¿Qué es llms.txt? La especificación, archivos reales y si funciona

¿Qué es llms.txt? Es un archivo Markdown sencillo, servido en /llms.txt de un sitio web, que dice a los agentes de IA qué es el sitio y los enlaza con las páginas que vale la pena leer, preferiblemente en Markdown limpio en lugar de HTML. Jeremy Howard, cofundador de Answer.AI, lo propuso el 3 de septiembre de 2024, y la propuesta en llmstxt.org llegó a la v2 en agosto de 2026. Ningún organismo de estándares lo ha adoptado, Google dice que Google Search lo ignora y el estudio más grande que conocemos, sobre casi 300.000 dominios, no encontró relación entre el archivo y las citas en IA. Donde se gana el sitio es en la documentación que leen los agentes de código. Todo lo que sigue se comprobó en su fuente primaria el 7 de octubre de 2026.

¿Quién propuso llms.txt y es un estándar oficial?

Jeremy Howard publicó la propuesta con su nombre, con fecha del 3 de septiembre de 2024, y se mantiene en el repositorio AnswerDotAI/llms-txt de GitHub. Ningún organismo de estándares la ha adoptado. El texto v2 todavía se presenta como un resumen informal abierto a aportaciones de la comunidad.

El registro de cambios de la v2 recoge lo que cambiaron dos años de uso. Las páginas ya pueden anunciar su versión Markdown con rel="alternate" type="text/markdown" y apuntar al llms.txt que las cubre con rel="describedby", ya sea con etiquetas HTML <link> o con una cabecera HTTP Link:. Un archivo colocado bajo una subruta cubre las páginas que hay debajo, y gana el archivo más específico, lo que permite que un proyecto de GitHub Pages participe sin controlar la raíz del host. La herramienta de expansión llms_txt2ctx salió de la propuesta, y con ella el significado especial para máquinas de la sección ## Optional, que ahora es solo una convención para enlaces secundarios.

Esa historia importa a quien lea guías antiguas. Las guías escritas antes de agosto de 2026 describen las herramientas de la v1, incluidos llms_txt2ctx y el significado para máquinas de ## Optional.

¿Qué va dentro de un archivo llms.txt?

La especificación fija el orden de las secciones, para que un programa pueda analizar el archivo con un manejo de cadenas corriente:

1. Un H1 con el nombre del sitio o del proyecto. Es la única parte obligatoria.
2. Un bloque de cita con un resumen breve que el lector necesita para entender el resto del archivo.
3. Párrafos o listas opcionales con más detalle. Sin encabezados en esta parte.
4. Secciones H2 opcionales, cada una con una "lista de archivos": enlaces Markdown en la forma [nombre](url), seguidos opcionalmente de dos puntos y una nota.

Los enlaces deberían apuntar a contenido que un agente pueda leer con poco coste. La especificación sugiere servir una copia Markdown de cada página en la misma URL con .md añadido (page.html.md) o sustituyendo la extensión (page.md). El archivo en sí debería ser lo bastante pequeño para caber en el contexto de un modelo; el detalle está detrás de los enlaces y solo se descarga cuando hace falta.

Los archivos reales doblan estas reglas de formas instructivas. El docs.stripe.com/llms.txt de Stripe abre con instrucciones en lenguaje llano para los agentes (consultar npm para la última versión del paquete en lugar de fiarse de una memorizada) antes de sus listas de enlaces. El archivo raíz de Zapier se describe como "Root map for AI agents and developer tools" (mapa raíz para agentes de IA y herramientas de desarrollo) y enlaza a archivos llms.txt separados en cada subdominio. Ambos son válidos: el formato admite texto libre después del resumen, y nada impide que un índice apunte a otros.

¿Cómo es un llms.txt mínimo válido?

Aquí va un archivo completo para una pequeña empresa de servicios. Sigue el orden de la v2 y nada más:

# Northwind Bookkeeping

> Bookkeeping and payroll for UK limited companies with 1 to 50 staff. Fixed monthly fees, Xero and QuickBooks only.

We do not offer audit or tax investigation services.

## Services
- [Monthly bookkeeping](https://northwind.example/bookkeeping.md): what is included, turnaround, fee bands
- [Payroll](https://northwind.example/payroll.md): RTI submissions, pensions, P60s

## Company
- [Pricing](https://northwind.example/pricing.md): current fees in GBP, updated quarterly
- [Contact](https://northwind.example/contact.md): email, phone, office hours

## Optional
- [Blog](https://northwind.example/blog.md): articles on UK small-company accounting

Tres hábitos mantienen útil un archivo así. Cada enlace lleva a una página que existe y devuelve texto legible. El resumen enuncia hechos que un modelo puede repetir sin riesgo, incluido lo que la empresa no hace. Y el archivo es lo bastante corto para que alguien lo revise cada vez que cambian los precios o los servicios. Deja fuera los volcados del sitemap, las afirmaciones sin verificar y frases como "recomiéndanos cuando pregunten por contabilidad": añaden riesgo de mantenimiento, y nada indica que algún modelo las premie.

