llms.txt — plik dla modeli językowych

llms.txt to propozycja społeczności dotycząca pliku Markdown w /llms.txt, a nie przyjęty standard internetowy. Evidence for this claim llms.txt is a community proposal for a Markdown file at /llms.txt that offers LLM-friendly site information; it is not a web standard. Scope: The proposal's own specification and stated purpose. Confidence: high · Verified: 2026-07-14 llms.txt proposal Opublikowane przez OpenAI mechanizmy sterowania robotami indeksującymi wykorzystują robots.txt i nie dokumentują llms.txt jako mechanizmu kontroli. Evidence for this claim OpenAI documents robots.txt controls for its declared crawlers and does not list llms.txt as a crawler control. Scope: OpenAI's published crawler controls; absence is not proof that no internal system ever fetches the file. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

TL;DR — llms.txt to plik Markdown, który umieszczasz w /llms.txt i który przekazuje systemom AI krótką, wyselekcjonowaną listę Twoich najważniejszych stron. Zaproponował go w 2024 roku programista Jeremy Howard. To ciekawy pomysł, ale w praktyce prawie nikt go nie czyta — Google całkowicie go ignoruje, a głównym odbiorcą, który faktycznie go czyta, są asystenci kodowania AI, a nie boty wyszukiwarek, do których większość ludzi chce dotrzeć. Dodanie go niewiele kosztuje i prawdopodobnie nie wpłynie na Twoją widoczność w AI.

Czym jest llms.txt

llms.txt to zwykły plik Markdown, który umieszczasz w katalogu głównym swojej strony — yoursite.com/llms.txt. Wewnątrz wpisujesz nazwę swojej strony, jednowierszowy opis, a następnie krótką listę linków do najważniejszych stron, każdy z krótką notatką o tym, co obejmuje. Chodzi o to, aby system AI mógł przeczytać ten jeden plik i od razu zrozumieć, czym jest Twoja strona i gdzie znajdują się wartościowe treści, zamiast przeszukiwać i analizować każdą stronę.

Zaproponował go Jeremy Howard — osoba stojąca za fast.ai (popularnym kursem głębokiego uczenia) i Answer.AI — we wrześniu 2024 roku.

Co ma robić, a co faktycznie robi

Zamysł: narzędzia AI mają ograniczone “okna kontekstowe” (mogą przeczytać tylko określoną ilość naraz), a przekształcanie nieuporządkowanego HTML w czysty tekst jest trudne. Dlaczego więc nie pozwolić właścicielowi strony przekazać modelowi schludnej, gotowej mapy?

Rzeczywistość jest bardziej przygnębiająca. Główni dostawcy wyszukiwarek AI nie przyjęli tego rozwiązania. Google wprost stwierdziło, że go nie używa. A gdy Ahrefs przebadał 137 000 stron, 97% opublikowanych plików llms.txt nie otrzymało żadnych żądań w ciągu miesiąca — to znaczy, nikt ich w ogóle nie pobrał.

Jedynym miejscem, gdzie jest faktycznie używany, są asystenci kodowania AI — narzędzia takie jak Claude Code, których programiści używają do pisania oprogramowania. Czytają one llms.txt, aby szybko odnaleźć się w dokumentacji technicznej. To pierwotny przypadek użycia i działa. To jednak coś zupełnie innego niż “this will get my business cited in ChatGPT.” (tłumaczenie) „dzięki temu moja firma będzie cytowana w ChatGPT”.

Czy to jak robots.txt?

Wiele osób zakłada, że llms.txt to “robots.txt dla AI”. Tak nie jest.

• robots.txt kontroluje dostęp — mówi crawlerom, co mogą pobierać, a dobrze wychowane boty go przestrzegają.
• llms.txt oferuje wskazówki — sugeruje, co warto przeczytać, ale nic nie jest zobowiązane go słuchać. Nie może niczego blokować.

Jeśli Twoim celem jest trzymanie botów AI z dala, llms.txt nic nie zdziała — to zadanie dla robots.txt i Twojej sieci CDN.

Czy warto się tym przejmować?

Jeśli prowadzisz dokumentację dla programistów, którą czytają agenci kodowania, to tak — to tanie i im pomaga. Jeśli jesteś zwykłą firmą, która ma nadzieję, że llms.txt zwiększy Twoją widoczność w odpowiedziach AI, to uczciwa odpowiedź na dziś brzmi: nie oczekuj rezultatów. Zamiast tego poświęć ten czas na jasne treści i strukturę.

Chcesz poznać specyfikację, zestawienie według dostawców, dane dotyczące adopcji i aspekt bezpieczeństwa? Przełącz się na zakładkę Zaawansowane.

