llms.txt: a proposta de arquivo para IA e quem realmente lê

O llms.txt é uma proposta de arquivo em markdown, publicado na raiz do site, com um resumo do que existe ali e uma lista de links comentados. A ideia é entregar ao modelo uma versão limpa do conteúdo, sem menu, sem anúncio e sem código.

A proposta é pública, tem autor e data, e vale ser lida antes de qualquer decisão. O que ela não tem, até aqui, é a coisa mais importante para quem publica: uma declaração das empresas de IA dizendo que buscam esse arquivo durante o rastreio.

O que a proposta define

A proposta foi publicada por Jeremy Howard em 3 de setembro de 2024, com uma segunda versão em 10 de agosto de 2026, e mora em endereço próprio.

A definição é curta: adicionar um arquivo markdown chamado llms.txt ao site, para oferecer conteúdo amigável a modelos de linguagem.

A estrutura tem quatro partes. Um título principal, obrigatório. Um resumo curto em bloco de citação, opcional. Blocos de informação detalhada, opcionais. E seções com listas de links comentados, também opcionais.

A localização recomendada é a raiz do site, com a possibilidade de existir em qualquer caminho dentro dele.

O argumento central da proposta é de custo de leitura: página HTML moderna vem cheia de navegação, publicidade e código, e o modelo trabalha melhor com informação de nível especializado reunida em um lugar acessível.

Quem publica, e quem lê

A própria página da proposta registra que laboratórios de IA publicam arquivos llms.txt para a documentação de desenvolvedores deles.

Publicar e consumir são coisas diferentes, e a distinção é o ponto que decide o assunto. Uma empresa oferecer a documentação dela em formato limpo não implica que os robôs dela procurem esse formato nos sites alheios.

Nas documentações oficiais de robô que este site mantém conferidas, com 53 agentes de busca, treino e leitura por pedido, nenhuma menciona o llms.txt como fonte consultada durante o rastreio. A lista, com token, dono, doc lida e data da conferência, está na biblioteca de robôs.

A conclusão honesta é uma frase de estado, não de julgamento: hoje o arquivo é uma convenção adotada por parte de quem publica, sem compromisso público de leitura por parte de quem rastreia.

Comparação com o robots.txt, que é o que confunde

A semelhança de nome sugere uma equivalência que não existe.

O robots.txt tem trinta anos de uso, virou padrão da IETF em setembro de 2022 com a RFC 9309, e as documentações das grandes empresas dizem explicitamente que os robôs delas o obedecem, com exceções declaradas para agentes acionados pelo usuário.

O llms.txt não é padrão de organismo nenhum, não regula acesso e não bloqueia coisa alguma. Ele não é um controle: é um convite.

Quem quer decidir o que entra e o que não entra continua decidindo no robots.txt e nos controles de trecho da página. Quem quer facilitar a leitura pode escrever o llms.txt, com expectativa proporcional.

Vale ainda registrar o que o arquivo não faz: não impede treino, não garante citação e não influencia posição em buscador.

O custo de manter, que é o argumento decisivo

A pergunta prática não é se o arquivo funciona. É quanto custa mantê-lo correto.

Escrever a primeira versão leva de uma a três horas em site de porte médio. O trabalho é de curadoria: escolher o que importa, escrever uma linha de contexto por link e organizar em seções.

O custo real aparece depois. Arquivo que descreve a estrutura de 2026 e não é atualizado descreve um site que não existe mais, e passa a mentir sobre o próprio dono.

O critério de decisão fica direto. Se o site tem documentação ou biblioteca estável, com atualização controlada, o custo de manutenção é baixo e o arquivo é razoável. Se o site publica todo dia e muda de estrutura com frequência, o arquivo vira dívida.

E existe uma alternativa quase gratuita para o mesmo objetivo, que é manter um índice navegável e honesto do próprio site, útil para leitor e para máquina ao mesmo tempo.

O que fazer antes de escrever o arquivo

Cinco itens rendem mais e nenhum deles depende de convenção nova.

Primeiro, servir o conteúdo no HTML. Texto que só existe depois do script chega vazio para boa parte dos robôs, e nenhum arquivo de resumo corrige uma página vazia.

Segundo, liberar o robô de busca das empresas de IA cuja citação interessa. Bloqueio acidental por regra genérica é o defeito mais comum e o mais barato de corrigir.

Terceiro, publicar sitemap honesto, com data de alteração real.

Quarto, responder à pergunta principal de cada página no primeiro terço do texto, em frase completa.

Quinto, datar e assinar o material, com autor identificável e data de atualização que muda apenas quando o conteúdo muda.

Feitos os cinco, o arquivo de resumo é um extra barato. Sem eles, o arquivo é enfeite sobre um problema estrutural.

A lição das convenções que não pegaram

A web já viu várias propostas de arquivo ou de marcação que prometiam melhorar a leitura por máquina e desapareceram, e o padrão de fracasso é sempre o mesmo.

O campo de palavras-chave na página é o caso clássico. Nasceu como sinal para buscador, virou depósito de termo repetido e foi abandonado pelos grandes motores, porque um sinal declarado pelo dono do site é fácil demais de manipular.

A marcação de autoria que ligava artigo a perfil social é outro. Chegou a produzir efeito visível no resultado, foi descontinuada e deixou milhares de sites com código morto no gabarito.

O que sobrevive tem uma característica comum: descreve algo verificável fora da declaração. O robots.txt sobrevive porque regula acesso, e o acesso acontece ou não acontece. O sitemap sobrevive porque aponta para URLs que respondem ou não respondem.

