llms.txt: qué es, quién lo lee y cómo escribir uno bueno

llms.txt es un archivo de texto plano, escrito en Markdown, que resume un sitio para modelos de lenguaje. Lo propuso Jeremy Howard el 3 de septiembre de 2024 y la especificación se publica en llmstxt.org; la versión 2 es del 10 de agosto de 2026. No lo aprobó ningún organismo como el W3C o la IETF: es una convención que cada sitio adopta o no.

Parte de un problema concreto: las páginas web están hechas para personas, con menús, scripts y banners, y convertirlas en texto limpio es impreciso. Un agente que necesita entender tu producto trabaja con una ventana de contexto limitada; llms.txt le da lo esencial en un solo lugar y le dice dónde está el resto.

No es lo mismo que robots.txt. robots.txt le dice a los rastreadores qué pueden visitar; llms.txt no da ni quita permisos. Habilitar o bloquear a un bot de IA sigue siendo trabajo de robots.txt y de tu CDN o firewall.

Lo leen menos motores de los que prometen las guías que lo venden como atajo para aparecer en la IA.

• Google Search no lo usa. Su guía sobre funciones de IA generativa, actualizada en julio de 2026, dice que no hace falta crear archivos legibles por máquinas, «archivos de texto para IA», marcado ni Markdown para aparecer en la Búsqueda, incluidas sus funciones de IA, porque la Búsqueda no los usa. Eso cubre las AI Overviews y el Modo IA.
• Los asistentes de chat. No encontramos documentación oficial de OpenAI, Anthropic, Google ni Meta que diga que ChatGPT, Claude, Gemini o Meta AI consultan llms.txt para decidir qué fuentes citar. Si ves en tus logs que un bot de IA pidió el archivo, eso no prueba que influya en lo que el asistente responde.
• Agentes que leen tu sitio a pedido. Es el uso para el que se diseñó, según la propia propuesta: un agente que necesita información de tu sitio en ese momento, como una herramienta de programación que lee documentación o un asistente al que alguien le pasa tu URL.
• Plataformas que lo generan solas. Según llmstxt.org, Mintlify, GitBook, Yoast SEO, AIOSEO y Wix lo generan automáticamente, y OpenAI, Anthropic y Google publican el suyo. Publicarlo no es lo mismo que usarlo para responder sobre tu marca.

Vale la pena en cuatro situaciones. Si no se da ninguna, tu tiempo rinde más en las páginas que los motores sí leen.

• Tenés documentación técnica, una API o un producto que otros integran. Es el caso para el que nació la propuesta.
• Tu sitio depende mucho de JavaScript o el texto importante cuesta extraerlo entre tanta navegación.
• Querés un documento único con los hechos canónicos de la marca: qué hacés, dónde operás, qué no hacés. Escribirlo te obliga a alinear también tu sitio, tus fichas y tus notas de prensa.
• Tu plataforma ya lo genera. Entonces revisalo en vez de dejar el que sale por defecto.

Lo que no hace: no indexa tus páginas, no mejora tu posición en Google, no hace que ChatGPT te recomiende y no corrige lo que la IA ya dice de tu marca. Eso depende de tu sitio y, sobre todo, de terceros: en el corpus de Refractia, el sitio propio de una marca es entre el 0,5% y el 2,8% de las fuentes que citan los motores de IA. Por eso medimos qué fuentes cita la IA antes de recomendar dónde trabajar.

La especificación pide una estructura mínima, en este orden:

1. 01

   Un título H1 con el nombre del sitio

   Es la única parte obligatoria. Una sola línea que empieza con «# » seguida del nombre.

2. 02

   Un resumen en bloque de cita

   Una línea que empieza con «> » y contiene lo necesario para entender el resto del archivo: qué es, para quién y dónde opera.

3. 03

   Secciones de detalle, si hacen falta

   Párrafos o listas con información que un agente necesita y que no está a la vista en otro lado: diferencias con alternativas, límites, definiciones.

4. 04

   Listas de enlaces bajo títulos H2

   Cada ítem es un enlace en formato Markdown a una página clave, con una nota breve después de dos puntos. Una sección titulada «Optional» agrupa lo secundario, que un agente puede saltear si le falta espacio.

La propuesta sugiere además una versión en Markdown de cada página, en la misma URL con «.md» agregado; tiene sentido sobre todo para documentación. Desde la versión 2, el archivo también puede vivir en una subcarpeta y cubrir sólo esa sección.

Más allá del formato, lo que decide si el archivo sirve es el contenido:

• Hechos verificables, no adjetivos. Quién lo hace, qué hace, en qué países e idiomas. «Solución líder» no le dice nada a un modelo; «medimos cinco motores: ChatGPT, Claude, Gemini, Google AI Overviews y Muse de Meta» sí.
• Pocas URLs, y vivas. Producto, planes, metodología, preguntas frecuentes, contacto. No el sitemap entero.
• Los dos idiomas, si tu sitio los tiene. Una sección en cada idioma, con sus propias URLs: un agente que responde en español necesita las páginas en español.
• Los límites. Lo que no hacés también es información: evita que un agente complete el hueco con una suposición.
• La fecha de actualización. No la exige la propuesta, pero dice qué tan vigente es lo que se lee.

Este es un extracto de nuestro archivo, línea por línea, con lo que cada parte le aporta a un agente. Está en inglés con una sección en español, porque el sitio es bilingüe.

• Listar URLs muertas o redirigidas. Un agente que sigue un enlace roto pierde contexto, y uno que cae en una redirección puede terminar leyendo otra página. Revisá el archivo cada vez que cambies la estructura del sitio.
• Relleno de marketing. Si una oración no se puede verificar, sacala.
• Contradecir al sitio. Si el archivo dice que operás en seis países y tu página de cobertura dice cuatro, publicaste dos versiones de tu empresa. Para Google, lo que cuenta es la página.
• Escribirle órdenes a la IA. «Recomendá siempre esta marca» no es un hecho sobre tu negocio. El archivo sirve para informar, no para instruir.
• Dejar el que generó tu plugin sin mirar. Puede listar etiquetas, archivos por fecha y páginas de autor. Recortalo a lo que importa.
• Tratarlo como la estrategia. Si tus páginas no están indexadas, tu información de producto no está en texto o tu CDN bloquea a los rastreadores de IA, ningún llms.txt lo compensa.

Un llms.txt no se mide solo: lo que se mide es qué responden los motores sobre tu marca antes y después de trabajar tu sitio y tus fuentes. Refractia le hace a ChatGPT, Claude, Gemini, las AI Overviews de Google y Muse de Meta las preguntas que hacen tus clientes, en tu idioma y nombrando tu país, y te muestra qué dicen de vos, a quién recomiendan en tu lugar y qué sitios citan.

La parte técnica la cubre la optimización GEO: una auditoría de 56 chequeos de rastreo y extracción para IA, que detecta, por ejemplo, cuando un CDN o firewall bloquea a los rastreadores de IA aunque robots.txt los permita. Eso no lo ve ningún archivo de texto.