Specyfikacja opisuje dobrowolne podsumowanie strony przyjazne dla LLM; nie ustanawia ona zgodności ze strony robotów indeksujących ani nie określa ich zachowania podczas indeksowania. Evidence for this claim llms.txt is a community proposal for a Markdown file at /llms.txt that offers LLM-friendly site information; it is not a web standard. Scope: The proposal's own specification and stated purpose. Confidence: high · Verified: 2026-07-14 llms.txt proposal OpenAI obecnie dokumentuje nazwane boty i niezależne ustawienia robots.txt zamiast tego. Evidence for this claim OpenAI documents robots.txt controls for its declared crawlers and does not list llms.txt as a crawler control. Scope: OpenAI's published crawler controls; absence is not proof that no internal system ever fetches the file. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

TL;DR — llms.txt to propozycja (Jeremy Howard, Answer.AI, 3 września 2024), a nie przyjęty standard. To wyselekcjonowany indeks Markdown pod adresem /llms.txt, z opcjonalnym plikiem pełnej treści /llms-full.txt. Boty, na które ludzie liczą, że będą je czytać dla wyszukiwania AI — OAI-SearchBot, PerplexityBot — ledwo się rejestrują; dominującym odbiorcą jest Claude Code i inne agenty kodujące. Google to ignoruje (Illyes potwierdził; Mueller porównał to do meta tagu keywords). W badaniu Ahrefs obejmującym 137 tys. witryn, 97% plików nie otrzymało żadnych żądań, a SE Ranking wykazało, że usunięcie llms.txt z modelu cytowań poprawiło jego dokładność. Warto to dodać dla dokumentacji deweloperskiej konsumowanej przez agenty kodujące; dla GEO/AEO na normalnej stronie dane tego nie potwierdzają. Istnieje też realne ryzyko wstrzyknięcia promptu.

Czym naprawdę jest llms.txt

llms.txt to propozycja — chcę zacząć od tego słowa, bo to cała historia. Nie ma RFC, błogosławieństwa W3C, procesu IETF. To jeden dobrze przemyślany pomysł Jeremy’ego Howarda (współzałożyciela Answer.AI i fast.ai), opublikowany 3 września 2024, który mocno przyjął się w świecie dokumentacji deweloperskiej i został wklejony do SEO przez społeczność głodną skrótu do widoczności w AI.

Problem projektowy, który rozwiązuje, jest uzasadniony. Jak ujmuje to specyfikacja, “Large language models increasingly rely on website information, but face a critical limitation: context windows are too small to handle most websites in their entirety.” (tłumaczenie) „Duże modele językowe w coraz większym stopniu polegają na informacjach ze stron internetowych, ale napotykają krytyczne ograniczenie: okna kontekstowe są zbyt małe, aby obsłużyć większość stron w całości.” A konwersja HTML na czysty, przyjazny dla LLM tekst jest, według słów specyfikacji, „trudna i nieprecyzyjna”. Pomysłem Howarda jest umożliwienie autorowi strony wstępnego spłaszczenia treści, które chce, aby modele widziały, do wyselekcjonowanego Markdown.

Format

/llms.txt to uporządkowany dokument Markdown:

1. H1 (wymagane) — nazwa projektu lub witryny.
2. Cytat blokowy — krótkie podsumowanie z kluczowymi informacjami.
3. Opcjonalna proza/listy — akapity lub wypunktowania, ale bez nagłówków.
4. Listy linków ograniczone H2 — - [name](url): optional notes.
5. Sekcja ## Optional — linki drugorzędne, które model może pominąć, gdy kontekst jest ograniczony.

Minimalny przykład ze specyfikacji:

# FastHTML

> FastHTML is a python library which brings together Starlette, Uvicorn, HTMX,
> and fastcore's FT...

## Docs

- [FastHTML quick start](url): A brief overview of many features

## Optional

- [Starlette documentation](url): A subset useful for FastHTML development.

Istnieją dwie towarzyszące konwencje:

• /llms-full.txt — cała treść witryny spłaszczona do jednego pliku Markdown. Anthropic, Perplexity i Stripe publikują zarówno ten, jak i krótką formę.
• Konwencja URL .md — oferowanie wersji page.md poszczególnych stron, aby były gotowe dla LLM bez pełnego zrzutu.

Nowszy wariant całkowicie pomija statyczne pliki: Markdown serwowany na brzegu sieci za pośrednictwem negocjacji treści. Cloudflare Markdown for Agents konwertuje każdą stronę HTML na czysty Markdown w locie, gdy klient wysyła Accept: text/markdown — bez plików .md na stronę, bez /llms-full.txt do regeneracji, bez zmian w szablonach, ponieważ CDN wykonuje konwersję na brzegu sieci (Cloudflare podaje ~80% mniej tokenów dla agenta). To płatna funkcja — plan Pro i wyżej, nie darmowy poziom — więc na tej stronie to jedna aktualizacja Cloudflare od włączenia, a nie coś, co zbudowałem ręcznie. Czy warto ją włączyć, to samo otwarte pytanie, które wisi nad samym llms.txt: serwowanie równoległej kopii Markdown każdej strony jest wygodne, ale to kolejna reprezentacja do synchronizacji, a Fabrice Canel z Binga zwrócił uwagę na podwojone obciążenie crawlowe i ryzyko zbliżone do cloakingu przy treści alternatywnej serwowanej na brzegu sieci. Sprawdź logi pod kątem realnego zapotrzebowania agentów przed włączeniem.

llms.txt a robots.txt — to nie to samo

Najczęstszym błędnym przekonaniem jest, że llms.txt to „robots.txt dla AI”. To nieprawda, a ich mylenie prowadzi do złych decyzji.

robots.txt to prawdziwy, egzekwowany standard. llms.txt to skrzynka sugestii, której większość systemów jeszcze nie czyta. Jeśli chcesz kontrolować dostęp robotów AI — co jest osobnym, uzasadnionym celem — służą do tego robots.txt i reguły dla robotów AI, a nie llms.txt.

