llms.txt: що це, як створити і чи працює у 2026

llms.txt — це маркдаун-файл у корені сайту, який підказує мовним моделям, які сторінки важливі. Підтримки з боку Google немає, а великі дослідження не знайшли зв'язку між файлом і ШІ-цитуваннями. Нижче: як файл влаштований, кому він корисний, як його зробити за годину і що реально працює для видимості в ШІ-пошуку.

Що таке llms.txt і як він виглядає?

llms.txt — це markdown-файл за адресою /llms.txt, який дає мовним моделям добірку найважливіших сторінок сайту з короткими описами. Формат запропонував Джеремі Говард з Answer.AI у вересні 2024 року. Це пропозиція спільноти, а не ратифікований стандарт, і файл не керує доступом краулерів.

Структура мінімалістична. Файл містить заголовок H1 з назвою проєкту, блок-цитату з коротким підсумком, за потреби довільний текст без заголовків і нуль або більше розділів H2 зі списками посилань. Кожен пункт списку — це посилання, за яким може йти двокрапка й пояснення. Єдиний обов'язковий елемент — H1, але без розділів із посиланнями файл безглуздий.

Приклад для умовного сайту агентства:

# Acme Digital

> Агентство SEO та GEO-просування для B2B-компаній в Україні.
> Працюємо з технічним SEO, контентом і видимістю в ШІ-пошуку.

## Послуги

- [SEO-просування](https://example.com/services/seo): аудит, технічне SEO, контент-стратегія
- [GEO-просування](https://example.com/services/geo): робота з цитуванням у ШІ-відповідях

## База знань

- [Що таке canonical URL](https://example.com/kb/canonical): визначення, приклад коду, типові помилки
- [Що таке E-E-A-T](https://example.com/kb/eeat): як Google оцінює експертність

## Optional

- [Кейси](https://example.com/cases): результати клієнтських проєктів

Розділ з назвою Optional має особливу роль: у специфікації це другорядні матеріали, які модель може пропустити, якщо їй бракує контексту.

Чим llms.txt відрізняється від robots.txt і sitemap.xml?

robots.txt задає правила для краулерів, sitemap.xml перелічує всі сторінки для індексації, а llms.txt — редакторська добірка того, що моделі варто прочитати першим. Файл нічого не дозволяє і не забороняє. Це підказка, а не інструкція.

Звідси практичне правило: якщо треба закрити розділ від ШІ-ботів, потрібен robots.txt. llms.txt для цього непридатний.

Чи читають llms.txt ШІ-системи?

Google прямо каже, що для AI Overviews і AI Mode файл не потрібен. Інші великі розробники моделей не документували, що їхні краулери читають llms.txt зі сторонніх сайтів. Файл фетчать переважно coding-агенти, а пошукові ШІ-боти, від яких залежать цитування, майже не звертаються.

Позиція Google зафіксована в офіційному гайді Search Central від 15 травня 2026 року. Серед міфів про оптимізацію під генеративний пошук гайд називає потребу в llms.txt, markdown-сторінках, «нарізанні» контенту на короткі абзаци та спеціальному «ШІ-дружньому» стилі письма. Водночас гайд описує лише Google Search: як ChatGPT, Claude чи Perplexity добирають джерела, він не пояснює.

З боку інших компаній картина така. Anthropic, OpenAI, Perplexity, Meta і Mistral публікують llms.txt для власної документації, але не зобов'язалися читати цей формат на інших сайтах. Це поведінка видавців, а не доказ того, що їхні краулери споживають такі файли з усього інтернету.

Чи допомагає llms.txt потрапляти в ШІ-цитування?

За наявними дослідженнями — ні. Аналіз 300 тисяч доменів від SE Ranking не знайшов кореляції між наявністю файлу та частотою цитувань. Логи 137 тисяч доменів від Ahrefs показали, що переважна більшість файлів узагалі не отримує запитів. Дані описують стан на 2026 рік і можуть змінитися, але зараз вони однозначні.

97% файлів llms.txt не отримали жодного запиту за місяць спостережень. — Ahrefs, за даними Search Engine Journal, 2026

Деталі цих даних важливі. Серед запитів, що все ж надходили, на ШІ-боти пошукового типу припадало лише 1,1%, а 12% належали інструментам, які аудитують файли, а не користуються ними. Окрім того, Ahrefs вимірював запити, а не те, чи модель діяла на основі прочитаного.

Дослідження SE Ranking дало схожий результат: файл знайшли лише на 10,13% доменів, а модель прогнозування цитувань, з якої прибрали ознаку llms.txt, стала точнішою. Тобто для передбачення цитувань наявність файлу працювала як шум.

Ще одна перевірка — безпосередньо цитування. З 18 000 цитувань у вибірці Search Engine Land лише шість вели на файли llms.txt, а «оптимізовані» версії, напхані ключовими словами, не отримали жодного.

6 із 18 000 цитувань вели на файли llms.txt (0,03%). — Search Engine Land, 2026

Обмеження цих даних: Ahrefs працює з вибіркою технічно просунутих клієнтів, тому загальна картина може відрізнятися. Але жодне з відомих незалежних досліджень не показало позитивного ефекту на цитування.

Кому llms.txt справді корисний?

Найбільше користі файл дає документації та API-продуктам, де розробники працюють через ШІ-асистентів. Там він знімає конкретну проблему: агент отримує чисту карту розділів замість парсингу HTML з навігацією та скриптами. Для сайтів послуг і блогів ефект, найімовірніше, мінімальний.

Це видно з того, хто файл використовує. Stripe, Vercel, Cloudflare, Anthropic, Coinbase, Pinecone і Cursor публікують llms.txt, бо їхні користувачі будують продукти з ШІ-асистентами для кодування. Платформи документації на кшталт Mintlify генерують такі файли автоматично, тому багато сайтів отримали їх «за замовчуванням».

