir, mostrar al buscador un contenido distinto del que ven los usuarios, en sus políticas de spam (Google Search Central). Una versión Markdown con la misma información, los mismos precios y las mismas condiciones es otro formato de la misma página, y una versión con otro contenido o con otras condiciones es un riesgo. En rogala.pro la versión Markdown la elige la cabecera Accept, no el nombre del robot. En la cabecera Link, la versión Markdown señala la página HTML como dirección canónica, es decir, la versión preferida de la página.

¿Cómo crear un archivo llms.txt?

El archivo puedes crearlo tú mismo si sabes qué páginas son importantes:

1. Elige las páginas que debería conocer alguien que pregunte por tu empresa o tu producto: oferta, tarifas, documentación, contacto, los textos más importantes. No pegues todo el mapa del sitio.
2. Escribe un encabezado con el nombre y una o dos frases de descripción en un bloque de cita. La descripción debe dar hechos sobre la empresa, no un eslogan, porque el modelo puede compararla con la web.
3. Agrupa los enlaces bajo encabezados de segundo nivel y escribe junto a cada uno una frase sobre lo que hay en la página.
4. Guarda el archivo como /llms.txt en el directorio raíz del dominio, con codificación UTF-8. Comprueba que la dirección devuelve el código 200, es decir, una respuesta correcta, y texto normal, no una página HTML, que algunos sistemas muestran en cualquier dirección desconocida. Si tu sistema no permite subir un archivo al directorio raíz, pregunta al proveedor de la tienda o del hosting.
5. Genera el archivo a partir de la misma fuente que la web, para que la información del archivo coincida con el contenido. En rogala.pro, llms.txt se crea en cada compilación de la web a partir de los mismos datos que el HTML.

¿Basta con un generador de llms.txt?

Un generador preparará una versión inicial del archivo, pero la elección de páginas y las descripciones hay que revisarlas a mano. Según DataForSEO, la palabra clave «llms txt generator» se busca en Polonia unas 70 veces al mes, y «llms.txt generator» en EE. UU. unas 480 veces (mediana de 12 meses). Si el generador toma las direcciones del mapa del sitio o de un rastreo de la web con un robot, no sabe qué páginas son importantes para ti. Antes de publicar, comprueba cinco cosas:

• que en el archivo solo haya páginas que quieres mostrar, sin páginas de inicio de sesión, de carrito ni páginas en construcción;
• que cada dirección funcione y devuelva el código 200;
• que las descripciones coincidan con el contenido actual de las páginas, los precios y la oferta;
• que en el archivo no haya información que no esté en la web;
• cómo se actualizará el archivo tras los cambios en la web.

¿Cómo comprobar si los robots descargan el llms.txt?

La respuesta está en los logs del servidor, no en las herramientas de visibilidad en la IA. Descarga los logs de acceso en bruto del panel del hosting y busca en ellos la dirección /llms.txt y las direcciones de las versiones Markdown. En cada petición, el log guarda la dirección IP, la fecha, el código de respuesta, el tamaño y el nombre del programa que envió la petición, es decir, el User-Agent.

El nombre de un robot se puede falsificar, así que las peticiones más importantes las compruebo por la dirección IP. OpenAI publica listas de direcciones de sus robots, y en mis logs 3 de los 4 bloques de direcciones de OAI-SearchBot estaban en esa lista. Por la misma razón resto mis propias pruebas, porque mi script de control se hacía pasar por Googlebot.

Descarga los logs con regularidad, porque el hosting no los conserva mucho tiempo. Mi hosting conserva los logs 14 días, así que para tener un mes de medición descargo los archivos cada pocos días. La presencia de la marca en las respuestas de la IA la mido aparte. Describí esa medición en el texto sobre la visibilidad de marca en la IA.

Preguntas frecuentes sobre llms.txt

¿Por dónde empezar?

Empieza por el acceso de los robots y deja llms.txt para el final. Abre /robots.txt y revisa las reglas para los robots de IA. Después descarga los logs de los últimos días y mira qué robots visitan la web y con qué código de respuesta. Si tienes una documentación o un producto para programadores, añade llms.txt y las versiones Markdown de inmediato. En una tienda o en una empresa de servicios, llms.txt es un complemento tras esas dos comprobaciones. Si quieres hacerlo conmigo, escríbeme a través del contacto.