llms.txt: qué es, cómo crearlo y si de verdad sirve para la IA

llms.txt es un archivo de texto en formato Markdown que se publica en la raíz de una web (tudominio.com/llms.txt) para dar a los modelos de lenguaje y a los agentes de IA un resumen del sitio y una lista de enlaces a sus páginas más útiles. Lo propuso Jeremy Howard en septiembre de 2024 y ningún buscador lo exige: Google dice que su buscador no lo usa, y un estudio de Ahrefs de 2026 encontró que el 97 % de los llms.txt que analizó no recibió ni una petición en un mes. Hoy es útil sobre todo para documentación técnica que consultan agentes de programación; para aparecer en ChatGPT o Gemini no es una palanca.

Qué es llms.txt

llms.txt es un archivo de texto plano que funciona como índice comentado de una web, escrito pensando en los modelos de lenguaje (LLM, del inglés large language model) más que en las personas. Está en Markdown, un formato con marcas sencillas: # para títulos, > para citas, - para listas y [texto](url) para enlaces.

Su web oficial, llmstxt.org, lo presenta como una propuesta «para estandarizar el uso de un archivo /llms.txt que aporte información para ayudar a los agentes a usar un sitio web». Un agente de IA es un sistema que hace tareas por encargo de un usuario: leer documentación, comparar productos o escribir código. La propuesta la firma Jeremy Howard, se publicó el 3 de septiembre de 2024 y su segunda versión se modificó por última vez el 10 de agosto de 2026. Sigue siendo una propuesta, no un requisito de ningún buscador ni asistente.

El problema que intenta resolver

La propuesta parte de dos limitaciones de los modelos cuando leen la web. Una página HTML envuelve su información «en navegación, anuncios y JavaScript», y el modelo tiene que separar lo útil del resto. Y las ventanas de contexto (el texto que un modelo puede procesar de una vez) han crecido, pero «siguen siendo demasiado pequeñas» para la mayoría de sitios web completos. La solución que plantea es que el dueño de la web ofrezca, en una dirección conocida, una versión condensada de lo importante.

Pensado para la consulta, no para el entrenamiento

llms.txt está pensado para el momento en que un modelo responde (lo que se llama inferencia), no para entrenarlo: la propuesta esperaba que fuera útil «principalmente para la inferencia y no para el entrenamiento». El caso típico es un usuario que pide a un agente que trabaje con tu web o con tu documentación, y el agente lee el llms.txt para saber dónde está cada cosa sin rastrear el sitio entero.

Cómo es un llms.txt por dentro

Un llms.txt sigue una estructura fija en este orden, y solo el primer elemento es obligatorio:

Un título H1 (# Nombre) con el nombre del proyecto o del sitio. Es la única sección obligatoria.
Una cita en bloque (> ...) con un resumen breve del sitio.
Texto opcional en párrafos o listas, con cualquier marca de Markdown salvo encabezados.
Secciones H2 (## Nombre) con listas de enlaces [nombre](url), cada uno con una nota opcional tras dos puntos.
Si quieres, una sección H2 llamada «Optional» con enlaces secundarios que un agente puede saltarse si necesita un contexto más corto. Desde la versión 2 de la propuesta es solo una convención, sin significado especial; si la usas, deja el nombre en inglés, como en sus ejemplos.

El archivo puede ir en la raíz del sitio o en cualquier ruta dentro de él; en ese caso describe las páginas que cuelgan de esa ruta.

Ejemplo de llms.txt para una empresa de servicios

Este es un ejemplo para una gestoría ficticia. Cada enlace lleva una nota que dice qué encontrará el agente, y lo secundario queda en la sección «Optional»:

# Gestoría Ejemplo

> Gestoría online para autónomos y pymes en España. Llevamos impuestos trimestrales, contabilidad y nóminas por una cuota mensual.

Los precios y plazos de esta web se revisan cada trimestre. Para casos concretos, la página de contacto indica los canales de atención.