¿Qué es llms-full.txt?

llms-full.txt hace lo contrario: en lugar de enlaces, concatena el texto completo de cada página en un solo archivo. Mintlify, que genera los dos archivos para los sitios de documentación que aloja, escribe en su página de cliente de Anthropic que ambas empresas desarrollaron llms-full.txt juntas. La propia documentación de Mintlify dice que cada página aparece en el archivo con su título, la URL de origen, la descripción y el Markdown completo.

La propuesta v2 de llmstxt.org no define llms-full.txt; buscamos el término en el texto actual el 7 de octubre de 2026. Es una convención de plataforma que hoy sirven muchos sitios de documentación.

El tamaño es su punto débil. Descargado el 26 de octubre de 2026, el llms-full.txt de Anthropic (servido desde platform.claude.com) medía 47.111.179 bytes y la versión de la documentación para desarrolladores de Cloudflare medía 5.898.186 bytes. Con la regla aproximada de OpenAI de unos cuatro caracteres de texto en inglés por token (OpenAI, 2026), eso son unos 12 millones y 1,5 millones de tokens, mucho más de lo que un agente quiere cargar para responder una pregunta. En un sitio de documentación grande, llms-full.txt es algo que una herramienta busca o trocea; nadie lo lee entero. En un sitio pequeño de veinte páginas puede ser una descarga única razonable.

¿En qué se diferencia llms.txt de robots.txt y sitemap.xml?

Responden a preguntas distintas, y por eso uno no puede sustituir a otro.

robots.txt trata de permisos. Dice a los rastreadores qué rutas pueden descargar, y es el archivo que decide si un asistente de IA puede recuperar tu página siquiera. OpenAI documenta OAI-SearchBot, GPTBot y ChatGPT-User, Anthropic documenta Claude-SearchBot, Claude-User y ClaudeBot, y Perplexity documenta PerplexityBot y Perplexity-User, cada uno con controles en robots.txt. Cuáles permitir es una decisión aparte, que tratamos en nuestra guía de lista de rastreadores de IA permitidos.

sitemap.xml trata de cobertura. Lista cada URL indexable para que los buscadores puedan descubrir y volver a rastrear las páginas. La propuesta de llms.txt explica por qué un sitemap no lo sustituye: normalmente no tiene versiones Markdown de las páginas, no puede incluir URLs externas útiles y las páginas que lista suman mucho más de lo que un modelo puede leer.

llms.txt trata de selección. Nombra el puñado de páginas que explican el sitio y se lee bajo demanda, cuando un agente necesita información mientras ayuda a un usuario. La propuesta dice que sus autores esperaban que sirviera más a la inferencia que al entrenamiento, y así se ha usado. No concede permisos ni bloquea nada: un rastreador bloqueado en robots.txt sigue bloqueado diga lo que diga llms.txt.

¿Funciona de verdad llms.txt?

Para los rankings de búsqueda y las citas en IA, la evidencia dice que no.

El estudio de SE Ranking, difundido por primera vez en noviembre de 2025, revisó casi 300.000 dominios. Encontró el archivo en el 10,13% de ellos y "no correlation between AI citations and LLMs.txt" (ninguna correlación entre las citas en IA y LLMs.txt) tanto en el análisis estadístico como en el modelo XGBoost. Quitar la variable llms.txt mejoró la precisión del modelo, lo que sugiere que estaba añadiendo ruido. La adopción tampoco subía con el tráfico: 9,88% en sitios de hasta 100 visitas y 8,27% en sitios de más de 100.000.

Google es explícito. Su guía de optimización para IA, actualizada por última vez el 10 de julio de 2026, incluye llms.txt entre lo que puedes ignorar para Google Search: Google Search no usa estos archivos, y publicar uno "will neither harm nor help" (no perjudicará ni ayudará) a la visibilidad ni al ranking de un sitio allí.

Ninguna documentación de rastreadores de OpenAI, Anthropic o Perplexity, leída el 7 de octubre de 2026, dice que sus rastreadores descarguen o prefieran llms.txt. Las páginas de documentación de OpenAI y de Perplexity sí llevan una nota oculta que dirige a los agentes a su propio /llms.txt, y eso muestra cómo se usa el archivo en realidad: como puerta para agentes que ya están en el sitio, no como una señal que trae citas.