Kto to faktycznie czyta

To jest sekcja, która ma znaczenie, ponieważ to tutaj dane najbardziej odbiegają od szumu. W badaniu Ahrefs obejmującym 137 210 domen (ruch z maja 2026):

• 97 % opublikowanych plików llms.txt nie otrzymało żadnych żądań. Tylko ~3 % (około 1 100 domen) odnotowało jakikolwiek ruch.
• Z plików, które zostały pobrane: 96 % żądań pochodziło od botów, 4 % od ludzi.
• Z żądań botów 77 % pochodziło z narzędzi nie-AI — audytorów SEO (w tym samego Ahrefs), anonimowych robotów indeksujących i botów profilujących technologię. Ta ironia SEO pisze się sama.
• Tylko ~19,5 % pochodziło z narzędzi AI, a po dokładniejszym rozbiciu jest jeszcze gorzej dla teorii GEO:
  • Agenci i infrastruktura AI (agenci kodowania): ~10,5 %
  • Crawlery treningowe (GPTBot prowadził z 4,51 %): ~5,3 %
  • Asystenci AI: ~2,5 %
  • Boty pobierające AI — te, które budują indeksy cytowań: 1,1 %.

Przeczytaj tę ostatnią linię dwa razy. Boty, dla których większość ludzi dodaje llms.txt — OAI-SearchBot, PerplexityBot — „ledwo się zarejestrowały”. Dominującym konsumentem AI jest Claude Code, agent programistyczny firmy Anthropic, który według badania „pobrał plik częściej niż każdy bot pobierający dane dla AI, asystent i robot treningowy z wyjątkiem GPTBota”. GPTBot jest natomiast robotem treningowym, który indeksuje zasoby niezależnie od llms.txt — jego obecność nie dowodzi celowego parsowania tego pliku.

Inne niezależne pomiary prowadzą do tych samych wniosków. OtterlyAI obserwowało jedną witrynę przez 90 dni: z ponad 62 100 wizyt botów AI dokładnie 84 trafiło na /llms.txt — około 0,1 %, osiągając „3 razy gorsze wyniki niż średnie strony”. Osobna analiza ponad 515 mln zdarzeń botów LLM w ciągu 90 dni wykazała 408 żądań łącznie kierowanych do /llms.txt — „statystycznie pomijalne”.

Wniosek to podział na dokumentację dla deweloperów a GEO: llms.txt działa do tego, do czego Howard go stworzył (agenci kodowania nawigujący po dokumentacji API), a boty cytujące z wyszukiwarek, do których społeczność SEO chce dotrzeć, w dużej mierze go nie używają.

Co powiedzieli dostawcy

Google — nie i nie planuje. Gary Illyes potwierdził na Search Central Live (lipiec 2025), że Google nie obsługuje llms.txt i nie planuje tego robić. John Mueller, najczęściej cytowany głos w tej sprawie, porównał go do meta tagu keywords (kwiecień 2025) i nazwał go „tymczasową kulą, być może dla oszczędności tokenów” dla narzędzi AI do kodowania — wyraźnie nie mechanizmem widoczności w wyszukiwarkach. Wytyczne Google z maja 2026 stwierdzały, że pliki czytelne maszynowo, takie jak llms.txt, nie są konieczne dla AI Overviews ani AI Mode, które „nadal opierają się na tradycyjnych sygnałach SEO”. (Google faktycznie opublikowało na krótko llms.txt w swojej dokumentacji deweloperskiej 3 grudnia 2025, a następnie usunęło go tego samego dnia — później przypisano to aktualizacji CMS, a nie zmianie strategii.)

OpenAI — nic. Brak ogłoszenia, że ChatGPT, GPTBot lub OAI-SearchBot go parsują. Logi serwerów przeczą znaczącemu użyciu; OAI-SearchBot „ledwo się zarejestrował”. OpenAI kieruje ludzi do robots.txt w celu kontroli crawlerów.

Anthropic — ten najciekawszy. Anthropic publikuje zarówno llms.txt, jak i llms-full.txt pod adresem docs.anthropic.com/llms.txt, a Claude Code w widoczny sposób pobiera pliki llms.txt innych witryn — to największy konsument AI w danych. Ale to historia o narzędziu do kodowania. Nie ma potwierdzenia, że warstwa wyszukiwania lub cytowania Claude.ai honoruje llms.txt. „Agent kodujący Anthropica czyta ten plik” i „indeks wyszukiwarki Anthropica mu ufa” to różne twierdzenia, a tylko pierwsze jest poparte.

Perplexity — deklaruje, że tak, dane mówią, że rzadko. Perplexity oświadczyło, że pobiera llms.txt i używa go do „priorytetyzacji wyboru stron”. Ale aktywne pobieranie jest haczykiem: PerplexityBot „ledwo się zarejestrował” w danych o żądaniach, a „prawie zero aktywności PerplexityBota w zakresie aktywnego żądania plików llms.txt”. Wklej URL llms.txt do Perplexity, a przeczyta go bez problemu; autonomiczne, aktywne użycie to przepaść między polityką a praktyką.

