llms.txt: o que é, como criar e se os robôs de IA o leem

O arquivo llms.txt é uma proposta, e não um padrão: uma descrição do site e uma lista dos endereços mais importantes dele para modelos de linguagem e agentes de IA. Um agente de IA é um programa que executa tarefas em nome do usuário, por exemplo procurar informações em uma documentação. O Google escreve que o buscador dele não usa esses arquivos. Na rogala.pro tenho o llms.txt desde 8 de outubro de 2026, e à parte uma versão em Markdown de cada página, e verifico nos logs do servidor quem os baixa. Por dez dias depois da implantação, nenhum robô de IA conhecido enviou uma requisição pelo llms.txt. As versões em Markdown das páginas foram baixadas nesse período por robôs que se identificavam como ClaudeBot, OAI-SearchBot e Applebot.

O que é o arquivo llms.txt?

O llms.txt é um arquivo de texto no diretório principal do site que, em algumas linhas, descreve o serviço e indica os endereços das páginas mais importantes. É escrito em Markdown, ou seja, um formato de texto simples: o caractere # no início da linha cria um título, e o link tem a forma [título](endereço). Quem o propôs foi Jeremy Howard, em 3 de setembro de 2024 (llmstxt.org). O objetivo era que o agente de IA entendesse rápido de que o site é feito, sem passar pelo menu e pelo código HTML. Em agosto de 2026, o autor publicou a segunda versão, baseada no que aprendeu em dois anos de uso do arquivo pelos sites. Ele continua chamando-a de uma proposta aberta a comentários, e não de um padrão adotado.

O llms.txt não bloqueia nada e não decide sobre o treinamento de modelos. O arquivo robots.txt passa aos robôs de IA as regras de acesso, mas só vale para os robôs que o respeitam. O acesso também é restringido no servidor, no firewall e nas configurações da CDN, ou seja, a rede de servidores intermediários. No texto sobre auditoria de SEO descrevi como verifico isso.

Qual a diferença entre o llms.txt e as versões em Markdown das páginas?

O llms.txt e a versão em Markdown da página são duas coisas diferentes, embora a proposta do llmstxt.org descreva as duas. O llms.txt é um arquivo para o site inteiro ou para uma parte dele, ou seja, um índice dos endereços mais importantes com descrições curtas. A versão em Markdown é o conteúdo de uma única página em formato simples, sem menu, scripts e código HTML. Os links no llms.txt devem levar a essas versões, mas cada uma dessas coisas funciona sem a outra (llmstxt.org).

O robô pode chegar à versão em Markdown de três maneiras, e a proposta do llmstxt.org descreve duas delas:

• Em um endereço fixo. A proposta recomenda a versão em Markdown no endereço da página com o acréscimo .md, por exemplo pagina.html.md, e, para um endereço sem nome de arquivo, index.md.
• Por uma marcação ou um cabeçalho. A marcação <link rel="alternate" type="text/markdown"> no código da página indica a versão em Markdown. A marcação <link rel="describedby"> indica o arquivo llms.txt que descreve essa página. A segunda versão da proposta admite o mesmo no cabeçalho HTTP Link, ou seja, na resposta do servidor (llmstxt.org).
• Por negociação de conteúdo. O programa envia o cabeçalho Accept: text/markdown, ou seja, pede Markdown explicitamente, e o servidor, no endereço comum, devolve Markdown em vez de HTML. A proposta do llmstxt.org não descreve esse modo. É assim que funciona, por exemplo, o recurso da Cloudflare cuja medição descrevo abaixo.

Na rogala.pro funcionam os três modos, e o llms.txt é um arquivo à parte, que leva às versões em Markdown. Cada página tem uma versão em Markdown com o mesmo conteúdo no próprio endereço, com o acréscimo index.md. No código da página, a marcação rel="alternate" indica essa versão, e a marcação rel="describedby" indica o llms.txt. Ao cabeçalho Accept: text/markdown, o servidor responde com Markdown no endereço comum. Nos logs se vê que são duas coisas separadas: os robôs de IA baixavam as versões em Markdown, e pelo llms.txt nenhum robô de IA conhecido enviou requisição. Em julho de 2026 não encontrei versão em Markdown em nenhum dos 10 domínios verificados do meu portfólio.

Como é um arquivo llms.txt?