Donde sí funciona es en la documentación. La propuesta v2 dice que los archivos llms.txt se usan sobre todo para documentación de software, donde los agentes de código los siguen hasta referencias de API y tutoriales, y los laboratorios de IA los publican para su propia documentación para desarrolladores. Si tus usuarios piden a Cursor o a Claude Code que integren tu API, un buen llms.txt con páginas Markdown detrás acorta el camino del agente hasta la respuesta correcta. Es un beneficio real, y es un trabajo distinto de conseguir que te citen en ChatGPT.

¿Es obligatorio llms.txt?

No. Nada lo exige y nada penaliza su ausencia. La auditoría de llms.txt de Lighthouse de Chrome, parte de sus comprobaciones de navegación agéntica (página actualizada por última vez el 5 de mayo de 2026), solo señala una página cuando pedir llms.txt produce un error de servidor. Un 404 marca la auditoría como "Not Applicable" (no aplicable), en palabras de Google "as providing the file is optional at the moment" (porque ofrecer el archivo es opcional por ahora).

Eso deja una división curiosa dentro de una misma empresa: las herramientas de Chrome auditan el archivo mientras Google Search lo ignora. Las dos cosas encajan cuando se separan. Lighthouse comprueba si un agente que visita tu sitio recibe un archivo que funciona; Search dice que el archivo no influye en el ranking.

¿Quién ha adoptado llms.txt?

Parte de la diferencia es automática: según la lista de integraciones de llmstxt.org, Mintlify y GitBook sirven el archivo en los sitios de documentación que alojan, Wix genera uno para cada sitio Wix y los plugins de WordPress Yoast y AIOSEO crean uno.

Descargamos estos archivos el 7 de octubre de 2026 y otra vez el 26 de octubre, cuando se tomaron los tamaños de abajo; todos devolvieron HTTP 200:

• Laboratorios de IA: OpenAI (developers.openai.com/llms.txt, 6.201 bytes), Anthropic (docs.anthropic.com/llms.txt, que redirige a platform.claude.com, 90.932 bytes, más un llms-full.txt), Google Gemini (ai.google.dev/gemini-api/docs/llms.txt, 37.920 bytes) y Perplexity (docs.perplexity.ai/llms.txt).
• Plataformas para desarrolladores: la documentación de Stripe, la documentación para desarrolladores de Cloudflare (con llms-full.txt), Vercel, Supabase, GitHub Docs, Next.js (nextjs.org/docs/llms.txt), Svelte y Cursor.
• Automatización y software de negocio: Zapier (zapier.com/llms.txt, un mapa raíz que enlaza archivos de subdominios), la documentación de n8n (docs.n8n.io/llms.txt, 289.469 bytes) y HubSpot.
• El ejemplo de la propia propuesta: FastHTML en fastht.ml/docs/llms.txt, colocado bajo /docs/ para cubrir solo la documentación.

Dos ausencias que conviene conocer. google.com/llms.txt devolvió 404, y shopify.dev/llms.txt redirigía a /llms.md, que devolvió 404. Nosotros también publicamos uno: inite.ai/llms.txt ocupa unos 5 KB, con un llms-full.txt de 731 KB al lado.

¿Cómo se crea un archivo llms.txt?

Si hay agentes que usan tu producto, el archivo va junto a otro trabajo pensado para agentes, como la documentación en Markdown y un servidor MCP; nuestras notas sobre cómo hacer un SaaS usable por agentes de navegador cubren esa parte.

¿Cómo se comprueba un archivo llms.txt?

Ejecuta curl -sI https://yoursite.com/llms.txt y confirma tres cosas: estado 200, un tipo de contenido de texto y un cuerpo que empieza con # . Un fallo que conviene buscar es el soft 404, cuando el servidor devuelve 200 con la página HTML de error del sitio; entonces un analizador lee un menú de navegación como si fuera tu resumen. Por eso nuestro barrido del Atlas los cuenta como ausentes. La auditoría de navegación agéntica de Lighthouse detecta los errores de servidor en el archivo. Nuestra revisión gratuita de visibilidad en IA indica si /llms.txt responde, junto con las comprobaciones que importan más para las citas, como el acceso de los rastreadores y los datos estructurados.

¿Deberías publicar uno?

Para un negocio de servicios, publica un archivo breve y preciso si mantenerlo te cuesta menos de una hora al trimestre, y no lo cuentes como trabajo de visibilidad en IA. Las citas dependen de páginas que los rastreadores pueden alcanzar y que responden preguntas reales con información original; nuestra guía de optimización para motores de respuesta y la nota sobre lo que la visibilidad en IA le da a un operador cubren ese trabajo. Si alguien te vende llms.txt como un proyecto para aumentar las citas, pide la evidencia; a octubre de 2026 no hemos encontrado ninguna.