llms.txt — кто его реально читает и нужен ли он вашему сайту

Ну что, сыграем сегодня в разрушителей мифов? Тем более, именно этот миф набил оскомину и пару маркетинговых физиономий. Итак, давайте разбираться, что же такое этот наш элэлэмс текст, зачем он нужен и нужен ли вообще.

llms.txt — мarkdown-файл в корне сайта с картой контента для ИИ-систем. И по актуальным данным, краулеры ИИ его почти не запрашивают: 408 обращений из примерно 515 млн бот-событий за 90 дней (Limy.ai, май 2026). Ни одна крупная платформа официально не поддерживает этот стандарт. Ставить, конечно, его можно — это дёшево и быстро. Но чудес от него ждать не стоит, и хватит махать им в онбордах, как неким важным для видимости в ИИ баклажаном. Это не так, господа и дамы.

Почему этот вопрос вообще возник

Весной 2025 года телеграм-каналы про SEO и ИИ-маркетинг преисполнились одним советом: «Поставьте llms.txt — и ИИ будет лучше понимать ваш сайт». Статьи выходили с заголовками вроде «Как llms.txt поднимет вашу видимость в ChatGPT». Агентства добавили его в чеклисты онбординга.

Хм, хм, хм, если все бросились это делать, значит, это точно не сработает, подумалось мне.

Я относительно давно (сейчас всё давно, как бы это ни звучало) занимаюсь ИИ-видимостью и постоянно замеряю, как сайты цитируются в ChatGPT, Perplexity, Алисе и прочих Гигачатах. Когда тема llms.txt всплыла на поверхность, я полез разбираться, не очередной ли это утопленник (смыслов) — и нашёл данные, которые сильно расходятся с рыночным нарративом.

Что делает рынок? Он продаёт инструмент. Но давайте разбираться, что этот инструмент представляет собой на самом деле.

Итак, далее я разберу, что такое llms.txt на самом деле, как (и насколько редко) его читают краулеры, позиция Google, Яндекса и других платформ относительно этого вопроса, плюс узкий список сценариев, где файл реально работает.

Что такое llms.txt и llms-full.txt простыми словами?

Представьте robots.txt — файл, который указывает поисковым роботам, что индексировать, а что нет. llms.txt задуман похожим образом, но для языковых моделей: он говорит буквально — «вот самое важное на сайте, вот ссылки, вот краткие описания».

Стандарт предложил Джереми Ховард (Answer.AI) 3 сентября 2024 года. Спецификация на llmstxt.org описывает формат так: обязателен только H1 с названием сайта, за ним — блок-цитата с кратким описанием, дальше H2-секции со списками ссылок в виде название: описание. Раздел ## Optional для второстепенных страниц.

llms-full.txt — не отдельный стандарт. Это де-факто практика: в один файл сваливается весь текстовый контент сайта, чтобы модель могла прочитать ресурс за один запрос без отдельного краулинга. Спецификацией не определён, реализуется произвольно.

Пример минимального llms.txt:

# Пример — Агентство GEO/AEO> Помогаем брендам появляться в ответах ChatGPT, Perplexity и Алисы AI.## Услуги- [Пилот 5 недель](/pilot/): аудит ИИ-видимости + стратегия + контент- [Мониторинг](/monitoring/): еженедельный трекинг цитирований в ИИ## Optional- [Блог](/blog/): кейсы и методология

С момента появления стандарта adoption выросла с примерно 951 домена до ~12 174 к сентябрю 2025-го. Почти всё — документация для разработчиков: Mintlify (платформа для dev-доков) добавила автогенерацию llms.txt и дала основной скачок цифр.

Читают ли его краулеры ИИ на самом деле?

Здесь начинается расхождение с рыночным нарративом.

Компания Limy.ai опубликовала данные в мае 2026 года: из примерно 515 миллионов событий бот-трафика ИИ за 90 дней файл llms.txt запросили всего 408 раз. Это меньше 0,0001% от общего трафика ИИ-ботов.

