llms.txt: vad det är, hur du gör en och om AI-robotar läser den

Filen llms.txt är ett förslag och inte en standard: en beskrivning av sajten och en lista över dess viktigaste adresser, avsedd för språkmodeller och AI-agenter. En AI-agent är ett program som utför uppgifter åt en användare, till exempel söker information i dokumentation. Google skriver att dess sökmotor inte använder sådana filer. På rogala.pro har jag haft llms.txt sedan den 8 oktober 2026, och separat en Markdown-version av varje sida, och i serverloggarna kontrollerar jag vem som hämtar dem. Under tio dagar efter lanseringen skickade ingen känd AI-robot en förfrågan om llms.txt. Markdown-versioner av sidor hämtades under tiden av robotar som presenterar sig som ClaudeBot, OAI-SearchBot och Applebot.

Vad är filen llms.txt?

llms.txt är en textfil i sajtens rotkatalog som i några rader beskriver sajten och pekar ut adresserna till de viktigaste sidorna. Den skrivs i Markdown, ett enkelt textformat: tecknet # i början av en rad skapar en rubrik, och en länk har formen [titel](adress). Den föreslogs av Jeremy Howard den 3 september 2024 (llmstxt.org). Syftet var att en AI-agent snabbt ska förstå vad en sajt består av, utan att gå igenom menyer och HTML-kod. I augusti 2026 publicerade författaren en andra version, byggd på vad han lärt sig under två år av sajters användning av filen. Han kallar den fortfarande ett förslag öppet för synpunkter och inte en antagen standard.

llms.txt blockerar ingenting och avgör inte träningen av modeller. Filen robots.txt förmedlar åtkomstregler till AI-robotar, men den verkar bara på robotar som följer den. Åtkomst begränsar man också på servern, i brandväggen och i inställningarna för CDN, alltså nätverket av mellanliggande servrar. I texten om SEO-analys beskrev jag hur jag kontrollerar det.

Vad skiljer llms.txt från Markdown-versioner av sidor?

llms.txt och en Markdown-version av en sida är två olika saker, även om förslaget på llmstxt.org beskriver båda. llms.txt är en enda fil för hela sajten eller en del av den, alltså en förteckning över de viktigaste adresserna med korta beskrivningar. En Markdown-version är innehållet på en sida i ett enkelt format, utan menyer, skript och HTML-kod. Länkarna i llms.txt bör leda till sådana versioner, men var och en av sakerna fungerar utan den andra (llmstxt.org).

En robot kan komma till en Markdown-version på tre sätt, och förslaget på llmstxt.org beskriver två av dem:

• Under en fast adress. Förslaget rekommenderar en Markdown-version under sidans adress med tillägget .md, till exempel sida.html.md, och för en adress utan filnamn index.md.
• Via en tagg eller en header. Taggen <link rel="alternate" type="text/markdown"> i sidans kod pekar ut Markdown-versionen. Taggen <link rel="describedby"> pekar ut den llms.txt-fil som beskriver sidan. Den andra versionen av förslaget tillåter samma sak i HTTP-headern Link, alltså i serverns svar (llmstxt.org).
• Via innehållsförhandling. Programmet skickar headern Accept: text/markdown, alltså ber uttryckligen om Markdown, och servern svarar under den vanliga adressen med Markdown i stället för HTML. Förslaget på llmstxt.org beskriver inte det sättet. Så fungerar till exempel en funktion hos Cloudflare, vars mätning jag beskriver längre ned.

På rogala.pro fungerar alla tre sätten, och llms.txt är en separat fil som leder till Markdown-versionerna. Varje sida har en Markdown-version med samma innehåll under sin adress med tillägget index.md. I sidans kod pekar taggen rel="alternate" ut den versionen och taggen rel="describedby" ut llms.txt. På headern Accept: text/markdown svarar servern med Markdown under den vanliga adressen. I loggarna syns att det är två separata saker: AI-robotar hämtade Markdown-versionerna, men ingen känd AI-robot skickade en förfrågan om llms.txt. I juli 2026 hittade jag ingen Markdown-version på någon av de 10 domänerna i min portfölj som jag kontrollerade.

Hur ser en llms.txt-fil ut?

