¿Qué es llms.txt?
Es un archivo de texto plano, escrito en Markdown y alojado en la raíz del dominio, que actúa como índice curado del sitio para modelos de lenguaje. Contiene el nombre de la organización, un resumen neutro de a qué se dedica y una lista de las páginas más relevantes con una descripción breve de cada una.
La propuesta salió en 2024 del entorno de la investigación en inteligencia artificial y se apoya en una observación sencilla: cuando un modelo recupera una página web, buena parte de lo que recibe es navegación, pies de página, avisos de cookies y marcado. El contenido útil llega diluido. Un archivo en Markdown lo entrega limpio.
¿En qué se diferencia de robots.txt?
Cumplen funciones opuestas y complementarias. Conviene no confundirlas, porque es el error más común.
robots.txt |
llms.txt |
|
|---|---|---|
| Función | Controlar el acceso | Guiar el descubrimiento |
| Naturaleza | Vinculante | Orientativa |
| Sintaxis | Directivas Allow / Disallow |
Markdown con resúmenes |
| Destinatario | Rastreadores | Modelos de lenguaje |
robots.txt dicta permisos: qué puede visitarse y qué no. llms.txt no restringe
nada; se limita a señalar qué merece la pena leer. Uno es una verja, el otro un
cartel indicador.
De los dos, el que de verdad puede arruinarle la visibilidad es robots.txt. Si
su cortafuegos o su configuración bloquea a GPTBot, ClaudeBot,
PerplexityBot o Google-Extended, ningún llms.txt va a compensarlo: estará
publicando un índice para unos lectores a los que ha cerrado la puerta.
¿Lo respeta alguien?
Aquí toca ser honesto, porque hay mucho entusiasmo mal calibrado alrededor de este archivo.
llms.txt no es un estándar aprobado por ningún organismo, y a día de hoy los
grandes proveedores de modelos no han confirmado públicamente que lo consuman de
forma sistemática. Hay adopción creciente en documentación técnica y algunas
herramientas de recuperación lo aprovechan, pero quien le prometa que publicar un
llms.txt mejorará sus citaciones le está vendiendo una certeza que nadie tiene.
Dicho esto, el cálculo sigue siendo favorable. Escribirlo cuesta una tarde, no tiene contraindicaciones, y el ejercicio de decidir cuáles son sus veinte páginas importantes y resumir cada una en quince palabras suele revelar más sobre la arquitectura de un sitio que la mayoría de auditorías.
Cómo se escribe uno decente
- Un
H1con el nombre de la organización. - Una cita en bloque que resuma el negocio en dos frases, sin lenguaje de venta. «Estudio de ingeniería web» funciona; «líderes en soluciones digitales innovadoras» es ruido que degrada la señal.
- Secciones
H2que agrupen entre diez y veinte enlaces a las páginas centrales, cada uno con una descripción de contexto de unas quince palabras. - Nada más. Ni menús, ni avisos legales, ni el listado completo del blog.
Si el sitio es pequeño, puede añadirse un llms-full.txt que consolide todo el
texto en un único documento aplanado, pensado para modelos con ventanas de
contexto amplias.
Nuestro propio archivo
El de esta web está en /llms.txt y se genera en cada compilación a partir de las mismas colecciones de contenido que alimentan las páginas. Escribirlo a mano garantiza que en tres meses mienta.