Что такое llms.txt, кому он реально нужен, что писать внутри и почему динамическая сборка лучше статического файла.
llms.txt: зачем сайту файл для нейросетей и как его собрать
Прочитаете за 6 минут
Дмитрий Рогачёв Осенью 2024 года Джереми Ховард предложил простую идею: раз у сайтов есть robots.txt для поисковых роботов и sitemap.xml для карты страниц, пусть будет и файл для языковых моделей. Назвали его llms.txt. За полтора года идея разошлась: файл появился у Anthropic, Stripe, Cloudflare, у десятков сервисов помельче. В Рунете спрос на него уже заметен — только формулировку «llms txt» люди набирают около тысячи раз в месяц, а вместе с хвостами вроде «генератор llms txt» и «llms txt пример» кластер тянет на полторы тысячи.
Разберём, что это за файл, кому он реально нужен и как собрать его так, чтобы он не устарел через месяц.
Оглавление
- Что такое llms.txt простыми словами
- Кому файл нужен, а кому пока нет
- Что писать внутри
- Как собрать и куда положить
- Как проверить, что всё работает
- Что дать модели, кроме файла
Что такое llms.txt простыми словами
llms.txt — это текстовый файл в корне сайта, написанный в разметке Markdown. В нём компания своими словами объясняет машине: кто мы, чем занимаемся, где лежат ключевые страницы и какие факты о нас считать достоверными.
Отличие от robots.txt принципиальное. robots.txt запрещает и разрешает — он про доступ. llms.txt ничего не запрещает, он про смысл: это выжимка сайта, из которой модель может взять факты, не разбирая тысячу страниц с меню, футером и всплывающими окнами.
Формат нарочно простой. Заголовок первого уровня с названием компании, короткий абзац-описание, дальше разделы со списками ссылок и пояснениями к ним. Никакого XML и схем — обычный текст, который читается и человеком, и машиной.
Кому файл нужен, а кому пока нет
Честный ответ: llms.txt — не волшебная кнопка. Ни одна из крупных моделей официально не объявляла, что читает его при каждом ответе. Это стандарт «снизу», который поддержали разработчики и часть сервисов, а не требование поисковых систем.
Тем не менее ставить его стоит, и вот почему.
Во-первых, файл ничего не стоит. Его сборка занимает несколько часов, он не влияет на скорость сайта и не мешает другим работам.
Во-вторых, он уже используется в инструментах. Сервисы, которые собирают контекст для моделей, парсеры документации, внутренние ассистенты компаний — всё это читает llms.txt, если находит.
В-третьих, сама подготовка файла полезна. Чтобы написать его, приходится сформулировать: чем компания занимается, какие пять страниц главные, какие цифры мы готовы называть публично. У большинства сайтов такой выжимки нет нигде — и это видно по тому, как модели пересказывают компанию своими словами, путая направления.
Не нужен файл тем, у кого сайт из трёх страниц и вся информация и так на виду. Смысл появляется там, где страниц десятки, и разобраться в структуре снаружи сложно.
Что писать внутри
Рабочая структура выглядит так.
Название и описание. Заголовок первого уровня — название компании, следом абзац в две-три строки: чем занимаетесь, для кого, где находитесь. Это тот текст, который модель процитирует, когда её спросят о вас.
Ключевые страницы списком. Ссылки на разделы услуг, о компании, контакты, портфолио. У каждой ссылки — короткое пояснение, что там. Не «Услуги», а «Услуги — продвижение, разработка, реклама для промышленных компаний».
Факты, которые можно проверить. Год основания, число реализованных проектов, отрасли клиентов, город. Именно эти данные модель подставляет в ответ, когда её спрашивают о компании. Если их нет, она возьмёт их из чужих источников или не назовёт вовсе.
Кейсы с цифрами. Несколько строк вида «клиент — задача — результат в числах». Это самая цитируемая часть файла: модели любят конкретику.
Чего писать не надо: маркетинговых лозунгов, длинных абзацев про миссию и списка всех ста страниц сайта. Файл должен читаться за минуту.
Как собрать и куда положить
Файл кладётся в корень: сайт.ru/llms.txt. Отдаваться должен с типом text/plain и кодом 200.
Есть два подхода к сборке.
Статический файл. Пишете руками, кладёте на сервер. Просто, но у способа есть неприятное свойство: он устаревает молча. Поменялся телефон, добавились кейсы — а в файле старые данные, и никто об этом не узнает.
Динамическая сборка. Файл генерируется движком сайта из актуальных данных: список услуг берётся из базы, кейсы — из последних опубликованных, контакты — из настроек. Мы у себя сделали именно так: ithouse.pro/llms.txt собирается на лету и кэшируется на двенадцать часов. Добавили кейс — он появился в файле сам.
Второй способ сложнее в реализации, но снимает главную проблему — расхождение файла с реальностью.
Отдельно про генераторы. Их сейчас много, и они делают одно и то же: обходят сайт и вываливают в файл все найденные заголовки. Получается длинный список без смысла — ровно то, чего файл должен избегать. Как черновик сгодится, как готовый результат — нет.
Как проверить, что всё работает
Минимальная проверка занимает пару минут.
Откройте адрес в браузере — должен показаться текст, а не скачаться файл и не открыться страница с оформлением сайта. Проверьте код ответа и заголовок Content-Type. Прочитайте файл целиком глазами: если вам самому непонятно, чем занимается компания, модели тоже будет непонятно.
Дальше — практическая проверка. Спросите нейросеть о своей компании и посмотрите, что она ответит: назовёт ли направления работы, не перепутает ли с тёзкой, сошлётся ли на сайт. Такой замер стоит делать раз в месяц и записывать — так видно динамику.
Что дать модели, кроме файла
llms.txt сам по себе позиций не двигает. Он работает в связке с остальным:
- разметка Schema.org — организация, услуги, вопросы и ответы;
- короткие извлекаемые определения в начале страниц, а не после трёх экранов вступления;
- честные даты обновления материалов и указание автора;
- упоминания компании на сторонних площадках, потому что модель сверяет факты по нескольким источникам.
Файл — это точка входа, а не вся работа. Но точка входа, которую сегодня почти никто не поставил, и потому она даёт заметное преимущество.
Если хотите, чтобы нейросети называли вашу компанию, когда их спрашивают о вашем рынке, — начните с аудита и посмотрите, что о вас сейчас знают модели. Мы занимаемся SEO и GEO-продвижением промышленных и B2B-компаний с 2011 года.