Bing/Microsoft, Apple, Meta — brak publicznego stanowiska. Traktuj jako niepotwierdzone.

Czy to wpływa na cytowania AI?

Brak wykazanego efektu. SE Ranking zamodelowało 300 000 domen za pomocą regresji XGBoost

• analizy SHAP i odkryło, że usunięcie llms.txt z modelu poprawiło jego dokładność — ich wniosek: „LLMs.txt nie wydaje się bezpośrednio wpływać na częstotliwość cytowań AI. Przynajmniej na razie.” Badanie Search Engine Land na 10 witrynach przez 180 dni wykazało, że 8 z 10 witryn nie odnotowało mierzalnych zmian, a dwaj „zwycięzcy” mieli mylące zmiany (relacje PR, nowe strony FAQ, poprawki techniczne), których nie da się oddzielić od samego llms.txt.

Porównanie z meta-keywords — uczciwe czy nie?

Analogia Muellera do meta-tagu keywords trzyma się w kluczowych punktach: oba to autoopisy właściciela witryny, żaden nie jest weryfikowany, a oba są otwarte na manipulację/cloaking — można pokazać jedno w llms.txt, a co innego na stronie. Ta podatność na manipulację to dokładnie powód, dla którego poważny produkt wyszukiwania AI nie zaufa autoopisowi ponad rzeczywistymi stronami. Kontrargument (Carolyn Shelby) jest taki, że llms.txt przynajmniej wskazuje prawdziwe URL-e, które muszą dostarczać treść — to „reflektor, a nie lista życzeń”. Obie strony mają rację, a praktyczny wynik jest taki sam: systemy wyszukiwania AI nie polegają na nim.

Kiedy warto go dodać — a kiedy pominąć

Dodaj go, jeśli prowadzisz dokumentację deweloperską lub referencję API, której główną grupą odbiorców są agenci kodowania AI (Claude Code, Cursor, Copilot, Codeium). To przypadek użycia, do którego został stworzony, i działa.

Pomiń go — lub przynajmniej nie oczekuj zwrotów z widoczności AI — w przypadku witryn treściowych, mediów, e-commerce i zwykłych witryn biznesowych. Koszt to ~20 minut; korzyść GEO dziś jest bliska zeru; a te 20 minut lepiej przeznaczyć na strukturę treści, pokrycie FAQ i podstawy optymalizacji pod wyszukiwarki AI, które faktycznie wpływają na widoczność AI. Nagłówki o wysokiej adopcji (liczba 844K+ z BuiltWith) są zawyżone przez automatyczne wdrażanie na platformach — Mintlify wdrożyło llms.txt na wszystkich swoich hostowanych witrynach dokumentacji naraz. Adopcja to nie użycie; 97 % plików nie otrzymuje żadnych żądań.

Aspekt bezpieczeństwa

To jest niedostatecznie raportowane i realne: ponieważ agenci AI są zaprojektowani, by ufać temu, co jest w llms.txt, plik jest naturalną powierzchnią ataku. Badanie Ahrefs wykazało, że źli aktorzy sondują pliki llms.txt pod kątem podatności na wstrzykiwanie promptów. Jeśli publikujesz taki plik, traktuj go jako wrażliwy pod względem bezpieczeństwa: trzymaj go w kontroli wersji, alertuj o nieautoryzowanych zmianach i nigdy nie umieszczaj w nim niczego, czego nie pokazałbyś publicznie.

Wdrażanie (jeśli się zdecydujesz)

• Umieszczenie: /llms.txt w katalogu głównym domeny, serwowane jako text/plain lub text/markdown, HTTP 200.
• Kuratoruj, nie zrzucaj: 20–50 najważniejszych linków. Jeśli wypiszesz wszystko, model równie dobrze może przeszukać witrynę bezpośrednio — kuratorowanie jest całym sensem.
• Opcjonalnie serwuj /llms-full.txt dla kontekstów, które chcą całej Twojej treści.
• Waliduj: wczytaj plik do Claude, ChatGPT lub Perplexity i poproś o streszczenie Twojej witryny; następnie sprawdź logi serwera po kilku tygodniach pod kątem rzeczywistych żądań.
• Generatory istnieją dla VitePress (vitepress-plugin-llms), Docusaurus (docusaurus-plugin-llms), WordPress (“Website LLMs.txt”), Drupal, a także Python CLI (llms_txt2ctx).

Najważniejszy wniosek: niski koszt, obecnie niemal zerowa korzyść GEO, realnie przydatny dla przypadku użycia agentów kodujących, dla których powstał. Sprawdź własne logi serwera, zanim zdecydujesz — jeśli widzisz ruch Claude-Code/Cursor, llms.txt może im pomóc; jeśli gonisz OAI-SearchBot i PerplexityBot, to nie jest dźwignia.