Formatet är enkelt: en titel, en kort beskrivning och listor med länkar grupperade under rubriker. Det enda obligatoriska elementet är rubriken med sajtens namn. Förslaget beskriver ordningen på elementen så här (llmstxt.org):

1. En rubrik på första nivån med namnet på sajten eller projektet, i Markdown # Namn.
2. En kort beskrivning i ett citatblock, alltså en rad som börjar med >.
3. Valfria stycken med sammanhang, utan rubriker.
4. Avsnitt med en rubrik på andra nivån (## Avsnitt), och i varje en lista med länkar i formen - [Titel](adress): beskrivning.
5. Vanligen ett avsnitt med namnet ”Optional” med länkar till mindre viktigt material. I den första versionen kunde agenten hoppa över det när hela filen inte fick plats i den textmängd den bearbetar åt gången. Den andra versionen behåller avsnittet bara som en sedvänja (llmstxt.org).

Den enklaste filen för ett tjänsteföretag har fem rader:

• # Redovisningsbyrå Exempel
• > Redovisningsbyrå i Kraków: bokföring för enskilda firmor och bolag sedan 2010.
• ## Erbjudande
• - [Prislista](https://example.com/priser/): priser för bokföring för enskilda firmor och bolag
• - [Kontakt](https://example.com/kontakt/): adress, telefon och byråns öppettider

På rogala.pro har filen namn och beskrivning på engelska, ett stycke om Markdown-versionerna och tre avsnitt. Avsnittet ”Profile” leder till sidorna om mig, ”Blog” till bloggen på polska och engelska och ”Optional” till bloggens övriga 25 språkversioner. Varje länk leder till sidans Markdown-version, och beskrivningen efter kolonet är samma text som i sidans metabeskrivning (meta description). I oktober 2026 var filen cirka 40 KB.

En del sajter med dokumentation publicerar också en fil llms-full.txt med hela innehållet i en enda fil. Förslaget på llmstxt.org beskriver inte en sådan fil. Filen llms-full.txt i Anthropics dokumentation är cirka 45 MB och i Cloudflares dokumentation cirka 69 MB (kontrollerat 18 oktober 2026).

Hur ser llms.txt-filerna hos Allegro, Empik och Morele ut?

Stora polska webbutiker har redan llms.txt, men ingen av de tre filerna jag kontrollerade följer förslaget fullt ut. Filerna från Allegro, Empik och Morele hämtade jag den 18 oktober 2026. Jag bedömer dem efter formatet från llmstxt.org och efter de kontroller som jag beskriver i den här texten. Alla tre leder till vanliga HTML-sidor och inte till Markdown-versioner.

Allegro ger agenterna mest praktisk information, men en del av strukturen har skrivits med fetstil i stället för rubriker. Filen har ett datum för uppdatering, föredragna varumärkesnamn, adress till säte och ett kontaktformulär. Den beskriver också mönster för adresser till sökning, filter och följande sidor med resultat, så en agent kan själv bygga en adress till en produktlista. Anvisningarna till modellerna säger att priser och tillgänglighet måste kontrolleras på produktsidan, och anger namn på avslutade program. Grupper som ”Główne kategorie” (huvudkategorier) och ”Pozostałe strony i usługi” (övriga sidor och tjänster) har fetstil i stället för en rubrik ##. Ett program som läser filen enligt formatet kopplar alltså listan över tjänster till avsnittet om filtrering. Beskrivningen av en länk står efter ett bindestreck och inte efter ett kolon, och de 13 huvudkategorierna saknar beskrivningar.

Sidorna ur Allegros fil gav mitt skript kod 403, trots att själva filen hämtades utan problem. Skriptet angav i headern User-Agent sitt eget namn och adressen till min sajt, och jag kontrollerade med det de åtta första adresserna i filen. Jag vet inte om AI-robotar får samma svar, eftersom det bara syns i Allegros loggar. Det är ett exempel på en kontroll som är värd att göra för varje fil: om adresserna i llms.txt hämtas av samma program som hämtade filen.

Empik håller sig närmast formatet, men beskrivningen av varumärket låter som reklamtext. Filen har en rubrik på första nivån, en beskrivning i ett citatblock, avsnitt med ## och listor med länkar med beskrivning efter kolon. Anvisningarna till modellerna är konkreta: priser och tillgänglighet ska hämtas från produktkorten, och returreglerna beror på säljaren. I beskrivningen av varumärket finns formuleringarna ”wiodąca” (ledande) och ”Uwielbiana marka” (älskat varumärke), och i den här texten rekommenderar jag att ange fakta, eftersom modellen kan jämföra beskrivningen med sidan. Filen har inget datum för uppdatering. Rubriken och en del etiketter är på engelska, trots att resten är på polska. Av 35 adresser i filen svarade 34 med kod 200 och en med en omdirigering.

