llms.txt: como fazer sua página ser lida por IA
Cada vez mais gente pergunta a um assistente em vez de buscar no Google, e recebe três nomes em vez de dez links. Este site publica llms.txt e llms-full.txt desde que foi ao ar, então dá para falar do formato com alguma propriedade, inclusive sobre o que ele não resolve.
O que mudou na busca, e por que isso te afeta
A busca com lista de dez links azuis dividia atenção entre dez opções. Um assistente de IA responde com um parágrafo e cita duas ou três fontes. Quem não está nessas duas ou três não existe naquela conversa. Não há segunda página para rolar.
A pergunta natural é se ser bem posicionado no Google garante essa citação. A resposta curta parece ser não, e cada vez menos:
76% para 38%
foi a queda observada na sobreposição entre os dez primeiros resultados do Google e as fontes citadas por buscadores generativos. Na prática: quem os assistentes citam está deixando de ser quem o Google mostra primeiro.
Vale insistir nessa ressalva. Não existe consenso metodológico nesse campo ainda, os motores mudam de comportamento sem aviso, e qualquer pessoa que fale de "otimização para IA" com a mesma segurança com que se fala de SEO técnico está inflando o que sabe. O que dá para fazer com confiança é a parte da infraestrutura, que é chata, verificável e independente de qual assistente vence.
O que é o llms.txt, exatamente
É um arquivo de texto em Markdown, publicado na raiz do site, em seudominio.com.br/llms.txt. A ideia foi proposta em 2024 por Jeremy Howard e a analogia com o robots.txt é útil até certo ponto, mas o propósito é oposto.
O robots.txt diz o que não ler. O llms.txt tenta resolver outro problema: uma página HTML real vem cheia de menu, rodapé, script, banner de cookie e componente de interface. Um modelo de linguagem tem janela de contexto limitada, e boa parte dela é gasta com estrutura em vez de conteúdo. O arquivo entrega uma versão curada e limpa do que importa naquele site.
A convenção prevê uma estrutura simples: um título com #, um resumo em bloco de citação com >, e seções com ## contendo listas de links, cada um com uma descrição curta do que há ali.
O que colocar dentro, na prática
Aqui a experiência de ter implementado ajuda mais que a especificação. O erro mais comum é tratar o arquivo como um sitemap com frase bonita. Ele funciona melhor como uma ficha de identidade: as respostas que alguém precisaria para te recomendar sem ter lido o site inteiro.
No arquivo deste site, as seções são estas, e o motivo de cada uma:
- Resumo em duas ou três frases. Quem é, o que faz, para quem. É o trecho com maior chance de ser reaproveitado quase literalmente numa resposta.
- Identidade. Nome completo, como as pessoas te chamam, cargo, cidade, região atendida. Desambiguação importa: existe mais de uma pessoa com o seu nome.
- O que você faz tecnicamente. No meu caso, a stack. No caso de um negócio, os serviços com o nome que o cliente usa.
- Condições do serviço. Prazo, o que está incluso, como funciona o processo, de quem fica o domínio. É o tipo de detalhe que um assistente cita quando alguém pergunta "como funciona".
- Trabalho no ar. Links para coisas reais, cada uma com uma linha dizendo o que é. Verificável vale mais que adjetivo.
- Contato. WhatsApp com o link completo, e-mail, perfis. Se o assistente recomenda você, ele precisa saber como te alcançar.
- Índice das páginas e artigos, com a descrição de cada um.
Três regras que fazem diferença no resultado. Primeira: escreva em frases completas, não em palavras-chave soltas. O arquivo vai ser lido como texto, não indexado como lista de termos. Segunda: seja específico e verificável. "Landing pages de alta performance" não diz nada. "Prazo de 3 a 7 dias, domínio registrado no nome do cliente" diz. Terceira: gere o arquivo a partir dos mesmos dados que a página exibe. Aqui ele é montado no build, então não tem como divergir do site. Arquivo escrito à mão desatualiza em três meses e vira desinformação sobre você mesmo.
llms.txt e llms-full.txt: a diferença
A convenção prevê dois arquivos com papéis distintos, e misturá-los estraga os dois.
llms.txt
- Curto, do tamanho de uma página.
- Resumo e índice de links comentados.
- Serve para orientar: onde está o quê.
- Cabe inteiro em qualquer janela de contexto.
llms-full.txt
- Longo, o conteúdo em si.
- Experiência, projetos e detalhes em texto corrido.
- Serve para responder sem precisar navegar.
