Qué es llms.txt y si tu web lo necesita

llms.txt es un archivo de texto plano en formato Markdown que se coloca en la raíz de un dominio (tudominio.com/llms.txt) con la intención de ofrecer a los sistemas de inteligencia artificial un mapa resumido y curado del contenido más relevante del sitio. No es un estándar oficial de ningún buscador ni de ningún proveedor de modelos: es una propuesta abierta, publicada en septiembre de 2024 por Jeremy Howard (cofundador de Answer.AI y fast.ai), que cualquiera puede adoptar, ignorar o adaptar a su manera.

La pregunta que de verdad importa no es qué es llms.txt, que es sencilla de responder, sino si tu web lo necesita hoy. Para responderla hace falta separar tres cosas que suelen mezclarse: qué contiene el archivo, quién lo lee realmente en este momento y qué beneficio razonable puedes esperar de publicarlo. Este artículo cubre las tres, con un ejemplo de archivo completo y una checklist para decidir si merece tu tiempo.

Qué contiene exactamente un archivo llms.txt

La propuesta original define una estructura fija, pensada para que un asistente con una ventana de contexto limitada pueda leer por encima un sitio entero en segundos, igual que una persona leería el índice de un libro antes de decidir qué capítulo abrir.

El archivo empieza con un encabezado H1 con el nombre del sitio o proyecto. Justo debajo va una cita en bloque de una sola frase que resume de qué trata el sitio. A continuación puede haber uno o dos párrafos libres con contexto adicional que un modelo necesitaría antes de interpretar el resto —por ejemplo, qué partes de la documentación están obsoletas o qué terminología usa el proyecto de forma distinta al resto del sector.

Después vienen secciones marcadas con H2, cada una con una lista de enlaces en formato Markdown estándar: título del enlace, la URL entre paréntesis y, opcionalmente, una nota de una frase explicando qué encontrará el lector ahí. No se pega el contenido completo de la página, solo el enlace y el contexto mínimo para decidir si merece la pena visitarla.

La propia especificación reserva una sección final llamada Optional para enlaces de menor prioridad, pensada explícitamente para que un sistema con poco presupuesto de contexto pueda saltársela sin perder lo esencial.

• H1 con el nombre del proyecto
• Cita en bloque de una frase con el resumen
• Párrafos de contexto opcionales
• Secciones H2 con listas de enlaces y notas breves
• Sección Optional para lo prescindible

Un ejemplo real de estructura

Sobre el papel es más fácil de ver que de describir. Un buen llms.txt no incluye fichas de producto individuales, banners de ofertas ni texto de marketing: su utilidad depende de que quede corto y bien priorizado. Así de reducido podría ser el de una tienda de material de oficina.

Una versión que enlazara doscientas URLs sin jerarquía sería, en la práctica, un sitemap.xml mal disfrazado, y no cumpliría la función para la que se diseñó el formato.

• # Papelería Central
• Cita: Papelería Central vende material de oficina y escolar al por menor en España, con envío en 24-48 horas.
• ## Catálogo — Categorías principales (/categorias): listado completo de familias de producto con sus subcategorías.
• ## Ayuda al cliente — Política de devoluciones (/devoluciones): plazos y condiciones. Seguimiento de pedidos (/seguimiento): cómo consultar el estado de un envío.
• ## Optional — Sobre nosotros (/empresa): historia de la compañía, sin relevancia comercial directa.

Quién lee llms.txt hoy, en la práctica

Esta es la parte donde conviene ser estrictamente honesto, porque es también la que más expectativas infladas genera. A día de hoy no existe confirmación pública de que los rastreadores de los principales proveedores de modelos de lenguaje —los que indexan contenido para entrenamiento o para respuestas en tiempo real— busquen, prioricen o siquiera reconozcan de forma sistemática un archivo llms.txt. No tiene el mismo estatus que robots.txt, que los rastreadores serios respetan desde hace más de veinticinco años, ni que sitemap.xml, que Google y Bing consumen de forma documentada.

Lo que sí existe es un ecosistema más pequeño y concreto: algunas plataformas de documentación técnica y generadores de sitios estáticos han añadido la generación automática de llms.txt como función, pensando en herramientas de asistencia al desarrollador que sí pueden estar configuradas para leerlo al recibir la URL de un proyecto. También hay directorios y validadores construidos por la propia comunidad que catalogan qué dominios publican el archivo, como forma de fomentar su adopción, no como prueba de que algo lo consuma de forma masiva y automática.

La distinción importante es entre un modelo que puede leer este archivo si alguien se lo indica explícitamente, y un sistema que rastrea la web y le da preferencia por sí solo. Lo primero ya ocurre: si pegas la URL de un llms.txt en una conversación con un asistente, ese asistente puede seguir el enlace y usar el contenido igual que con cualquier otra página. Lo segundo —adopción automática y generalizada por los grandes rastreadores— no está confirmado por ninguno de los proveedores principales a día de hoy.

Esto no convierte al archivo en inútil, pero sí cambia la pregunta de cuánto tráfico de IA va a traer, a cuánto ayuda a un flujo de trabajo puntual en el que alguien —humano o agente— ya está mirando tu dominio con intención de entenderlo rápido.

llms.txt frente a llms-full.txt, robots.txt y sitemap.xml

Es fácil confundir cuatro archivos que viven en la raíz del dominio y que suenan parecido, pero cada uno resuelve un problema distinto.