Отдельное исследование около 1000 сайтов на Adobe Experience Manager (август 2025, longato.ch) показало: LLM-боты к файлу не приходили вовсе.

Это не значит, что боты вообще не заходят на сайты. GPTBot, ClaudeBot, PerplexityBot регулярно их сканируют, читают HTML-страницы, изучают robots.txt. Просто llms.txt как отдельный файл они целенаправленно не запрашивают.

Почему так? Большинство LLM-платформ при генерации ответов опираются на веса модели и на поиск по индексу, а не на прямой краулинг каждого сайта в реальном времени. llms.txt предполагает другую механику: что модель зайдёт на ваш сайт, прочитает файл и применит его при ответе. Этого просто не происходит при стандартном инференсе.

У меня есть предположение, почему. Да потому что это лишние действия = колоссальное повышение цены, если речь идёт о миллиардах, триллионах сайтов. Зачем тому же гуглу тратиться на эту блажь?

Даже с поправкой на методики счёта порядок один: файл в поле зрения ИИ-краулеров практически не попадает.

Какие платформы официально поддерживают llms.txt?

Короткий ответ: ни одна крупная. И особенно показательна позиция Google.

Джон Мюллер из Google высказался прямо 17 июня 2025 года: «no AI system currently uses llms.txt». Он поставил файл в один ряд с keywords-метатегом, который Google перестал учитывать ещё в конце 1990-х, и рекомендовал вместо него использовать noindex для лишних страниц. Подробный разбор позиции — у Search Engine Journal.

Интересная деталь с OpenAI, Anthropic и Perplexity: они сами ведут llms.txt для своей документации, чтобы разработчики удобно встраивали её в IDE-агенты. Это рабочий кейс. Но это не то же самое, что «читают чужой llms.txt при формировании ответов».

Разница принципиальная: вести свой файл для документации и читать чужой при ответе — не одно и то же.

Поддерживают ли llms.txt русские нейросети — Алиса AI и GigaChat?

Официально — нет.

Яндекс не делал заявлений о поддержке llms.txt в Алисе AI или в нейропоиске. Публикации на vc.ru подтверждают: сам рынок признаёт отсутствие официальной позиции. Алиса AI работает по модели «поиск + ИИ + поиск»: нейросеть формирует запрос, Яндекс возвращает топ органики, нейросеть синтезирует ответ. Путь в этот ответ — через органическую выдачу, а не через специальный файл в корне сайта.

GigaChat — языковая модель без поискового индекса в базовом варианте. Механизм чтения llms.txt с продуктовых сайтов у неё не задокументирован.

Для российских сайтов вывод прямой: если цель — видимость в Алисе AI и GigaChat, llms.txt здесь не переменная. Работает другое — качество контента по критериям ЭПОС Яндекса (Экспертность, Полезность, Оригинальность, Содержательность — официальный аналог E-E-A-T), Schema.org-разметка и позиции в органическом поиске. Именно это определяет попадание в ответы Алисы AI, а не файл в корне.

Зачем тогда его вообще ставить?

Есть узкий, но реальный кейс — и его стоит знать. Давайте разберём, а вы решите, надо вам оно или нет.

IDE-агенты и MCP-интеграции. Cursor, Cline, GitHub Copilot Chat и подобные инструменты умеют читать llms.txt по прямой ссылке, когда разработчик явно подключает документацию. Если ваш продукт — библиотека, API или платформа для разработчиков, llms.txt повышает удобство работы с вашей документацией в этих инструментах. Именно поэтому Mintlify, Stripe, Vercel и технические продукты активно его используют.

Контент-агрегаторы и нишевые ИИ-продукты. Часть небольших ИИ-продуктов (поиск по конкретной нише, корпоративные ассистенты) читает llms.txt при настройке источников. Если вы строите B2B-продукт и хотите попасть в конкретный ИИ-инструмент — стоит изучить, поддерживает ли он файл.