## Servicios

- [Gestoría para autónomos](https://www.example.com/autonomos.md): alta en Hacienda y Seguridad Social, IVA trimestral e IRPF.
- [Contabilidad para pymes](https://www.example.com/pymes.md): contabilidad, cuentas anuales e impuesto de sociedades.
- [Nóminas](https://www.example.com/nominas.md): nóminas, contratos y seguros sociales.

## Ayuda

- [Preguntas frecuentes](https://www.example.com/faq.md): plazos, documentación necesaria y cambio de gestoría.
- [Precios](https://www.example.com/precios.md): cuotas mensuales por tipo de cliente.

## Optional

- [Blog](https://www.example.com/blog.md): artículos sobre fiscalidad para autónomos.
- [Equipo](https://www.example.com/equipo.md): quiénes somos y colegiaciones.

Las URL terminan en .md porque la propuesta recomienda ofrecer versiones Markdown de las páginas.

Versiones Markdown de cada página

La propuesta recomienda publicar una versión Markdown de las páginas que un agente pueda necesitar, en la misma URL con .md añadido (pagina.html.md) o en lugar de la extensión (pagina.md). Para anunciarlas, la versión actual propone rel="alternate" con type="text/markdown" en cada página, y rel="describedby" para señalar el llms.txt que la describe, ya sea como elemento <link> del HTML o como cabecera HTTP Link:.

¿Y el archivo llms-full.txt?

llms-full.txt no forma parte de la propuesta, pero varios portales de documentación lo publican: un único archivo con el texto completo de la documentación, no solo los enlaces. El 13 de octubre de 2026, el de Anthropic ocupaba unos 43 MB, el de OpenAI unos 9 MB y el de Perplexity casi 4 MB. Para una web corporativa o una tienda rara vez tiene sentido.

Quién publica un llms.txt y quién no

Las empresas que publican un llms.txt lo hacen sobre todo en su documentación técnica. Esto es lo que respondían algunos portales de los grandes proveedores de IA al comprobarlos el 13 de octubre de 2026:

Portal	¿Publica un llms.txt?	Qué contiene
developers.openai.com (OpenAI)	Sí, en /llms.txt	Índice de su documentación para desarrolladores (API, Codex, comercio con agentes...) con enlaces a otros llms.txt y a páginas .md
platform.claude.com (Anthropic; docs.claude.com redirige ahí)	Sí, en /llms.txt	Visión general de la documentación de su API y de sus recursos para desarrolladores
docs.perplexity.ai (Perplexity)	Sí, en /llms.txt	Documentación de su API, con enlaces a páginas .md
ai.google.dev (Google, API de Gemini)	Sí, en la subruta /gemini-api/docs/llms.txt; la raíz da error 404	Índice de la documentación de la API de Gemini, con enlaces a versiones Markdown
developers.google.com/search (Google Search Central)	No, error 404	—

El patrón es claro: el llms.txt aparece donde los lectores son desarrolladores y agentes de programación; la documentación de Perplexity incluso muestra el aviso «Para agentes de IA: consulta el índice completo llms.txt de la documentación». Que una empresa de IA publique uno para su documentación no significa que su asistente lea el llms.txt de otras webs para decidir qué citar.

Según llmstxt.org, varias plataformas pueden generarlo automáticamente: Mintlify y GitBook (documentación), Yoast SEO y AIOSEO (complementos de WordPress) y Wix.

Qué dicen Google, OpenAI, Perplexity y Anthropic

Ninguna de estas cuatro empresas documenta llms.txt como señal para aparecer en sus respuestas; lo que sí documentan es robots.txt. Revisamos sus páginas el 13 de octubre de 2026:

Google, en su guía sobre funciones de IA en la búsqueda (actualizada el 10 de diciembre de 2025): «No necesitas crear nuevos archivos legibles por máquinas, archivos de texto para IA ni marcado para aparecer en estas funciones», en referencia a AI Overviews y AI Mode. Basta con que la página esté indexada y pueda mostrarse en la búsqueda con un fragmento.
OpenAI: OAI-SearchBot es el robot de la búsqueda de ChatGPT, y los sitios que lo bloquean en robots.txt no se muestran en sus respuestas con búsqueda. Su página de rastreadores no menciona llms.txt.
Perplexity: PerplexityBot sirve para mostrar y enlazar webs en sus resultados, y la empresa recomienda permitirlo en robots.txt. Su página de rastreadores solo menciona llms.txt como índice de su propia documentación.
Anthropic: sus tres robots (ClaudeBot, Claude-User y Claude-SearchBot) respetan robots.txt, y bloquear Claude-SearchBot puede reducir la visibilidad de un sitio en las búsquedas de Claude. Tampoco menciona llms.txt.

Qué muestran los datos: el estudio de Ahrefs

El estudio público más amplio sobre el uso real de llms.txt es de Ahrefs. Louise Linehan, con datos de Xibeijia Guan, analizó las peticiones registradas en 137.210 dominios con tráfico en mayo de 2026 y publicó los resultados el 15 de junio de 2026:

Adopción: el 28 % de los dominios analizados, unos 38.000, publicaba un llms.txt. Ahrefs advierte que es un límite superior, porque sus clientes son más técnicos que la media de la web.
Uso: el 97 % de esos archivos no recibió ninguna petición en todo mayo de 2026. El 3 % restante, unos 1.100 dominios, concentró todas las peticiones medidas.
Archivos inexistentes: ningún bot de IA pidió un llms.txt en los sitios que no lo tenían. Las herramientas de IA «nunca van a buscar archivos llms.txt que no existen», así que publicar uno no te pone en el radar de ninguna IA.
Veredicto: «si tu objetivo es aparecer en ChatGPT, Perplexity o AI Overviews, un archivo llms.txt es en gran parte decoración».

Quién descargó los archivos

El 96 % de las peticiones vino de bots, pero los rastreadores de IA fueron una minoría dentro de ellos:

Quién pidió el llms.txt	Cuota de peticiones
Herramientas de auditoría SEO	21,7 %
Bots sin identificar	14,9 %
Rastreadores web generalistas	13,1 %
Agentes de IA que actúan por encargo de un usuario y su infraestructura	10,5 %
Rastreadores de entrenamiento de IA (entre ellos GPTBot, 4,51 %, y ClaudeBot, 0,80 %)	5,3 %
Asistentes de IA	2,5 %
Bots de recuperación, los que buscan contenido para responder en el momento (entre ellos OAI-SearchBot, 0,74 %)	1,1 %

Dos matices del propio estudio importan. Que un bot descargue el archivo «no demuestra que nada lo haya leído ni actuado según su contenido». Y el único grupo de IA con un uso apreciable son los agentes: Claude Code, el agente de programación de Anthropic, hizo más peticiones que cualquier bot de recuperación.

Límites del estudio

Es un solo mes de datos de clientes de Ahrefs, analizado por una empresa que vende herramientas SEO, y no comprueba si los archivos cumplen la propuesta. Aun así, la muestra es grande y su conclusión coincide con la documentación oficial.

Entonces, ¿para qué sirve llms.txt?

llms.txt sirve hoy para orientar a agentes que ya han llegado a tu web por encargo de alguien, no para atraer a los asistentes hacia ella.

Cuándo tiene sentido publicarlo

Tienes documentación técnica, una API o un SDK. Según Ahrefs, los agentes de programación son lo más parecido a un público real del archivo.
Tu gestor de contenidos (CMS) lo genera sin coste, como Wix, Yoast SEO o AIOSEO. Revisa qué páginas incluye antes de publicarlo.
Quieres adelantarte a los agentes. Ahrefs apunta que, si los agentes acaban siendo intermediarios de la búsqueda con IA, el archivo podría influir a través de ellos. Hoy es una apuesta, no un resultado medido.