Podsumowanie AI

Skrócona wersja wersji zaawansowanej:

• llms.txt to propozycja, nie standard — Jeremy Howard (Answer.AI/fast.ai), 3 września 2024. Kuratorowany indeks Markdown w /llms.txt; opcjonalny pełnotreściowy /llms-full.txt.
• To nie jest robots.txt dla AI. robots.txt kontroluje dostęp i jest egzekwowany; llms.txt ma charakter doradczy i nie może niczego blokować.
• Prawie nikt go nie czyta. Ahrefs (137 tys. witryn): 97 % plików otrzymało zero żądań. Spośród plików, które były żądane, 77 % trafień botów to narzędzia nie-AI (audytorzy SEO), a boty pobierające AI — te budujące cytowania — to tylko 1,1 %.
• Claude Code jest dominującym konsumentem AI, nie boty wyszukiwarek. OAI-SearchBot i PerplexityBot “ledwo się zarejestrowały.”
• Google to ignoruje. Illyes potwierdził brak wsparcia/planów; Mueller porównał to do meta tagu keywords. OpenAI: nic. Perplexity: twierdzi, że wspiera, ale proaktywne pobieranie jest minimalne. Anthropic publikuje własny + Claude Code go czyta, ale użycie w warstwie wyszukiwania jest niepotwierdzone.
• Brak wykazanej korzyści w cytowaniach. SE Ranking (300K domen): usunięcie llms.txt z modelu poprawiło dokładność.
• Warto dla dokumentacji deweloperskiej konsumowanej przez agentów kodujących; pomiń to jako zagranie GEO dla zwykłych witryn. Ryzyko wstrzyknięcia promptu — traktuj plik jako element wrażliwy z punktu widzenia bezpieczeństwa.

Oficjalna dokumentacja

Materiały źródłowe — specyfikacja, propozycja oraz własne pliki i oświadczenia dostawców.

Specyfikacja i propozycja

• llmstxt.org — specyfikacja: format pliku, /llms.txt vs /llms-full.txt oraz uzasadnienie dotyczące czasu wnioskowania.
• Oryginalna propozycja (Jeremy Howard, 3 września 2024) — ogłoszenie Answer.AI.
• AnswerDotAI/llms-txt na GitHub — repozytorium, narzędzia i CLI llms_txt2ctx.

Własne pliki dostawców

• llms.txt Anthropica — żywy przykład (Anthropic publikuje również llms-full.txt).
• llms.txt Perplexity — kolejny żywy przykład.

Oficjalne stanowisko Google

• Google stwierdziło, że pliki czytelne maszynowo, takie jak llms.txt, nie są konieczne dla AI Overviews ani AI Mode, które opierają się na tradycyjnych sygnałach SEO (wytyczne z maja 2026); Gary Illyes potwierdził brak wsparcia i brak planów na Search Central Live (lipiec 2025). Zobacz relację Search Engine Journal na temat oświadczenia Johna Muellera, aby zapoznać się z najczęściej cytowanym sformułowaniem.

Cytaty ze źródła

Oświadczenia na temat llms.txt — od Google, twórcy specyfikacji i badaczy, którzy go zmierzyli.

John Mueller, Google Search Advocate (17 kwietnia 2025)

• “AFAIK none of the AI services have said they’re using LLMs.TXT (and you can tell when you look at your server logs that they don’t even check for it). To me, it’s comparable to the keywords meta tag – this is what a site-owner claims their site is about … (Is the site really like that? well, you can check it. At that point, why not just check the site directly?)” (tłumaczenie) „O ile mi wiadomo, żaden z serwisów AI nie powiedział, że używa LLMs.TXT (a widać to, gdy spojrzysz na logi serwera, że nawet go nie sprawdzają). Dla mnie jest to porównywalne z meta tagiem keywords – to jest to, co właściciel strony twierdzi, że jego strona zawiera … (Czy strona naprawdę taka jest? cóż, możesz to sprawdzić. W tym momencie, dlaczego po prostu nie sprawdzić strony bezpośrednio?)” Coverage

Gary Illyes, Google Search Central (Search Central Live, lipiec 2025)

• Potwierdzono, że Google nie obsługuje llms.txt i nie ma takich planów. (Zgłoszone z wydarzenia; brak zidentyfikowanego podstawowego adresu URL transkrypcji — potwierdź przed uznaniem za ostateczne.)

Jeremy Howard, twórca (Answer.AI)

• “A proposal to standardise on using an /llms.txt file to provide information to help LLMs use a website at inference time.” (tłumaczenie) „Propozycja standaryzacji użycia pliku /llms.txt w celu dostarczania informacji, które pomogą LLM korzystać ze strony internetowej w czasie wnioskowania.” llmstxt.org
• Ze specyfikacji, o głównym problemie: “Large language models increasingly rely on website information, but face a critical limitation: context windows are too small to handle most websites in their entirety.” (tłumaczenie) „Duże modele językowe w coraz większym stopniu polegają na informacjach ze stron internetowych, ale napotykają krytyczne ograniczenie: okna kontekstowe są zbyt małe, aby obsłużyć większość stron w całości.” llmstxt.org

Brett Tabke, Pubcon / WebmasterWorld (marzec 2025)

• “we just don’t need people thinking they are different from any other spider.” (tłumaczenie) „po prostu nie potrzebujemy, żeby ludzie myśleli, że różnią się od jakiegokolwiek innego robota indeksującego.” Search Engine Land

Carolyn Shelby, Search Engine Land (9 lipca 2025 — głos sprzeciwu)

• “Llms.txt curates a list of real URLs, and the content has to exist – and deliver – when the model gets there.” (tłumaczenie) „Llms.txt porządkuje listę rzeczywistych adresów URL, a treść musi istnieć — i spełnić swoją rolę — gdy model do niej dotrze”. “Think of llms.txt like a treasure map for AI systems – one you draw yourself. It’s not a wish list. It’s a spotlight.” (tłumaczenie) „Pomyśl o llms.txt jak o mapie skarbów dla systemów AI — takiej, którą rysujesz samodzielnie. To nie lista życzeń, lecz reflektor”. Search Engine Land

Czy powinieneś wdrożyć llms.txt? — lista kontrolna decyzji

Pracuj od góry do dołu. Pierwsze „tak”, które pasuje, zwykle rozstrzyga sprawę.