Для маркетинговых сайтов, интернет-магазинов и большинства корпоративных ресурсов файл сейчас практически ничего не даёт. Краулеры его не читают, на позиции в ответах ИИ он не влияет. Ресурсы лучше потратить на качество контента, Schema.org и ссылочную массу.

Ещё один нюанс из анализа Forrester и исследователей Daydream («Hype vs Reality»): если файл генерируется автоматически и содержит весь контент без приоритезации, он становится потенциальным вектором для спам-инъекций. Риск редкий и требует доступа к корню сайта, но держать в уме стоит.

Как сделать llms.txt правильно, если всё-таки решили поставить его на сайт?

Файл сделать легко, ловите пошаговую инструкцию.

Шаг 1. Создайте файл в корне сайта. Путь: https://ваш-домен.ru/llms.txt. Файл должен отдаваться с Content-Type text/plain или text/markdown, без редиректов и авторизации.

Шаг 2. Напишите структуру по спецификации. Обязателен только H1 с названием. Остальное — по желанию:

# Пример-агентство — GEO/AEO> Помогаем сайтам попадать в ответы ИИ-платформ: ChatGPT, Perplexity, Алиса AI.> Аудит видимости, контент-стратегия, мониторинг цитирований.## Услуги- [GEO-аудит](/geo-audit/): замер текущей видимости в ИИ по 8 метрикам- [Пилот 5 недель](/pilot/): полный цикл от аудита до роста цитирований- [Мониторинг](/monitoring/): еженедельный трекинг упоминаний бренда в ИИ## Статьи- [Как попасть в ответы ChatGPT](/blog/kak-popast-v-otvety-chatgpt/): практическое руководство## Optional- [О команде](/team/): кто мы- [Контакты](/contacts/): написать нам

Шаг 3. Решите, нужен ли llms-full.txt. Если у вас developer-документация и вы хотите, чтобы IDE-агент прочитал её одним запросом — создайте /llms-full.txt с полным Markdown-содержимым ключевых страниц. Для обычного корпоративного сайта это избыточно.

Шаг 4. Не перегружайте файл. Типичная ошибка — запихнуть все 200 страниц. Выберите 10–20, которые реально отвечают на вопросы аудитории. Описания должны быть информативными: не «узнайте больше», а «страница с тарифами и условиями пилота».

Шаг 5. Проверьте доступность. Откройте файл в браузере, убедитесь, что он читается как чистый Markdown и что robots.txt не закрывает его от краулеров.

Весь процесс — 30–60 минут для обычного сайта.

Что может измениться

Стандарт молодой, как Джуд Лоу в роли Папы: за полтора года adoption выросла с ~1000 до ~12 000 доменов, но почти целиком в нише dev-документации. Перелом случится, если одна из крупных платформ объявит официальную поддержку при инференсе — тогда файл станет значимым сигналом быстро. За чем тут стоит последить: changelog Perplexity, OpenAI и Яндекса (они публикуют технические обновления открыто), а также рост MCP-экосистемы, которая делает llms.txt ценнее для dev-продуктов.

Что реально влияет на видимость

За год замеров, как сайты появляются в ответах ChatGPT, Perplexity, Алисы AI и GigaChat — регулярно, по конкретным промптам, которые задают реальные пользователи, — я не видел статистически значимого влияния llms.txt на цитируемость ни в одном из отслеживаемых проектов. И я верю высказываниям гугла (выборочно).

Что реально влияет на видимость ответов в нейросетях: качество контента и его структура, Schema.org-разметка, ответы на конкретные вопросы в первых 200 словах раздела, упоминания на авторитетных внешних ресурсах.

Если коротко, ставьте llms.txt, если есть 30 минут. Но в очереди задач по ИИ-видимости он стоит в самом конце.