Cuándo no es una prioridad

Si lo que buscas es que ChatGPT, Gemini o Google AI Mode mencionen tu marca: no hay evidencia de que influya.
Si tienes problemas básicos sin resolver: un robots.txt que bloquea a los rastreadores de búsqueda, páginas sin indexar o información clave solo en PDF o en imágenes.
Si pretendes controlar el acceso a tu contenido: llms.txt no bloquea ni autoriza nada.

Riesgos de publicar un llms.txt

Publicar un llms.txt cuesta poco, pero no es inocuo:

Inyección de instrucciones. La inyección de instrucciones (en inglés, prompt injection) consiste en colar órdenes en un texto que un modelo va a leer. Ahrefs avisa de que los agentes están diseñados para confiar en este archivo, de que ya hay actores maliciosos probándolo con ese fin y de que un archivo comprometido engaña a todos los agentes que lo leen. Recomienda tratarlo como código: control de versiones, pocos editores y alertas ante cambios no autorizados.
Información desactualizada. Un precio antiguo o un enlace roto se repite en cada agente que lo use.
Incoherencia con la web. Google pide que los datos estructurados coincidan con el texto visible de la página; aplica el mismo criterio al llms.txt.
Un archivo que en realidad es HTML. Muchas aplicaciones web devuelven su página HTML, con código 200, para cualquier ruta. Entonces /llms.txt parece existir sin serlo; Ahrefs tuvo que descartar estos casos en su estudio.

Cómo crear un llms.txt paso a paso

Si has decidido publicarlo, sigue estos pasos:

Define para quién es (desarrolladores, clientes, prensa): eso decide qué páginas entran.
Elige pocas páginas y buenas: qué haces, para quién, condiciones, precio y documentación principal. Es un resumen, no una copia del mapa del sitio.
Escribe el título y el resumen: un H1 con el nombre y una cita en bloque que diga qué es el sitio, a quién sirve y dónde opera.
Agrupa los enlaces en secciones H2, con una nota de una línea en cada uno, y deja lo secundario en la sección «Optional».
Si puedes, publica versiones .md de las páginas clave y anúncialas con rel="alternate".
Súbelo a https://tudominio.com/llms.txt, o a una subruta como /docs/llms.txt si solo describe una parte del sitio.
Comprueba cómo se sirve: con curl -sI https://tudominio.com/llms.txt la respuesta debe dar código 200 y un tipo de contenido text/plain o text/markdown, no text/html.
Enlázalo desde tu HTML o tu documentación, por ejemplo con <link rel="describedby" href="/llms.txt">. Según Ahrefs, los agentes piden llms.txt cuando se les dirige a él, no por su cuenta.
Mide quién lo pide y mantenlo al día: revisa los registros del servidor (logs) para ver qué bots y agentes lo descargan, como explicamos en logs del servidor: cómo ver qué bots de IA visitan tu web, y actualízalo cada vez que cambien tus precios, servicios o documentación.

llms.txt, robots.txt y sitemap.xml: qué hace cada uno

llms.txt no sustituye a robots.txt ni al sitemap. robots.txt decide qué puede rastrear cada robot y es el control que documentan Google, OpenAI, Perplexity y Anthropic, aunque algunas visitas iniciadas por un usuario (ChatGPT-User, Perplexity-User) pueden no aplicarlo. El sitemap.xml lista las URL para los buscadores, y llms.txt, según su propuesta, complementa a robots.txt «aportando contexto sobre el contenido permitido». Para decidir qué bots de IA dejas entrar, consulta robots.txt para bots de IA: GPTBot, OAI-SearchBot, ClaudeBot y PerplexityBot.