O formato é simples: um título, uma descrição curta e listas de links agrupadas sob cabeçalhos. O único elemento obrigatório é o título com o nome do site. A proposta descreve a ordem dos elementos assim (llmstxt.org):

1. Um título de primeiro nível com o nome do site ou do projeto, em Markdown # Nome.
2. Uma descrição curta em um bloco de citação, ou seja, uma linha que começa com >.
3. Parágrafos opcionais com contexto, sem cabeçalhos.
4. Seções com título de segundo nível (## Seção), e em cada uma uma lista de links na forma - [Título](endereço): descrição.
5. Por convenção, uma seção chamada “Optional” com links para materiais menos importantes. Na primeira versão, o agente podia ignorá-la quando o arquivo inteiro não cabia no trecho de texto que ele processa de uma vez. A segunda versão mantém essa seção apenas como convenção (llmstxt.org).

O arquivo mais simples para uma empresa de serviços tem cinco linhas:

• # Escritório Contábil Exemplo
• > Escritório de contabilidade em São Paulo: contabilidade para empresas individuais e sociedades desde 2010.
• ## Serviços
• - [Preços](https://example.com/precos/): preços da contabilidade para empresas individuais e sociedades
• - [Contato](https://example.com/contato/): endereço, telefone e horário de atendimento do escritório

Na rogala.pro, o arquivo tem nome e descrição em inglês, um parágrafo sobre as versões em Markdown e três seções. A seção “Profile” leva às páginas sobre mim, “Blog” ao blog em polonês e em inglês, e “Optional” às outras 25 versões de idioma do blog. Cada link leva à versão em Markdown da página, e a descrição depois dos dois-pontos é o mesmo texto da marcação de descrição da página (meta description). Em outubro de 2026 o arquivo tinha cerca de 40 KB.

Parte dos sites de documentação publica também um arquivo llms-full.txt com todo o conteúdo em um único arquivo. A proposta do llmstxt.org não descreve esse arquivo. O llms-full.txt na documentação da Anthropic tem cerca de 45 MB, e na documentação da Cloudflare, cerca de 69 MB (verificado em 18 de outubro de 2026).

Como são os arquivos llms.txt da Allegro, da Empik e da Morele?

As grandes lojas polonesas já têm llms.txt, mas nenhum dos três arquivos que verifiquei aplica a proposta por completo. Os arquivos da Allegro, da Empik e da Morele baixei em 18 de outubro de 2026. Avalio-os pelo formato do llmstxt.org e pelas verificações que descrevo neste texto. Os três levam a páginas HTML comuns, e não a versões em Markdown.

A Allegro dá aos agentes o maior número de informações práticas, mas parte da estrutura foi escrita em negrito em vez de cabeçalhos. O arquivo tem data de atualização, os nomes preferidos da marca, o endereço da sede e o formulário de contato. Descreve também os padrões de endereços de busca, de filtros e de páginas seguintes de resultados, então o agente pode montar sozinho o endereço de uma lista de produtos. As orientações para os modelos dizem que preços e disponibilidade devem ser verificados na página do produto e informam os nomes de programas encerrados. Grupos como “Główne kategorie” (categorias principais) e “Pozostałe strony i usługi” (outras páginas e serviços) têm negrito em vez do cabeçalho ##. Um programa que lê o arquivo pelo formato vai, portanto, atribuir a lista de serviços à seção sobre filtragem. A descrição do link vem depois de um hífen, e não depois de dois-pontos, e as 13 categorias principais não têm descrições.

As páginas do arquivo da Allegro devolveram ao meu script o código 403, embora o próprio arquivo tenha sido baixado sem problema. O script informava no cabeçalho User-Agent o nome dele e o endereço do meu site, e com ele verifiquei os oito primeiros endereços do arquivo. Não sei se os robôs de IA recebem a mesma resposta, porque isso só os logs da Allegro mostram. É um exemplo de verificação que vale fazer em qualquer arquivo: se os endereços do llms.txt são baixados pelo mesmo programa que baixou o arquivo.

A Empik segue o formato mais fielmente, mas a descrição da marca soa como texto publicitário. O arquivo tem um título de primeiro nível, uma descrição em bloco de citação, seções ## e listas de links com descrição depois de dois-pontos. As orientações para os modelos são concretas: preços e disponibilidade devem ser tirados das páginas dos produtos, e as regras de devolução dependem do vendedor. Na descrição da marca aparecem as expressões “wiodąca” (líder) e “Uwielbiana marka” (marca adorada), e neste texto aconselho apresentar fatos, porque o modelo pode comparar a descrição com o site. O arquivo não tem data de atualização. O título e parte dos rótulos estão em inglês, embora o resto esteja em polonês. Dos 35 endereços do arquivo, 34 responderam com o código 200 e um com um redirecionamento.