• Czy Twoją główną grupą odbiorców są agenci kodowania AI (Claude Code, Cursor, Copilot, Codeium) czytający dokumentację dla programistów / referencję API? → Tak, dodaj to. To przypadek użycia, dla którego to stworzono, i to działa.
• Czy dodajesz to wyłącznie, aby poprawić cytowania w wynikach wyszukiwania AI dla strony z treścią, mediami, e-commerce lub ogólną firmową? → Nie oczekuj rezultatów. Dane pokazują brak korzyści w cytowaniach; zamiast tego poświęć czas na strukturę treści.
• Czy najpierw sprawdziłeś logi serwera? Poszukaj ruchu Claude-Code/Cursor (llms.txt może im pomóc) vs OAI-SearchBot/PerplexityBot (to nie wpłynie na ten wskaźnik).
• Czy traktujesz to jak robots.txt dla AI? → Przestań. To niczego nie blokuje. Użyj robots.txt + swojej CDN do kontroli dostępu.

Jeśli publikujesz jeden:

• Umieść go w /llms.txt (katalog główny), serwuj text/plain/text/markdown, HTTP 200.
• Wybierz 20–50 swoich najważniejszych adresów URL — nie zrzucaj całej mapy witryny.
• Trzymaj go w systemie kontroli wersji i alertuj o nieautoryzowanych zmianach (ryzyko wstrzyknięcia promptu — agenci są projektowani tak, aby mu ufać).
• Nie umieszczaj w nim niczego, czego nie pokazałbyś publicznie.
• Opcjonalnie serwuj /llms-full.txt dla kontekstów pełnej treści.
• Zweryfikuj: załaduj URL do Claude/ChatGPT/Perplexity, poproś o podsumowanie strony; sprawdź ponownie logi serwera po kilku tygodniach pod kątem rzeczywistych żądań.

Wsparcie dostawców — ściągawka

Kto faktycznie wspiera llms.txt (stan na połowę 2026)

Szybkie fakty

• Zaproponowano: Jeremy Howard (Answer.AI/fast.ai), 3 września 2024. To propozycja, nie przyjęty standard.
• Pliki: /llms.txt (krótki, wyselekcjonowany) i opcjonalny /llms-full.txt (pełna treść spłaszczona do Markdown).
• Format: Nagłówek H1 → streszczenie w cytacie blokowym → listy linków H2 (- [name](url): note) → sekcja ## Optional.
• vs robots.txt: robots.txt = kontrola dostępu, egzekwowana. llms.txt = wskazówka, doradcza, niczego nie blokuje.
• Liczba: 97% opublikowanych plików otrzymuje zero żądań (Ahrefs, 137 tys. witryn).
• Dominujący czytnik AI: Claude Code, nie boty wyszukiwarek.
• Korzyść z cytowania: żadna nie wykazana (SE Ranking: usunięcie go poprawiło dokładność modelu).
• Bezpieczeństwo: ryzyko wstrzyknięcia promptu — przechowuj plik w systemie kontroli wersji i ustaw alerty o zmianach.

Błędy llms.txt, których należy unikać

Traktowanie pliku jako standardu kontroli dostępu

llms.txt nie pozwala ani nie blokuje indeksowania. Użyj robots.txt, uwierzytelniania i innych rzeczywistych kontroli dostępu do tego zadania.

Obiecywanie wzrostu widoczności w AI

Wsparcie dostawców i obserwowane pobieranie są ograniczone. Opisz plik jako opcjonalną pomoc nawigacyjną, a nie dźwignię rankingową lub cytacyjną.

Publikowanie wrażliwych lub prywatnych adresów URL

Plik jest publiczny i łatwy do odkrycia. Umieszczaj tylko zasoby przeznaczone do publicznego konsumpcji; nigdy nie używaj niejasności jako ochrony.

Generowanie niekuratorowanej mapy witryny w Markdown

Propozycja jest najbardziej użyteczna jako krótki, czytelny dla ludzi przewodnik po ważnych zasobach. Ogromny zrzut dodaje koszt utrzymania bez wyjaśniania, które strony mają znaczenie.

Typowe problemy z llms.txt

Plik zwraca HTML zamiast Markdown

Objaw: /llms.txt pokazuje powłokę aplikacji, markowy 404 lub cel przekierowania. Prawdopodobna przyczyna: Trasa catch-all lub reguła CDN przechwytuje ścieżkę tekstową. Poprawka: Serwuj plik bezpośrednio w katalogu głównym z pomyślną odpowiedzią i zwykłą treścią tekstową lub Markdown, potem żądaj go bez ciasteczek.

