llms.txt: qué es, cómo crearlo y qué esperar de él

Desde 2024, cada vez más dominios publican un archivo llamado llms.txt en su raíz, al lado del robots.txt y del sitemap.xml. La idea es sencilla: ofrecer a los modelos de inteligencia artificial un resumen en texto plano de lo que contiene tu dominio y de qué contenidos merecen su atención. Lo que no está tan claro es si ChatGPT, Perplexity, Claude o Gemini lo leen de verdad, y si el esfuerzo se traduce en más citas en sus respuestas. Para un equipo SEO, la pregunta es legítima. En esta guía te explicamos qué es el archivo llms.txt, cómo crearlo paso a paso, en qué se diferencia de los archivos que ya conoces, y qué puedes esperar de él de forma realista en 2026.

Qué es el archivo llms.txt

El llms.txt es un archivo de texto en formato Markdown que se coloca en la raíz de un sitio web, en la ruta /llms.txt. Su objetivo es describir el dominio a los modelos de lenguaje (LLM) de forma estructurada: un título, una descripción corta, y una lista de enlaces hacia los contenidos más importantes, cada uno con una frase que explica de qué trata.

La propuesta nace en septiembre de 2024 de Jeremy Howard, cofundador de Answer.AI. Su razonamiento: los modelos de inteligencia artificial tienen ventanas de contexto limitadas y leen mal el HTML cargado de menús, scripts y publicidad. Un llms.txt les da una versión limpia de lo esencial, sin ruido. Es el equivalente a entregar un índice bien redactado, una especie de meta description de todo el dominio, en lugar de dejar que el LLM adivine la estructura de la web.

La especificación propone además un segundo archivo opcional, el llms-full.txt, que contiene no solo los enlaces sino el contenido completo de la documentación o de los contenidos clave, concatenado en un único documento de texto. Es el formato que han adoptado sobre todo los proyectos de software, porque permite a un asistente de IA cargar toda la documentación de una herramienta en una sola petición.

llms.txt frente a robots.txt y sitemap.xml

La comparación con los dos archivos clásicos es inevitable, pero los tres cumplen funciones distintas. Conviene tenerlo claro antes de implementar llms.txt, porque muchos equipos SEO lo confunden con un mecanismo de control de acceso, y no lo es.

La diferencia esencial: el robots.txt prohíbe o permite, el segundo enumera, y el llms.txt explica. Los tres aportan información a la IA, pero solo el último está escrito para ella. Un llms.txt no bloquea a ningún crawler de IA. Si quieres impedir que GPTBot use tu contenido para entrenamiento, eso se sigue haciendo con una directiva Disallow en el archivo de exclusión, no en el llms.txt.

Lo que sabemos sobre su impacto real

Aquí toca ser honestos. A día de hoy, ni OpenAI, ni Anthropic, ni Google han confirmado públicamente que sus modelos consulten el llms.txt de forma sistemática antes de generar respuestas. John Mueller, de Google, comparó en 2025 el archivo con la antigua etiqueta meta keywords, el mismo destino que tuvo esa meta en SEO clásico: algo que el propietario del sitio declara sobre sí mismo, sin que nadie lo verifique. Y los análisis de logs de servidor publicados por varios SEOs muestran visitas esporádicas a /llms.txt por parte de bots de IA, pero nada parecido al rastreo regular que reciben los sitios indexados, ni al que hace Googlebot con el robots.txt y el sitemap de cualquier dominio.

¿Significa eso que no sirve para nada? No exactamente. Hay tres situaciones en las que el llms.txt tiene un valor tangible:

• Documentación técnica. Los asistentes de programación (Cursor, Claude Code, Copilot) y el propio Claude en modo navegación sí cargan llms-full.txt cuando el usuario les pasa la URL. Si vendes software o una API, tu documentación en este formato se consume mejor, y puedes publicar también un post explicando cómo usarla, y las respuestas sobre tu producto salen más precisas.
• Agentes y navegación en tiempo real. Cuando un usuario pide a ChatGPT que visite tu sitio, el agente puede leer el llms.txt si lo encuentra. No es rastreo de entrenamiento, es uso bajo demanda.
• Credibilidad. Para una empresa que vive del posicionamiento en IA, no tener llms.txt es incoherente. Cuesta diez minutos, puedes hacerlo hoy, y dice algo sobre cómo entiendes el ecosistema.

La conclusión que aplicamos en Meteoria con nuestros clientes: implementar llms.txt es lo que llamamos una apuesta gratuita. Coste casi nulo, riesgo nulo, beneficio todavía por demostrar pero posible. Lo que no haríamos es presentarlo como una palanca de visibilidad en IA. Las palancas que mueven la aguja siguen siendo el contenido citable, los datos propios, las menciones en terceros y la salud técnica de la web. El SEO clásico también sigue contando, porque la IA con búsqueda en vivo parte del índice de Google y Bing.

Cómo crear un archivo llms.txt paso a paso

No requiere conocimientos técnicos. La estructura es deliberadamente simple, y un llms.txt válido respeta este orden:

1. Un encabezado H1 con el nombre del proyecto o de la marca. Es el único elemento obligatorio.
2. Una cita en bloque con una descripción corta de lo que ofrece la web, al estilo de una meta description.
3. Uno o varios párrafos de contexto, sin encabezados.
4. Secciones H2 con listas de enlaces. Cada enlace lleva un título y, opcionalmente, una descripción tras dos puntos.
5. Una sección H2 llamada Optional para los enlaces secundarios que el modelo puede ignorar si le falta contexto.