A Morele tem uma boa lista de categorias e de guias, mas o arquivo não segue o formato, então um programa pode não conseguir lê-lo. O arquivo começa com um caractere BOM invisível, e na primeira linha #Morele.net falta um espaço depois do #. Em Markdown, essa linha não é um título, e o título com o nome é o único elemento obrigatório. O arquivo não tem descrição em bloco de citação e tem vários títulos de primeiro nível. Nenhum dos 116 endereços é um link em Markdown, e a maioria foi escrita como texto simples “nome - endereço”. Junto às categorias há listas de tags e de “consultas mais frequentes”, ou seja, palavras-chave para o modelo, e textos publicitários. Dos 116 endereços, 113 responderam com o código 200, e 3 redirecionaram para artigos em novos endereços.

Nenhum dos três sites dá aos agentes versões em Markdown das páginas, então, depois de ler o arquivo, o agente baixa de qualquer modo as páginas HTML completas. A Empik e a Morele respondem ao cabeçalho Accept: text/markdown com HTML, e os endereços com o acréscimo .md devolvem o código 404. A Allegro respondeu às mesmas tentativas com o código 403. Nenhum dos sites tem também a marcação rel="describedby" nem rel="alternate" type="text/markdown".

O Google usa o llms.txt?

Não: o Google escreve que, para estar no buscador, não é preciso criar arquivos de texto para IA nem versões em Markdown. O guia do Google sobre otimização para os recursos de IA acrescenta que o buscador ignora esses arquivos. Eles não ajudam, portanto, a visibilidade e não a prejudicam (Google Search Central, atualização de 10 de julho de 2026). Segundo o relato do Search Engine Land sobre a conferência Search Central Live em julho de 2025, Gary Illyes disse que o Google não suporta o llms.txt (Search Engine Land).

John Mueller comparou o llms.txt à metatag keywords, ou seja, a marcação com palavras-chave que os buscadores não usam. Em abril de 2025 escreveu no Reddit que o arquivo é uma declaração do dono sobre o assunto do site. Um sistema de IA pode, em vez disso, verificar a própria página (Search Engine Journal). Acrescentou que nos logs do servidor se vê que os serviços de IA nem verificam se o arquivo existe.

O Chrome e o buscador do Google são duas coisas separadas. O Lighthouse, a ferramenta do Chrome para avaliar páginas, tem uma categoria experimental “Agentic Browsing”, que verifica, entre outras coisas, se no diretório principal do domínio há um llms.txt (Chrome for Developers). Essa verificação avalia a preparação do site para agentes no navegador. O resultado dela não diz nada sobre posições no buscador do Google.

Os robôs de IA leem o llms.txt?

Dos dados disponíveis resulta que os robôs de buscadores de IA raramente baixam o llms.txt, e com mais frequência o fazem o GPTBot e o Claude Code, o assistente de programação. Três estudos que verifiquei nas publicações originais medem coisas diferentes: o próprio arquivo llms.txt, as versões em Markdown enviadas pelo cabeçalho Accept e endereços Markdown separados.

• A Ahrefs analisou 137.210 domínios da sua análise de tráfego em maio de 2026. O llms.txt estava em 28% deles, e 97% desses arquivos não receberam em maio nenhuma requisição. 96% das requisições que chegaram aos arquivos foram enviadas por robôs. Os robôs de buscadores de IA, por exemplo OAI-SearchBot e PerplexityBot, enviaram juntos 233 requisições, 1,1% do total. Entre as ferramentas de IA nomeadas, quem mais enviou requisições foi o GPTBot, e em segundo lugar o Claude Code. O GPTBot é o robô da OpenAI que coleta dados para os modelos, e o Claude Code é o assistente de programação da Anthropic (Ahrefs, 15 de junho de 2026).
• Suganthan Mohanadasan registrou por 44 dias as requisições com o cabeçalho Accept: text/markdown depois de ativar na Cloudflare o recurso que entrega Markdown aos agentes. O autor informa 1.421 requisições (a tabela dele soma 1.373). Dessas, 639 foram enviadas por um navegador sem interface e 500 pela infraestrutura da Anthropic (segundo o autor, não o ClaudeBot). Na tabela não há GPTBot nem PerplexityBot (Suganthan Mohanadasan, 19 de abril de 2026).
• A Otterly comparou por 14 dias páginas HTML com as versões delas em Markdown em endereços separados, com link no rodapé. As páginas HTML tiveram 137 visitas de robôs de IA, e as versões em Markdown, zero. Nenhuma plataforma de IA citou um endereço em Markdown (Otterly, atualização de 1º de abril de 2026).