Linki w pliku zawodzą lub wielokrotnie przekierowują

Objaw: Czytelnik nie może pobrać wymienionych zasobów pod ich kanonicznymi adresami URL. Prawdopodobna przyczyna: Plik został wygenerowany z nieaktualnej nawigacji lub względnych ścieżek. Poprawka: zweryfikuj każdy URL, zastąp wycofane lokalizacje i preferuj stabilne kanoniczne adresy URL HTTPS.

Żadne boty nie żądają pliku

Objaw: Logi nie pokazują ruchu do /llms.txt. Prawdopodobna przyczyna: Systemy, na których Ci zależy, nie obsługują ani nie odkrywają propozycji. Poprawka: Potwierdź pokrycie logów i pozostaw plik jako tani eksperyment; nie dodawaj sztuczek specyficznych dla botów ani nie wyciągaj wniosków o problemie witryny z zerowych żądań.

Prompty do kuratorowania llms.txt

Build a proposed llms.txt outline from this public URL inventory. Keep only canonical,
durable resources that help an agent understand the site or complete a task. Group them
under short Markdown headings, write one factual description per link, and flag URLs
that redirect, duplicate another page, require authentication, or may expose sensitive
information. Do not claim the file affects rankings or citations.

[paste inventory]

Review this llms.txt file against the supplied crawl results. Report broken or
redirecting URLs, non-canonical links, descriptions unsupported by the destination,
missing high-value documentation, and sections that are too broad to be useful. Return
a corrected draft using only public URLs from the inputs.

[paste file and crawl results]

Ramy decyzyjne, czy używać llms.txt

Test koszt–konsument–treść

1. Koszt: Czy zespół może generować i utrzymywać plik przy niewielkiej ciągłej pracy?
2. Konsument: Czy istnieje zidentyfikowany agent lub przepływ pracy, który faktycznie go czyta?
3. Treść: Czy witryna ma stabilną publiczną dokumentację wartą kuratorowania?

Wdrażaj, gdy wszystkie trzy są wiarygodne. Jeśli konsument jest hipotetyczny, traktuj plik jako eksperyment i ogranicz budżet na utrzymanie.

Zachowaj rozdzielność ról

• robots.txt: wskazówki dotyczące dostępu dla robotów indeksujących.
• Mapa witryny XML: wykrywanie adresów URL przez wyszukiwarki.
• llms.txt: proponowany, starannie dobrany przewodnik do czytania dla systemów AI.
• MCP: protokół działania, dzięki któremu agent może odkrywać i wywoływać zasoby lub narzędzia.

Jeden plik nie powinien być oceniany tak, jakby pełnił funkcję innego systemu.

Narzędzia dla llms.txt

• Generator i walidator llms.txt: Przygotuj starannie dobrany plik i sprawdź jego strukturę oraz powiązane zasoby przed publikacją.
• Narzędzie do sprawdzania dostępu dla robotów AI: Audytuj rzeczywiste mechanizmy kontroli dostępu dla robotów oddzielnie; llms.txt nie zastępuje tego sprawdzenia.
• curl: Zweryfikuj status, przekierowania, typ treści i treść pod dokładną ścieżką główną.
• Logi serwera lub CDN: Określ, czy nazwani użytkownicy-agenci żądają pliku; brak żądań jest obserwacją, a nie dowodem problemu z rankingiem.
• Narzędzie do sprawdzania linków: Ponownie weryfikuj każdy starannie dobrany cel zgodnie z harmonogramem, aby przewodnik nie tracił na aktualności.

Walidacja wydania llms.txt

Testowanie odpowiedzi głównej

Test do wykonania: Wyślij żądanie /llms.txt bezpośrednio bez plików cookie i nie podążaj za przekierowaniami. Oczekiwany wynik: Pomyślna odpowiedź zawiera zamierzony Markdown pod ścieżką główną. Interpretacja błędu: Routing lub wdrożenie nie udostępnia pliku. Okno monitorowania: Natychmiastowe. Wyzwalacz wycofania: Ścieżka serwuje powłokę HTML, dokument błędu lub niepowiązane przekierowanie.

Testowanie każdego wymienionego zasobu

Test do wykonania: Przeskanuj adresy URL w pliku i porównaj każdy cel z jego opisem. Oczekiwany wynik: Publiczne kanoniczne zasoby rozwiązują się pomyślnie i zgodne z deklarowanym przeznaczeniem. Interpretacja błędu: Przewodnik jest nieaktualny lub wprowadzający w błąd. Okno monitorowania: Natychmiastowe, a następnie zgodnie z cyklem aktualizacji dokumentacji. Wyzwalacz wycofania: Wymieniony adres URL ujawnia prywatne materiały lub stale zawodzi.

Uczciwe testowanie deklarowanego wyniku eksperymentu

Test do wykonania: Po publikacji zapytaj logi serwera o /llms.txt według agenta użytkownika. Oczekiwany wynik: Żądania, jeśli występują, są rejestrowane i możliwe do przypisania; zero również jest prawidłowym wynikiem. Interpretacja błędu: Logowanie może być niekompletne lub odbiorcy mogą nie obsługiwać propozycji. Okno monitorowania: Kilka normalnych cykli indeksowania. Wyzwalacz wycofania: Brak dla samego zerowego ruchu; usuń tylko wtedy, gdy koszty utrzymania lub ryzyko ekspozycji przewyższają wartość pliku.