Для сайту агентства розрахунок простий: файл коштує година-дві роботи, нічого не ламає, але й очікувати від нього трафіку не варто. Робити його має сенс як дешеву страховку на випадок, якщо якийсь ШІ-інструмент почне його враховувати, і як дисципліну: щоб зібрати 15-20 найважливіших сторінок, їх доведеться вибрати й описати.

Як створити llms.txt за п'ять кроків?

Створіть текстовий файл у корені домену, відкрийте його H1 з назвою бренду й блоком-цитатою на 1-2 речення, згрупуйте посилання під H2 і додайте опис до кожного. Тримайте файл коротким: це добірка, а не дублікат sitemap.

1. Виберіть сторінки. Залиште 15-30 URL: ключові послуги, найкращі довідкові матеріали, сторінки про компанію й контакти. Відсіюйте все, що не призначене для людей.
2. Напишіть H1 і підсумок. Назва бренду, потім 1-2 речення про те, чим займається компанія й для кого. Модель, яка прочитає лише верх файлу, вже має зрозуміти, хто ви.
3. Згрупуйте посилання під H2. Розділи за напрямами: послуги, база знань, кейси. Другорядне винесіть у Optional.
4. Опишіть кожне посилання. Формат [Назва](URL): що на сторінці. Опис має відповідати змісту сторінки, без рекламних епітетів.
5. Опублікуйте за /llms.txt. Адреса має віддавати код 200 без редиректів. Підкаталоги на кшталт /api/llms.txt чи /.well-known/llms.txt у специфікації не передбачені, тож тримайте файл у корені.

Якщо хочете, щоб модель могла забрати повний текст за один запит, додайте також llms-full.txt: цей супутній файл вбудовує вміст сторінок в один документ, щоб модель опрацювала весь розділ без обходу сторінка за сторінкою. Для більшості корпоративних сайтів це зайве.

Які помилки роблять із llms.txt?

Найчастіші помилки — перетворення файлу на копію sitemap, нашпигування його ключовими словами та очікування, що він замінить решту оптимізації. Кожна з них робить файл менш корисним і не додає видимості.

• Файл на 400 посилань. Так він перетворюється на sitemap з додатковими кроками. Мета файлу — відбір, а не повнота.
• Ключові слова в описах. Дані Search Engine Land показують, що «пошукові» версії файлів не отримали цитувань взагалі. Моделі не потрібен семантичний шум.
• Биті посилання й редиректи. Агент піде за посиланням і наштовхнеться на 404 або ланцюжок переадресацій.
• Окрема версія «для ботів». Якщо вміст файлу суттєво відрізняється від того, що бачать люди, це наближається до клоакінгу. Публічний індекс сторінок — нормально, прихована версія — ні.
• Суперечність із robots.txt. Якщо ви блокуєте GPTBot, ClaudeBot чи OAI-SearchBot, файл просто не буде прочитаний цими ботами. Спершу визначте, яких ботів пускаєте.
• Забутий файл. Після зміни структури сайту список застаріває. Додайте перегляд файлу до чеклиста релізу.

Як перевірити, що llms.txt працює?

Перевіряйте три речі: що файл віддає код 200, що всі посилання живі й що боти справді його запитують. Останнє видно лише в серверних логах: шукайте звернення до /llms.txt і дивіться, які саме user-agent з'являються.

Звичайний сценарій перевірки такий:

• відкрийте вашдомен/llms.txt у браузері й перевірте відображення та кодування;
• прогоніть список посилань будь-яким краулером на наявність 404 і редиректів;
• відфільтруйте логи сервера за шляхом /llms.txt і згрупуйте за user-agent.

Є й автоматична перевірка: за словами автора формату, Lighthouse у Chrome перевіряє наявність llms.txt у межах аудитів «агентного перегляду». Але пам'ятайте, що запити від аудиторів не означають використання файлу моделями: за Ahrefs, чимала частка звернень саме такі.

Що робити для GEO замість погоньби за llms.txt?

Гайд Google пропонує ті самі принципи, що й для класичного SEO: оригінальний корисний контент, чітка структура й семантична HTML-розмітка для людей. Добре працює подання відповіді одразу під заголовком і підкріплення її даними. Це й дає матеріал, який ШІ-системи можуть цитувати.

З погляду Google оптимізація під генеративний пошук — це оптимізація пошукового досвіду, тобто все ще SEO. Для інших ШІ-систем, як-от ChatGPT чи Perplexity, правила не задокументовані так само чітко, але практична база однакова: індексована сторінка, зрозумілий текст, дозвіл на доступ у robots.txt і згадки бренду на сторонніх ресурсах.

Тому порядок пріоритетів такий: спочатку індексація й якість контенту, потім розмітка й авторитет, і лише потім дрібні експерименти на кшталт llms.txt. Про інструменти, які допомагають відстежувати цитування й оптимізувати тексти, читайте в нашому огляді ШІ-інструментів для контенту.

Практичний підсумок: що робити далі

llms.txt — дешевий експеримент, а не стратегія. Зробіть його за годину, якщо маєте чіткий список ключових сторінок, і не очікуйте приросту цитувань: наявні дані цього не підтверджують. Реальний вплив на видимість у ШІ-відповідях дають індексація, якість і структура контенту та авторитет бренду.

Якщо хочете системно попрацювати над присутністю в ШІ-пошуку, почніть з аудиту цих основ. Команда LuchanLabs допоможе з просуванням у ШІ-пошуку та SEO-просуванням сайту: від технічної бази до контенту, який цитують.