Morele har en bra lista över kategorier och guider, men filen håller sig inte till formatet, så ett program kanske inte kan läsa den. Filen börjar med ett osynligt tecken BOM, och i första raden #Morele.net saknas ett mellanslag efter tecknet #. I Markdown är en sådan rad ingen rubrik, och rubriken med namnet är det enda obligatoriska elementet. Filen har ingen beskrivning i ett citatblock och flera rubriker på första nivån. Ingen av de 116 adresserna är en Markdown-länk, och de flesta har skrivits som vanlig text ”namn - adress”. Vid kategorierna finns listor över taggar och ”de vanligaste frågorna”, alltså sökord för modellen, samt reklamtexter. Av 116 adresser svarade 113 med kod 200, och 3 omdirigerade till artiklar under nya adresser.

Ingen av de tre tjänsterna ger agenterna Markdown-versioner av sidor, så efter att ha läst filen hämtar agenten ändå hela HTML-sidor. Empik och Morele svarar på headern Accept: text/markdown med HTML, och adresser med tillägget .md ger kod 404. Allegro svarade på samma försök med kod 403. Ingen av tjänsterna har heller taggen rel="describedby" eller rel="alternate" type="text/markdown".

Använder Google llms.txt?

Nej: Google skriver att man inte behöver skapa textfiler för AI eller Markdown-versioner för att finnas i sökmotorn. Googles guide till optimering för AI-funktioner tillägger att sökmotorn ignorerar sådana filer. De hjälper alltså inte synligheten och skadar den inte (Google Search Central, uppdatering från 10 juli 2026). Enligt Search Engine Lands rapport från konferensen Search Central Live i juli 2025 sa Gary Illyes att Google inte stöder llms.txt (Search Engine Land).

John Mueller jämförde llms.txt med metataggen keywords, alltså en tagg med sökord som sökmotorerna inte använder. I april 2025 skrev han på Reddit att filen är en deklaration från sajtägaren om vad sajten handlar om. Ett AI-system kan i stället kontrollera själva sidan (Search Engine Journal). Han tillade att man i serverloggarna kan se att AI-tjänster inte ens kontrollerar om filen finns.

Chrome och Googles sökmotor är två skilda saker. Lighthouse, Chromes verktyg för att bedöma sidor, har en experimentell kategori ”Agentic Browsing” som bland annat kontrollerar om det finns en llms.txt i domänens rotkatalog (Chrome for Developers). Den kontrollen bedömer hur väl förberedd en sida är för agenter i webbläsaren. Resultatet säger ingenting om placeringar i Googles sökmotor.

Läser AI-robotar llms.txt?

Tillgängliga data visar att robotar från AI-sökmotorer sällan hämtar llms.txt, medan GPTBot och Claude Code, en assistent för programmerare, gör det oftare. Tre undersökningar som jag kontrollerade i originalpublikationerna mäter olika saker: själva filen llms.txt, Markdown-versioner som skickas via headern Accept och separata Markdown-adresser.

• Ahrefs analyserade 137 210 domäner ur sin trafikanalys i maj 2026. llms.txt fanns på 28 % av dem, och till 97 % av de filerna kom ingen enda förfrågan i maj. 96 % av de förfrågningar som nådde filerna skickades av robotar. Robotar från AI-sökmotorer, till exempel OAI-SearchBot och PerplexityBot, skickade tillsammans 233 förfrågningar, 1,1 % av alla. Bland de namngivna AI-verktygen skickade GPTBot flest förfrågningar och Claude Code näst flest. GPTBot är OpenAIs robot som samlar data till modeller, och Claude Code är Anthropics assistent för programmerare (Ahrefs, 15 juni 2026).
• Suganthan Mohanadasan registrerade i 44 dagar förfrågningar med headern Accept: text/markdown efter att ha slagit på en funktion i Cloudflare som ger agenter Markdown. Författaren anger 1 421 förfrågningar (hans tabell summerar till 1 373). 639 av dem skickades av en huvudlös webbläsare och 500 av Anthropics infrastruktur (enligt författaren inte ClaudeBot). I tabellen finns varken GPTBot eller PerplexityBot (Suganthan Mohanadasan, 19 april 2026).
• Otterly jämförde i 14 dagar HTML-sidor med deras Markdown-versioner under separata adresser, länkade i sidfoten. HTML-sidorna hade 137 besök av AI-robotar och Markdown-versionerna noll. Ingen AI-plattform citerade en Markdown-adress (Otterly, uppdatering från 1 april 2026).