La relación entre los cuatro es de complemento, no de sustitución. Publicar un llms.txt no exime de tener un sitemap.xml correcto ni de configurar robots.txt con criterio: siguen siendo los archivos que de verdad gobiernan cómo te indexan los motores de búsqueda convencionales, que hoy en día siguen siendo, con diferencia, la mayor fuente de tráfico cualificado de la mayoría de los sitios.

• robots.txt controla el acceso: qué rutas puede o no puede visitar un rastreador. Es una instrucción de permisos, no de contenido.
• sitemap.xml es un listado exhaustivo, pensado para que un motor de búsqueda descubra todas las URLs indexables de un sitio, sin resumen ni jerarquía editorial.
• llms.txt es un índice curado y editorial: no pretende ser exhaustivo, sino señalar qué es lo importante y darle un contexto breve, priorizando el ahorro de espacio sobre la cobertura total.
• llms-full.txt es una variante no oficial surgida en la práctica de algunos proyectos: en lugar de enlaces, concatena el contenido completo de las páginas más relevantes en un solo archivo, pensado para pegarse directamente en la ventana de contexto de un modelo sin que este tenga que navegar nada.

Cómo escribir el tuyo, paso a paso

Si después de leer lo anterior decides que quieres publicar uno, el proceso es deliberadamente simple; la propuesta original insiste en que la simplicidad es el punto de partida.

Un detalle que se pasa por alto con facilidad: si tu sitio tiene contenido en varios idiomas, no mezcles idiomas dentro del mismo llms.txt sin indicarlo. Lo más simple y menos ambiguo es un archivo por subdominio o por directorio de idioma, siguiendo la misma estructura de URLs que ya uses para hreflang.

• Escribe el H1 con el nombre real de tu sitio o producto, sin eslóganes.
• Redacta el resumen en una sola frase, sin adjetivos vacíos: qué es, para quién, y en qué se diferencia de una alternativa obvia si aplica.
• Agrupa tus URLs más importantes en dos o tres secciones H2 con nombres que describan la categoría, no el departamento interno que las gestiona.
• Para cada enlace, escribe una nota de una frase que responda por qué entraría aquí alguien, no un resumen de todo el contenido de la página.
• Deja fuera páginas legales genéricas o avisos que no ayudan a entender el sitio; si tienen que ir en algún sitio, van en la sección Optional.
• Publica el archivo en la raíz del dominio, en texto plano, accesible sin autenticación ni JavaScript, igual que robots.txt: debe poder leerse con una simple petición HTTP.
• Revísalo cuando cambie tu arquitectura de información: un llms.txt desactualizado que enlaza a URLs que ya no existen es peor que no tenerlo, porque manda una señal falsa a quien confíe en él.

Errores frecuentes al implementarlo

La mayoría de los problemas que se ven en archivos llms.txt publicados vienen de tratarlo como una tarea de SEO técnico tradicional en lugar de como lo que es: una nota editorial dirigida a un lector con poco tiempo.

• Pegar el sitemap.xml completo reformateado en Markdown. Esto no prioriza nada y anula el propósito del archivo.
• Incluir URLs con parámetros de sesión, seguimiento o contenido tras un muro de registro: si el enlace no es accesible públicamente y sin estado, no debería estar ahí.
• Escribir descripciones de marketing en lugar de descripciones funcionales; la nota de cada enlace debe ayudar a decidir si visitarlo, no venderlo.
• Tratarlo como un factor de posicionamiento en buscadores. No hay evidencia pública de que afecte al ranking en Google o Bing; su terreno, si tiene alguno, son herramientas de IA específicas, no el resultado de búsqueda tradicional.
• Publicarlo una vez y no volver a tocarlo. Las secciones más útiles son casi siempre las que más cambian: documentación de producto, registro de cambios, guías activas.
• Exponer contenido de entornos de prueba por error, porque el archivo se generó automáticamente a partir de una plantilla sin revisión.

Cómo decidir si tu web lo necesita

La decisión razonable no es que todo el mundo debería tener uno ni que es una pérdida de tiempo total; depende del tipo de sitio y de cuánto vale la hora de trabajo que le vas a dedicar.

El coste de publicarlo es bajo: un archivo de texto de pocas líneas, sin dependencias técnicas, sin necesidad de aprobación legal ni de cambios en la infraestructura. El beneficio, hoy, es incierto y probablemente pequeño para la mayoría de los sitios, porque depende de una adopción por parte de terceros que todavía no está confirmada de forma generalizada.

Dicho esto, hay perfiles de sitio donde el cálculo se inclina más a favor de hacerlo, precisamente porque el archivo encaja con cómo ya funciona ese contenido.

En el otro extremo, una tienda pequeña, un blog personal o un sitio de servicios locales no pierde nada relevante por no tenerlo todavía, y probablemente rinda más ese mismo tiempo revisando su sitemap.xml, sus datos estructurados o la velocidad de carga, que sí tienen efectos medibles y confirmados sobre cómo te encuentran hoy los motores de búsqueda convencionales.

Si decides publicarlo, trátalo como lo que es: una apuesta barata y reversible sobre un formato que todavía se está formando, no como una tarea urgente de cumplimiento.

• Documentación técnica de un producto, SDK o API: es el caso de uso para el que se diseñó originalmente el formato, y donde ya existe cierta adopción entre herramientas de desarrollo.
• Proyectos de código abierto con varios repositorios y guías dispersas, donde un índice curado ahorra tiempo real a cualquier lector, humano o no.
• Sitios de contenido educativo extenso con navegación interna compleja, donde un resumen jerárquico tiene valor por sí mismo, más allá de quién lo lea.