Un ejemplo mínimo para un sitio de una empresa SaaS:

# Meteoria

> Plataforma para medir y mejorar la visibilidad de tu marca en las respuestas de ChatGPT, Perplexity, Gemini y Claude.

Meteoria rastrea miles de prompts cada día y te muestra si tu marca aparece, con qué fuentes y frente a qué competidores.

## Producto

- [Analizar](https://meteoria.ai/plateforme/analyse): seguimiento de prompts y share of voice en IA
- [Comparar](https://meteoria.ai/plateforme/comparer): benchmark frente a competidores
- [Optimizar](https://meteoria.ai/plateforme/optimiser): recomendaciones de contenido

## Recursos

- [Blog](https://meteoria.ai/es/blog): guías sobre GEO y posicionamiento en IA

## Optional

- [Tarifas](https://meteoria.ai/tarifs)

Tres consejos prácticos al redactarlo. Primero, escribe las descripciones pensando en que un modelo tiene que decidir en una línea si esa página responde a la pregunta del usuario. Segundo, no listes todo el dominio: diez o veinte enlaces bien elegidos valen por doscientos. Tercero, mantén el archivo actualizado; un llms.txt que apunta a URLs eliminadas transmite exactamente lo contrario de lo que buscas.

Implementar llms.txt en WordPress con un plugin, y en otros CMS

Si tu sitio web funciona con WordPress, no necesitas tocar el servidor: un plugin lo hace por ti. Varios plugins SEO ya incluyen un generador de llms.txt (llms.txt generator en la interfaz en inglés): Yoast SEO lo añadió en 2025, Rank Math lo ofrece en su módulo de contenido, y existe más de un plugin específico que crea los archivos a partir de cada página y cada post publicado. Con cualquier plugin de este tipo, generar el llms.txt de un WordPress lleva menos de cinco minutos, y cada post nuevo se añade solo. Si ya usas uno de estos plugins, actívalo hoy mismo; si no, un plugin ligero dedicado a este único fin basta, y los plugins de este tipo suelen ser gratuitos. Tras cada post o cambio de estructura, el plugin regenera el archivo. La configuración se reduce a elegir qué tipos de contenido incluir (post, página, documentación) y en qué orden. Fuera de WordPress, los modelos de lenguaje leen exactamente lo mismo, así que el método cambia pero no el resultado.

En Webflow, Shopify o cualquier plataforma sin acceso directo a la raíz, la vía habitual es crear una página estática en la ruta /llms.txt con el contenido en texto plano, o servirla desde el CDN. En un sitio estático (Next.js, Astro, Hugo) basta con añadir el archivo a la carpeta pública. Para sitios grandes hay generadores en línea que rastrean la web y producen un primer borrador, pero conviene revisarlo a mano: la calidad de las descripciones es lo que aporta valor, y eso ningún generador automático lo hace bien.

Una vez publicado, comprueba que la URL del llms.txt responde con un código 200 y una cabecera Content-Type: text/plain o text/markdown, y que no está bloqueada para los crawlers. Parece obvio, pero es el error más frecuente que vemos en las auditorías.

Cómo saber si los bots de IA lo están leyendo

La única forma fiable de responder a esta pregunta es mirar los logs del servidor. Busca peticiones a /llms.txt y filtra por user agent: GPTBot y ChatGPT-User (OpenAI), ClaudeBot (Anthropic), PerplexityBot, Google-Extended. Si en tres meses no ves ninguna, el archivo no está perjudicando a nadie, pero tampoco está haciendo nada por ti.

Es precisamente para esto que desarrollamos la analítica de crawlers IA en Meteoria: detecta qué bots y agentes de inteligencia artificial visitan tu web, qué contenidos leen y con qué frecuencia, distinguiendo el rastreo de entrenamiento del tráfico real de usuarios que preguntan a ChatGPT. Con esa información puedes ver, por ejemplo, si ChatGPT-User pasa por tu llms.txt antes de citar una de tus URLs, o si lo ignora por completo. Y también si Claude o Perplexity hacen algo distinto.

Errores que conviene evitar

• Usar el llms.txt para intentar bloquear a los LLM. No tiene esa función; para eso está el archivo de exclusión de crawlers.
• Añadir directivas inventadas. Han circulado propuestas con campos tipo trainingAllowed o chatAllowed en el archivo; ningún modelo las interpreta y solo generan confusión.
• Copiar la lista completa de URLs. Un llms.txt con quinientas páginas sin descripción no aporta ninguna información nueva a un LLM, y para eso ya está el sitemap.
• Olvidar el idioma. Si tu dominio tiene versiones en español, francés e inglés, los archivos llms.txt deben reflejarlo o, mejor, existir por idioma en cada subcarpeta.
• Dar por hecho que sustituye al trabajo de contenido. Ningún archivo de texto convierte un contenido flojo en una fuente citable, y ningún LLM lo va a citar por eso.