Ahrefs undersökning mäter förfrågningar och inte vad roboten gjorde med filen. Att GPTBot hämtar llms.txt betyder inte att filen ändrar svaren i ChatGPT. Ahrefs påpekar också att deras kunder är mer tekniska och mer SEO-medvetna än genomsnittliga sajter. På hela webben är andelen sajter med llms.txt alltså sannolikt lägre än 28 %.

Vad visade loggarna för min sajt efter att jag införde llms.txt?

Under tio dagar efter lanseringen skickade ingen känd AI-robot en förfrågan om llms.txt, medan Markdown-versionerna hämtades av robotar som inte frågade efter den filen. Den 8 oktober 2026 publicerade jag på rogala.pro llms.txt och en Markdown-version av varje sida (114 adresser på lanseringsdagen). Åtkomstloggarna hämtar jag från hostingen och jag räknar tre sorters förfrågningar: om llms.txt, om filerna index.md, alltså Markdown-versioner under varje sidas separata adress, och om Markdown-svar under sidans vanliga adress.

Markdown-svar under den vanliga adressen känner jag igen indirekt, så deras antal är en approximation. Hostingen sparar inte headern Accept, så jag letar efter svar med en storlek som är lika med någon av de kända storlekarna på Markdown-versioner. Efter en ändring av innehållet känner jag inte de gamla storlekarna, så jag kan ha missat en del sådana svar. En tillfällig överensstämmelse i storlek är möjlig, men med storlekar räknade på byte när är den osannolik.

Resultat från 8-17 oktober 2026, efter avdrag för mina egna förfrågningar:

• Jag noterade 5 förfrågningar om llms.txt, varav 3 slutade med att filen hämtades. En gång hämtade en robot för ett SEO-verktyg filen, två gånger anonyma skannrar som utgav sig för att vara en webbläsare i en mobiltelefon. Ingen känd AI-robot skickade en förfrågan om den filen.
• Förfrågningar om filerna index.md skickades direkt av ClaudeBot (123), OAI-SearchBot (35) och Applebot (27). ClaudeBot är Anthropics indexerande robot, ett annat program än Claude Code i Ahrefs undersökning. Hostingen avvisade 34 förfrågningar från ClaudeBot med kod 429, alltså ”för många förfrågningar”, så 89 förfrågningar från ClaudeBot slutade med att filen hämtades.
• Markdown-svar under den vanliga adressen upptäckte jag bara i 22 förfrågningar från ExaSearchBot, mest på startsidan. ExaSearchBot är en sökmotorrobot för AI-applikationer.
• Googlebot skickade 169 förfrågningar om HTML-sidor, och något Markdown-svar för den upptäckte jag inte. ChatGPT-User, som hämtar sidor på uppdrag av en användare av ChatGPT, skickade 8 förfrågningar om HTML-sidor.

Loggarna visar inte hur robotarna kände till adresserna till Markdown-versionerna. Under den tiden skickade ingen av dem en förfrågan om llms.txt. Taggen <link rel="alternate"> på HTML-sidorna anger adressen till Markdown-versionen, så det är en möjlig väg, men inte den enda. Att en sida hämtats säger inte heller om roboten använde den versionen i ett svar, och för det behövs en separat mätning.

Egna tester är lätta att förväxla med trafik från robotar. Vid kontrollen av lanseringen den 17 oktober hämtade mitt skript Markdown-filer med Googlebots identitet, vilket gav 115 förfrågningar från ”Googlebot” från min IP-adress. Utan avdrag för mina egna adresser skulle det i loggarna se ut som att Googlebot hämtade Markdown, trots att jag inte upptäckte att den riktiga Googlebot hämtade Markdown.

När är det värt att göra en llms.txt?

llms.txt är mest meningsfull där sajten läses av assistenter för programmerare: vid dokumentation, API och verktyg för utvecklare. Ett API är ett gränssnitt genom vilket program utbyter data. I Ahrefs undersökning var Claude Code det näst största AI-verktyget efter GPTBot i antal förfrågningar om filen. En assistent i en kodeditor som får adressen till dokumentationen kan snabbare hitta rätt sida via en lista med länkar än via navigeringen.

I en butik eller hos ett tjänsteföretag är llms.txt ett billigt tillägg och inget sätt att få trafik från AI. Jag känner inte till något belägg för att filen ökar trafiken eller citeringarna. Innan du gör den, kontrollera om AI-robotar över huvud taget kan hämta din sajt. Kontrollera sedan om innehållet syns i HTML utan körning av JavaScript. Båda kontrollerna beskrev jag i texten om AI SEO och GEO.

