llms.txt – hit czy marketingowy mit?

1. Skąd wziął się szum wokół llm.txt?

W teorii plik /llms.txt ma być „mapą skarbów” dla dużych modeli językowych – wskazuje linki do najważniejszych treści i podsuwa je w czytelnym Markdownie. Standard zaproponował Jeremy Howard pod koniec 2024 r.. Brzmi fajnie, ale…

• Nikt nie wymaga od twórców LLM’ow jego akceptowania: przyjęcie zależy od dobrej woli twórców modeli.
• Google już ostudził entuzjazm – John Mueller porównał wpływ llm.txt do zapomnianego meta keywords.
• W logach większości serwisów trudno znaleźć ślady, że boty faktycznie pobierają ten plik.

2. Fakty kontra mity

Teza	Rzeczywistość
„llm.txt to nowe robots.txt”	Robots.txt reguluje indexowanie, a llm.txt jedynie sugeruje, co warto przeczytać.
„Dodałem plik, więc wzrosną pozycje”	Brak korelacji z rankingiem – to nie sygnał SEO, a jedynie wskazówka dla LLM-ów.
„Blokuje trening modeli”	Dyrektywy są dobrowolne; niesforny crawler może je zignorować.

Dlaczego plik llms.txt nie wpływa na indeksowanie ?

Tutaj trzeba zrozumieć to jak działają obecnie modele LLM i wyszukiwanie przez nie informacji na stronach. Bazowo modele LLM korzystają ze standardowych metod wyszukiwania takich jak Google czy Bing – ew. niektóre wykorzystują po prostu https://web.archive.org/ – to na wypadek gdybyście się zastanawiali – czemu wasze dane nie są aktualne 🙂

Co to oznacza – tak naprawdę dalej liczy się tradycyjne podejście do pozycjonowania !

Dopiero gdy LLM wyszuka strony, które pasują do zapytania użytkownika – wrzuca je do kontekstu i na tej podstawie generuje odpowiedź. Oczywiście jeżeli dane będą w strukturze Markdown – LLM lepiej je zinterpretuje – ale tutaj magia się kończy.

Czy warto go wdrożyć?

Tak, jeśli:

• prowadzisz rozbudowaną dokumentację lub API i chcesz ułatwić cytowanie treści (Anthropic i Cursor już to robią);
• zależy Ci na śledzeniu, które boty w ogóle zaglądają do pliku.

Nie, jeżeli oczekujesz „darmowego boosta” w wynikach Google lub pełnej ochrony treści.

Jak to zrobić w 5 minut

1. Utwórz llms.txt w katalogu głównym domeny (koniecznie z „s”).
2. Zaczynasz od # Tytuł projektu, potem krótki opis w blockquote i sekcje H2 z listami kluczowych URL-i.
3. Dla każdego linku warto dodać wersję .md (czysty Markdown bez reklam).
4. Opcjonalnie wygeneruj llms-full.txt z pełnym tekstem, jeśli narzędzia tego potrzebują.
5. Monitoruj logi i aktualizuj plik razem z contentem – inaczej robisz sobie kolejny festiwal 404 🙂

3. AI Overviews – bredzisz, przecież Google już tego używa

Google dorzucił warstwę generatywną nad klasyczny ranking. Algorytm rozbija Twoje pytanie na dziesiątki sub-zapytań (query fan-out), ściąga fragmenty z indeksu i składa z nich zwięzły akapit w Gemini. Linki, które widzisz pod podsumowaniem, pochodzą z już ocenionych, wiarygodnych źródeł.

Co ważne, AI Overview wyświetla się tylko wtedy, gdy system uzna, że dodaje realną wartość ponad zwykły snippet.
W praktyce – dalej korzysta on z standardowego rankingu. Odpowiedź LLM to tylko ładne podsumowanie.

Dlaczego robi błędy?

• Model wciąż potrafi „halucynować” – chłonie także memy i żarty z Reddita.
• Guardrails Google reagują głównie po fakcie: firma wycina problematyczne zapytania trochę jak w grze w whack-a-mole.

Przykład z życia ?
Rozmawiałem ostatnio z firmą z branży targowej. Algorytm Google opisywał, że na Targi można wchodzić z Psem. Dochodziło do sytuacji, że ludzie pokazywali przy wejściu dane z podsumowanie Google jako dowód?
Problem – w regulaminie imprezy jasno było zaznacozne, że nie można wprowadzać czworonogów ?
Skąd wziął się błąd ? Google zaindeksowało sobie treści z innej imprezy, która jest Wystawą Psów rasowych i tam jak się domyślicie – psy były dozwolone – oczywiście tylko te, które startowały w konkursie.

Jak się przed tym zabezpieczyć?

1. Sprawdź w Google Business Profile, czy atrybuty (np. „dog-friendly”) są poprawne – AI Overview często z nich korzysta.
2. Monitoruj social media pod kątem zrzutów ekranu z błędnymi odpowiedziami.
3. Zgłaszaj nieprawidłowe odpowiedzi z Overviews przez „Feedback” – im szybciej, tym lepiej.

5. SEO w erze generatywnego SERP-a

Sam mechanizm jednak sporo już namieszał w samych rankingach SEO.

• Zero-click rośnie – ok. 6,7% zapytań w USA już wywołuje AI Overview – przez co kliknięcia w witryny znacznie spadają.
• Google promuje treści „dla ludzi” – Core Updates 2024 obcięły spam o 45%.
• Fan-out pokazuje dane z niszowych treści, które dotąd nie miały szans dostać się do TOP 10.

Twoja check-lista

• Pisząc content, rozwijaj treści o pod-intencje (pytania dodatkowe), bo to paliwo dla fan-outu.
• Dodaj wersję Markdown dla kluczowych artykułów – mały koszt, a może pomóc w cytowaniu przez LLM-y.
• Mierz ruch z AI Overview w GA + Search Console (typ „Web”)

6. Podsumowanie w trzech zdaniach

llm.txt nie jest niczym rewolucyjnym – na razie to ciekawostka, którą część modeli może, ale nie musi czytać – obecnie badania wskazują, że raczej tego nie robią.
 AI Overviews już dziś miesza w SERP-ach: z jednej strony zabiera część klików, z drugiej daje szansę niszowym treściom. Zamiast gonić każdą nowinkę, skup się na klarownym, dobrze oznaczonym kontencie i kontroli danych biznesowych, bo jedna „halucynacja” potrafi zepsuć reputację szybciej niż zły backlink.