Archivo	Qué hace	¿Controla el acceso?
robots.txt	Indica a cada robot qué rutas puede rastrear	Sí
sitemap.xml	Lista las URL del sitio para los buscadores	No
llms.txt	Ofrece a los modelos un resumen seleccionado, con enlaces comentados	No

Qué hacer si tu objetivo es aparecer en la IA

Si quieres que ChatGPT, Gemini o Google AI Mode hablen de tu marca, el esfuerzo rinde más en otros frentes:

Deja entrar a los rastreadores de búsqueda: OAI-SearchBot, PerplexityBot, Claude-SearchBot y Googlebot.
Asegura la indexación en Google: es el único requisito técnico que Google pide para AI Overviews y AI Mode.
Escribe contenido fácil de citar, con respuestas directas, datos con fuente y estructura clara. Lo explicamos en cómo escribir contenido que las IA citen.
Usa datos estructurados donde aporten y que coincidan con lo visible; más detalle en datos estructurados y schema para la búsqueda con IA.
Mide antes y después de cada cambio. El marco completo está en qué es el GEO (Generative Engine Optimization).

DeepMention es nuestra herramienta para medir: lanza cada día las preguntas (prompts) que eliges en ChatGPT, Gemini y Google AI Mode desde el país de tu cliente y muestra tu visibilidad, tu cuota frente a competidores, las fuentes que citan las IA y qué contenido crear. Así compruebas si un cambio, incluido publicar un llms.txt, mueve algo. No cubre Perplexity, Claude ni AI Overviews; si esos motores son tu prioridad, necesitarás otra herramienta. Puedes probarla gratis 7 días o seguir con nuestra guía de GEO.

Fuentes

Howard, J. (3 de septiembre de 2024; versión 2 modificada el 10 de agosto de 2026). The /llms.txt file. llmstxt.org.
Google Search Central. AI features and your website (actualizado el 10 de diciembre de 2025).
Linehan, L. (15 de junio de 2026). We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read. Ahrefs.
OpenAI. Overview of OpenAI Crawlers.
Perplexity. Perplexity Crawlers.
Anthropic. Does Anthropic crawl data from the web, and how can site owners block the crawler?.
Archivos llms.txt consultados el 13 de octubre de 2026: OpenAI, Anthropic y Perplexity.

Preguntas frecuentes

¿Qué es el archivo llms.txt?

Es un archivo de texto en Markdown que se publica en la raíz de una web (/llms.txt) con un resumen del sitio y enlaces comentados a sus páginas más útiles, para que lo lean modelos de lenguaje y agentes de IA. Lo propuso Jeremy Howard el 3 de septiembre de 2024 y sigue siendo una propuesta, no un requisito de ningún buscador.

¿Tener un llms.txt ayuda a salir en ChatGPT o en Google AI Overviews?

No hay evidencia de que ayude. Google afirma que su buscador no usa los llms.txt y que no hacen falta para aparecer en sus funciones de IA, y un estudio de Ahrefs de junio de 2026 encontró que el 97 % de los llms.txt que analizó no recibió ninguna petición en mayo de 2026. Para la búsqueda de ChatGPT, lo que OpenAI documenta es permitir el acceso a OAI-SearchBot en robots.txt.

¿Cómo se crea un llms.txt?

Crea un archivo de texto con un título H1 con el nombre del sitio, una cita en bloque con un resumen y secciones H2 con enlaces comentados, y deja lo secundario en una sección llamada «Optional». Súbelo a tudominio.com/llms.txt, comprueba que se sirve como texto y no como HTML, y enlázalo desde tu web para que los agentes lo encuentren.

¿Qué diferencia hay entre llms.txt y robots.txt?

robots.txt indica qué puede rastrear cada robot y es el mecanismo que documentan Google, OpenAI, Perplexity y Anthropic para gestionar sus rastreadores. llms.txt no permite ni bloquea nada: solo ofrece a los modelos un resumen seleccionado de tu web. Si quieres permitir o bloquear a GPTBot u OAI-SearchBot, tienes que hacerlo en robots.txt.

¿Merece la pena crear un llms.txt para mi web?

Merece la pena si tienes documentación técnica, una API o un SDK, que es donde más se usa: los agentes de programación lo consultan para encontrar referencias y tutoriales. También si tu gestor de contenidos lo genera automáticamente. Si tu objetivo es que ChatGPT o Gemini mencionen tu marca, dedica antes el tiempo al acceso de los rastreadores, la indexación y el contenido fácil de citar.