Versionen för robotar måste ha samma innehåll som sidan för människor, och får bara skilja sig i format. Google beskriver cloaking, alltså att visa en sökmotor ett annat innehåll än för användare, i sina regler om spam (Google Search Central). En Markdown-version med samma uppgifter, priser och villkor är ett annat format av samma sida, medan en version med annat innehåll eller andra villkor är en risk. På rogala.pro väljs Markdown-versionen av headern Accept och inte av robotens namn. I headern Link pekar Markdown-versionen ut HTML-sidan som kanonisk adress, alltså den föredragna versionen av sidan.

Hur gör du en llms.txt-fil?

Filen kan du göra själv om du vet vilka sidor som är viktiga:

1. Välj de sidor som den som frågar efter ditt företag eller din produkt borde känna till: erbjudande, prislista, dokumentation, kontakt, de viktigaste texterna. Klistra inte in hela sitemap.
2. Skriv en rubrik med namnet och en eller två meningar beskrivning i ett citatblock. Beskrivningen ska ange fakta om företaget och inte en reklamslogan, eftersom modellen kan jämföra den med sidan.
3. Gruppera länkarna under rubriker på andra nivån och skriv vid varje en mening om vad som finns på sidan.
4. Spara filen som /llms.txt i domänens rotkatalog, i teckenkodningen UTF-8. Kontrollera att adressen svarar med kod 200, alltså ett korrekt svar, och med vanlig text och inte en HTML-sida, som en del system visar under varje okänd adress. Om ditt system inte låter dig ladda upp en fil till rotkatalogen, fråga leverantören av butiken eller hostingen.
5. Generera filen ur samma källa som sidan, så att uppgifterna i filen stämmer med innehållet. På rogala.pro skapas llms.txt vid varje bygge av sajten ur samma data som HTML.

Räcker en generator för llms.txt?

En generator förbereder en preliminär version av filen, men valet av sidor och beskrivningarna måste kontrolleras för hand. Enligt DataForSEO söks ”llms txt generator” i Polen cirka 70 gånger i månaden, och ”llms.txt generator” i USA cirka 480 gånger (medianen över 12 månader). Om generatorn hämtar adresser ur sitemap eller genom att skanna sajten med en robot vet den inte vilka sidor som är viktiga för dig. Kontrollera fem saker före publicering:

• att filen bara innehåller sidor som du vill visa, utan inloggningssidor, varukorg och sidor under uppbyggnad;
• att varje adress fungerar och svarar med kod 200;
• att beskrivningarna stämmer med sidornas aktuella innehåll, priser och erbjudande;
• att filen inte innehåller uppgifter som inte finns på sidan;
• hur filen ska uppdateras efter ändringar på sidan.

Hur kontrollerar du om robotar hämtar llms.txt?

Svaret finns i serverloggarna och inte i verktyg för synlighet i AI. Hämta de råa åtkomstloggarna från hostingens panel och sök i dem efter adressen /llms.txt och adresserna till Markdown-versioner. För varje förfrågan sparar loggen IP-adress, datum, svarskod, storlek och namnet på det program som skickade förfrågan, alltså User-Agent.

Robotens namn går att förfalska, så viktigare förfrågningar kontrollerar jag via IP-adressen. OpenAI publicerar listor över adresserna till sina robotar, och i mina loggar fanns 3 av 4 adressblock för OAI-SearchBot på en sådan lista. Av samma skäl drar jag av mina egna tester, eftersom mitt kontrollskript utgav sig för att vara Googlebot.

Hämta loggarna regelbundet, eftersom hostingen inte sparar dem länge. Min hosting sparar loggar i 14 dagar, så för att ha en månads mätning hämtar jag arkiven med några dagars mellanrum. Varumärkets närvaro i AI-svar mäter jag separat. Den mätningen beskrev jag i texten om AI-synlighet.

Vanliga frågor om llms.txt

Var ska du börja?

Börja med robotarnas åtkomst och lägg till llms.txt sist. Öppna /robots.txt och kontrollera reglerna för AI-robotar. Hämta sedan loggarna från de senaste dagarna och se vilka robotar som besöker sajten och med vilken svarskod. Har du dokumentation eller en produkt för utvecklare, lägg till llms.txt och Markdown-versioner direkt. I en butik eller på en företagssajt är llms.txt ett tillägg efter de två kontrollerna. Vill du göra det tillsammans, skriv via kontakt.