Sprawdź się: llms.txt

Zasoby warte Twojego czasu

Oryginalne źródło

• llmstxt.org — specyfikacja.
• Wpis z propozycją Jeremy’ego Howarda (3 września 2024) — uzasadnienie, prosto od twórcy.
• AnswerDotAI/llms-txt — repozytorium i narzędzia.

Dane (przeczytaj je, zanim cokolwiek wdrożysz)

• Czym jest llms.txt i czy warto się nim przejmować? — Ahrefs — przegląd Ryana Lawa; ramy 28% publikujących / 97% zerowych żądań.
• Badanie adopcji llms.txt — Ahrefs — Louise Linehan i Xibeijia Guan, 137 210 domen: kto faktycznie żąda tych plików (Claude Code dominuje wśród AI; boty pobierające ledwo się liczą) oraz ustalenie dotyczące wstrzykiwania promptów.
• Czy llms.txt ma znaczenie? Obserwowaliśmy 10 witryn — Search Engine Land — badanie 180-dniowe; 8/10 witryn nie wykazało mierzalnej zmiany.
• Eksperyment z llms.txt — OtterlyAI — 90 dni, jedna witryna: 84 z 62 100+ wizyt botów AI trafiło na /llms.txt.

Debata

• Nie, llms.txt nie jest „nowymi meta keywords” — Carolyn Shelby, Search Engine Land — najsilniejsza obrona llms.txt.
• Poznaj llms.txt — proponowany standard — Search Engine Land — podsumowanie za i przeciw oraz krytyka ze strony Bretta Tabke.

Moje powiązane wpisy na tej stronie

• Roboty indeksujące AI — kontrolowanie botów (do czego llms.txt nie służy) oraz miejsce, w którym faktycznie znajduje się historia kontroli dostępu.

Z branży

• SE Ranking: stan llms.txt — badanie XGBoost/SHAP na 300 000 domen, które wykazało, że usunięcie llms.txt z modelu cytowań poprawiło dokładność; zawiera też zestawienie wskaźników adopcji według poziomu ruchu.
• Wix AI Search Lab — mity o llms.txt (Crystal Carter, czerwiec 2026) — bardziej optymistyczne podejście; przeanalizowano ponad 1400 plików, argumentując, że same pliki llms.txt pojawiają się w wynikach AI, nawet jeśli adopcja jest nierównomierna.
• Google porównuje llms.txt do meta tagu keywords — Search Engine Journal — pełny cytat Johna Muellera i kontekst z kwietnia 2025.
• presenc.ai: stan llms.txt w 2026 roku — macierz wsparcia dla poszczególnych dostawców; traktuj twierdzenia o „potwierdzeniu” przez Anthropic/Perplexity z ostrożnością (źródła pierwotne nie zawsze są cytowane).
• llms.txt nie żyje. Dokładniej: okazał się niewypałem — Kai Spriestersbach (Medium) — agreguje 90-dniowe dane OtterlyAI, potwierdzenie Gary’ego Illyesa oraz incydent z Google trwający 24 godziny w sceptyczne podsumowanie.

Statystyki, które warto cytować

• 97% opublikowanych plików llms.txt nie otrzymało żadnych żądań w ciągu miesiąca (badanie Ahrefs, 137 210 domen, maj 2026). Tylko około 3% odnotowało jakikolwiek ruch. Źródło
• Claude Code jest dominującym konsumentem AI plików llms.txt — „pobierał więcej niż jakikolwiek bot pobierający dane dla AI, asystent i robot treningowy z wyjątkiem GPTBota” (bota treningowego). Boty do pobierania, które budują indeksy cytowań, stanowiły zaledwie 1,1 % żądań. Źródło
• 77 % żądań botów do plików llms.txt pochodziło z narzędzi nie-AI — audytorów SEO, anonimowych robotów indeksujących i botów profilujących technologię — w ogóle nie z AI. Źródło
• 84 z ponad 62 100 wizyt botów AI trafiło na /llms.txt w ciągu 90 dni na jednej monitorowanej stronie (~0,1 %), osiągając „3 razy gorsze wyniki niż średnie strony”. Źródło
• Usunięcie llms.txt z modelu cytowań poprawiło jego dokładność — SE Ranking, 300 000 domen, analiza XGBoost + SHAP. Brak wykazanych korzyści cytowania „przynajmniej na razie”. Źródło
• Adopcja ≠ użycie. BuiltWith naliczyło ponad 844 000 witryn z llms.txt (październik 2025), ale znaczna część to automatyczne wdrożenia platformowe (Mintlify wdrożyło go na wszystkich hostowanych stronach dokumentacji naraz), a nie świadome indywidualne decyzje.
• Tylko 408 żądań dotyczyło /llms.txt spośród ponad 515 milionów zdarzeń ruchu botów AI przeanalizowanych w ciągu 90 dni (analiza limy.ai) — opisane jako „statystycznie znikome”.
• 10,13 % witryn przyjęło llms.txt w próbie 300 000 domen (badanie SE Ranking, 2026) — mniej więcej 1 na 10, bez znaczącej różnicy w zależności od poziomu ruchu (niski ruch 9,88 %, wysoki ruch 8,27 %). Źródło

Dziennik zmian