O estudo da Ahrefs mede requisições, e não o que o robô fez com o arquivo. O fato de o GPTBot baixar o llms.txt não significa que o arquivo mude as respostas do ChatGPT. A Ahrefs ressalva também que os clientes dela são mais técnicos e mais atentos ao SEO que os sites em geral. Na web como um todo, a porcentagem de sites com llms.txt é, portanto, provavelmente menor que 28%.

O que mostraram os logs do meu site depois da implantação do llms.txt?

Por dez dias depois da implantação, nenhum robô de IA conhecido enviou requisição pelo llms.txt, e as versões em Markdown foram baixadas por robôs que não perguntaram por esse arquivo. Em 8 de outubro de 2026 publiquei na rogala.pro o llms.txt e a versão em Markdown de cada página (114 endereços no dia da implantação). Baixo os logs de acesso da hospedagem e conto três tipos de requisição: pelo llms.txt, pelos arquivos index.md, ou seja, as versões em Markdown no endereço separado de cada página, e pelas respostas em Markdown no endereço comum da página.

As respostas em Markdown no endereço comum reconheço de forma indireta, então o número delas é uma aproximação. A hospedagem não grava o cabeçalho Accept, então procuro respostas de tamanho igual a um dos tamanhos conhecidos das versões em Markdown. Depois de uma mudança de conteúdo não conheço os tamanhos antigos, então posso ter deixado de fora parte dessas respostas. Uma coincidência casual de tamanho é possível, mas, com tamanhos contados até o byte, pouco provável.

Resultados de 8 a 17 de outubro de 2026, depois de descontar as minhas próprias requisições:

• Registrei 5 requisições pelo llms.txt, das quais 3 terminaram com o download do arquivo. Uma vez o arquivo foi baixado pelo robô de uma ferramenta de SEO, e duas vezes por scanners anônimos que se passavam por um navegador de celular. Nenhum robô de IA conhecido enviou requisição por esse arquivo.
• As requisições pelos arquivos index.md foram enviadas diretamente por ClaudeBot (123), OAI-SearchBot (35) e Applebot (27). O ClaudeBot é o robô de indexação da Anthropic, um programa diferente do Claude Code do estudo da Ahrefs. A hospedagem recusou 34 requisições do ClaudeBot com o código 429, ou seja, “requisições demais”, então 89 requisições do ClaudeBot terminaram com o download do arquivo.
• As respostas em Markdown no endereço comum detectei apenas em 22 requisições do ExaSearchBot, principalmente na página inicial. O ExaSearchBot é o robô de um buscador para aplicativos de IA.
• O Googlebot enviou 169 requisições por páginas HTML, e para ele não detectei resposta em Markdown. O ChatGPT-User, que baixa páginas a pedido do usuário do ChatGPT, enviou 8 requisições por páginas HTML.

Os logs não mostram de onde os robôs conheciam os endereços das versões em Markdown. Nesse período, nenhum deles enviou requisição pelo llms.txt. A marcação <link rel="alternate"> nas páginas HTML informa o endereço da versão em Markdown, então é um caminho possível, mas não o único. O download também não diz se o robô usou essa versão em uma resposta, e para isso é preciso uma medição à parte.

Os testes próprios são fáceis de confundir com tráfego de robôs. Na verificação da implantação, em 17 de outubro, meu script baixou os arquivos Markdown com o identificador do Googlebot, o que deu 115 requisições do “Googlebot” a partir do meu endereço IP. Sem descontar os endereços próprios, nos logs apareceria o Googlebot baixando Markdown, embora eu não tenha detectado o Googlebot verdadeiro baixando Markdown.

Quando vale a pena criar um llms.txt?

O llms.txt faz mais sentido onde o site é lido por assistentes de programação: em documentação, APIs e ferramentas para programadores. A API é a interface pela qual programas trocam dados. No estudo da Ahrefs, o Claude Code foi a segunda ferramenta de IA, depois do GPTBot, em número de requisições pelo arquivo. Um assistente no editor de código que recebe o endereço de uma documentação pode, pela lista de links, chegar mais depressa à página certa do que pela navegação.

Em uma loja ou em uma empresa de serviços, o llms.txt é um complemento barato, e não um meio de gerar tráfego de IA. Não conheço prova de que o arquivo aumente o tráfego ou as citações. Antes de criá-lo, verifique se os robôs de IA conseguem baixar o seu site. Depois verifique se o conteúdo está visível no HTML sem execução de JavaScript. Descrevi as duas verificações no texto sobre GEO e AI SEO.