O llms.txt está do lado declarativo dessa fronteira, e a consequência é que o custo de manutenção pesa mais que a promessa. A decisão sensata é tratá-lo como cortesia de baixo custo, nunca como investimento com retorno esperado.

Como medir se alguém pediu o arquivo

A parte boa de uma convenção baseada em arquivo é que ela é fácil de medir. Basta ler o log.

Publicado o arquivo, filtre as requisições ao endereço dele por trinta dias e anote três colunas: quantas requisições, de quais tokens e com que frequência.

Requisição vinda de token de robô conhecido é o sinal que interessa. Requisição vinda de navegador comum costuma ser gente curiosa, e requisição sem identificação é ferramenta genérica.

Se depois de dois meses o número for zero ou quase, você tem a resposta local para a pergunta que nenhuma documentação responde: no seu caso, ninguém está lendo.

Vale medir também o oposto, que é a leitura das páginas normais pelos mesmos tokens. Robô que pede vinte páginas por dia e nunca pediu o arquivo de resumo está dizendo, por comportamento, qual dos dois caminhos ele usa.

Se você decidir escrever

O formato é markdown e o bom senso vale mais que a especificação.

Comece pelo título do site e por um resumo de duas linhas sobre o que ele cobre e para quem.

Liste, em seções, apenas o que você considera a espinha do site: as páginas de referência, os guias principais, a documentação, a política editorial. Cada link com uma linha explicando o que a pessoa encontra ali.

Deixe de fora o que envelhece rápido, como listas de novidades e páginas de campanha, porque elas obrigam manutenção semanal.

Guarde a data da última revisão dentro do próprio arquivo. Arquivo que se declara datado é honesto sobre o próprio envelhecimento, e a data ajuda quem lê a decidir quanto confiar.

E trate o arquivo como parte do conteúdo, não como configuração. Quem escreve o resumo é quem conhece o material, e um sumário redigido por quem entende do assunto vale mais que uma lista gerada automaticamente a partir do menu do site.

O caso em que o arquivo faz mais sentido

Existe um perfil de site em que a proposta encaixa bem, e ele é fácil de reconhecer.

Documentação técnica é o primeiro. O conteúdo é estável, organizado por hierarquia, e o resumo com links comentados descreve uma estrutura que muda por versão, não por dia.

Biblioteca de referência é o segundo. Glossário, base de consulta, coleção catalogada. O arquivo funciona como sumário da coleção, que é exatamente o que a proposta descreve.

Produto com interface programável é o terceiro. Quem oferece integração já mantém documentação estruturada, e o custo marginal de um resumo é próximo de zero.

Fora desses três, a relação entre trabalho e retorno esperado piora rápido. Site de notícia, blog de publicação diária e loja com catálogo rotativo pagam manutenção alta por um arquivo que ninguém declarou ler.

O que observar nos próximos meses

Três sinais dizem se a convenção pegou, e todos são públicos.

O primeiro é a documentação oficial dos robôs. No dia em que uma empresa escrever que o agente dela busca o arquivo, o assunto muda de categoria.

O segundo é o seu próprio log. Requisição ao endereço do arquivo aparece lá, com o token de quem pediu, e é a prova local mais barata que existe.

O terceiro é a adoção por publicadores de referência no seu mercado, que costuma indicar se a prática virou expectativa.

Enquanto os três não se mexem, a decisão razoável é a de custo: escreva se for barato manter, ignore se não for, e não trate a ausência do arquivo como falha técnica do seu site.

Vale ainda desconfiar de quem vende a implantação como serviço caro. O arquivo é markdown, mora na raiz e leva uma tarde. Quando alguém cobra por ele como projeto, o que está sendo vendido é a ansiedade do momento, não o trabalho.

Perguntas frequentes

O que é o llms.txt?

É uma proposta de arquivo markdown publicado na raiz do site, com um título, um resumo curto e listas de links comentados, para oferecer conteúdo em formato limpo a modelos de linguagem. Foi proposta por Jeremy Howard em 3 de setembro de 2024, com segunda versão em 10 de agosto de 2026.

Alguma empresa de IA lê o arquivo oficialmente?

Laboratórios publicam o arquivo para a documentação deles, o que é diferente de declarar que os robôs o consomem durante o rastreio. Nas documentações oficiais de 53 robôs conferidas para a biblioteca deste site, nenhuma cita o llms.txt como fonte consultada.

O llms.txt substitui o robots.txt?

Não. O robots.txt é padrão da IETF desde setembro de 2022 e regula acesso, com obediência declarada pelas grandes empresas. O llms.txt não regula nada: ele apenas oferece um resumo. Bloqueio e liberação continuam morando no robots.txt.

Escrever o arquivo ajuda meu site a ser citado?

Não há evidência pública de efeito sobre citação. O que aumenta a chance é o básico: robô de busca liberado, conteúdo no HTML, resposta cedo na página, afirmação com fonte e data.

Vale a pena escrever mesmo assim?

Vale quando o custo de manutenção é baixo, como em documentação e biblioteca de referência estáveis. Não vale quando o site muda de estrutura toda semana, porque arquivo desatualizado descreve um site que não existe.

E o llms-full.txt que eu vi por aí?

A página da proposta descreve o llms.txt, com título, resumo e listas de links. Variações que circulam pela internet não fazem parte do texto da proposta, então tratá-las como padrão é atribuir a ela mais do que ela diz.