A versão para robôs precisa ter o mesmo conteúdo da página para pessoas, e só pode diferir no formato. O Google descreve o cloaking, ou seja, mostrar ao buscador um conteúdo diferente do que o usuário vê, nas políticas sobre spam (Google Search Central). Uma versão em Markdown com as mesmas informações, preços e condições é outro formato da mesma página, e uma versão com conteúdo diferente ou condições diferentes é um risco. Na rogala.pro, a versão em Markdown é escolhida pelo cabeçalho Accept, e não pelo nome do robô. No cabeçalho Link, a versão em Markdown indica a página HTML como endereço canônico, ou seja, a versão preferida da página.

Como criar um arquivo llms.txt?

O arquivo você faz sozinho, se souber quais páginas são importantes:

1. Escolha as páginas que deve conhecer quem pergunta sobre a sua empresa ou o seu produto: oferta, preços, documentação, contato, os textos mais importantes. Não cole o sitemap inteiro.
2. Escreva um título com o nome e uma ou duas frases de descrição em um bloco de citação. A descrição deve apresentar fatos sobre a empresa, e não um slogan publicitário, porque o modelo pode compará-la com o site.
3. Agrupe os links sob cabeçalhos de segundo nível e em cada um escreva uma frase sobre o que há na página.
4. Salve o arquivo como /llms.txt no diretório principal do domínio, com codificação UTF-8. Verifique se o endereço devolve o código 200, ou seja, uma resposta correta, e texto simples, e não uma página HTML, que alguns sistemas mostram em qualquer endereço desconhecido. Se o seu sistema não permitir enviar o arquivo ao diretório principal, pergunte ao fornecedor da loja ou da hospedagem.
5. Gere o arquivo a partir da mesma fonte do site, para que as informações do arquivo correspondam ao conteúdo. Na rogala.pro, o llms.txt é criado a cada construção do site a partir dos mesmos dados que o HTML.

Um gerador de llms.txt basta?

Um gerador prepara uma versão inicial do arquivo, mas a escolha das páginas e as descrições precisam ser verificadas à mão. Segundo o DataForSEO, a palavra-chave “llms txt generator” é buscada na Polônia cerca de 70 vezes por mês, e “llms.txt generator” nos EUA cerca de 480 vezes (mediana de 12 meses). Se o gerador pega os endereços do sitemap ou de uma varredura do site por um robô, ele não sabe quais páginas são importantes para você. Antes de publicar, verifique cinco coisas:

• se no arquivo há só as páginas que você quer mostrar, sem páginas de login, de carrinho e páginas em construção;
• se cada endereço funciona e devolve o código 200;
• se as descrições correspondem ao conteúdo atual das páginas, aos preços e à oferta;
• se no arquivo não há informações que não estão no site;
• como o arquivo será atualizado depois de mudanças no site.

Como verificar se os robôs baixam o llms.txt?

A resposta está nos logs do servidor, e não nas ferramentas de visibilidade em IA. Baixe os logs brutos de acesso do painel da hospedagem e procure neles o endereço /llms.txt e os endereços das versões em Markdown. Em cada requisição o log registra o endereço IP, a data, o código de resposta, o tamanho e o nome do programa que enviou a requisição, ou seja, o User-Agent.

O nome do robô pode ser falsificado, então as requisições mais importantes verifico pelo endereço IP. A OpenAI publica listas de endereços dos seus robôs, e nos meus logs 3 de 4 blocos de endereços do OAI-SearchBot estavam em uma lista assim. Pelo mesmo motivo desconto os testes próprios, porque o meu script de verificação se passava pelo Googlebot.

Baixe os logs regularmente, porque a hospedagem não os guarda por muito tempo. A minha hospedagem guarda os logs por 14 dias, então, para ter um mês de medição, baixo os arquivos a cada poucos dias. A presença da marca nas respostas de IA meço à parte. Descrevi essa medição no texto sobre visibilidade da marca em IA.

Perguntas frequentes sobre o llms.txt

Por onde começar?

Comece pelo acesso dos robôs, e acrescente o llms.txt no fim. Abra /robots.txt e verifique as regras para os robôs de IA. Depois baixe os logs dos últimos dias e veja quais robôs visitam o site e com qual código de resposta. Se você tem uma documentação ou um produto para programadores, acrescente o llms.txt e as versões em Markdown desde já. Em uma loja ou em uma empresa de serviços, o llms.txt é um complemento depois dessas duas verificações. Se quiser fazer isso em conjunto, escreva pelo contato.