- Pode ser grande, e por isso não substitui o curto.
O erro que aparece bastante é publicar só o arquivo longo, ou publicar o curto com o conteúdo inteiro dentro. O ponto do arquivo curto é ser barato de ler, e o do longo é ser completo quando alguém decidir se aprofundar. Referenciar o longo dentro do curto, como um link a mais, resolve a ligação.
O detalhe técnico que anula todo o resto
Você pode escrever o melhor llms.txt do mundo e ainda assim ser invisível, por um motivo que não tem nada a ver com o arquivo.
Os rastreadores dos assistentes, como GPTBot, ClaudeBot e PerplexityBot, em geral não executam JavaScript. Eles pedem a página ao servidor, leem o HTML que voltou e vão embora. Não existe segunda passada de renderização como a que o Google faz.
Se o seu site é uma aplicação que monta o conteúdo no navegador, o que eles receberam foi uma casca vazia com uma <div> e um script. Para eles, a sua página está em branco. Não é penalidade nem opinião sobre o seu conteúdo: eles literalmente não viram nada.
A correção é a mesma que já valia para busca: entregar o HTML pronto pelo servidor, com geração estática ou renderização no servidor. Para uma landing page, cujo conteúdo é fixo, isso é o caminho natural e ainda deixa a página mais rápida. É o mesmo problema que aparece na lista de causas de página que não indexa, só que na versão sem rede de segurança.
O robots.txt é quem realmente decide
Antes de qualquer coisa, existe uma porta. Se o seu robots.txt bloqueia os agentes de IA, nada mais importa. E vale conferir, porque muito plugin e muito template passou a bloquear esses agentes por padrão, com boa intenção, sem perguntar.
A decisão de liberar ou bloquear é sua e é legítima nos dois sentidos. Bloquear faz sentido para quem vende conteúdo e não quer ser resumido de graça. Liberar faz sentido para quem quer ser encontrado, que é o caso de praticamente todo negócio de serviço. Se o seu objetivo é aparecer quando alguém pergunta a um assistente por uma indicação, bloquear o rastreador é fechar a porta antes da pergunta chegar.
Os agentes que valem nomear hoje: GPTBot, OAI-SearchBot e ChatGPT-User, da OpenAI; ClaudeBot, Claude-SearchBot e Claude-User, da Anthropic; PerplexityBot e Perplexity-User; Google-Extended, do lado do Gemini; e Applebot-Extended, CCBot e meta-externalagent. Vale liberar nominalmente em vez de confiar no User-agent: *, porque a lista muda e a intenção fica explícita para quem ler o arquivo.
Uma distinção que confunde: alguns desses agentes servem para treino de modelo e outros para busca em tempo real, quando o assistente vai à internet responder uma pergunta agora. São coisas diferentes, e é possível permitir uma e negar a outra. Para ser citado, o que mais importa são os de busca.
A parte honesta: llms.txt ainda é aposta
Aqui está o que quase nenhum artigo sobre o assunto diz com todas as letras: llms.txt é uma convenção emergente, não um padrão adotado. Nenhuma das grandes empresas de busca ou de modelos publicou documentação afirmando que consome o arquivo, e do lado do Google já houve manifestação pública minimizando o formato.
Publicar o arquivo hoje é uma aposta assimétrica, e é por isso que faz sentido: custa pouco, não atrapalha nada, e o material que você precisa produzir para escrevê-lo (o que você faz, para quem, com que condições, em frases claras) é exatamente o material que serve para a página, para o perfil do negócio no Google e para responder cliente. Se a convenção pegar, você já estava lá. Se não pegar, você não perdeu tempo.
O que não é aposta é a lista abaixo. Ela vale independentemente de qualquer convenção nova.
A ordem que faz sentido
- Garanta que o conteúdo está no HTML do servidor. Se some com o JavaScript desligado, comece por aqui. Nada mais funciona antes.
- Revise o robots.txt. Confirme se você está bloqueando agentes de IA sem querer, e decida conscientemente.
- Escreva as informações objetivas na própria página. Serviço, cidade, prazo, faixa de preço, forma de contato. Um assistente não pode citar o que não está escrito, e não inventa a seu favor.
- Marque os dados estruturados no HTML do servidor. Não via gerenciador de tag, pelo mesmo motivo do primeiro item. O que vale marcar está em schema em landing page.
- Publique llms.txt e, se tiver conteúdo para isso, llms-full.txt. Gerados a partir dos dados reais do site, não escritos à mão.
- Cuide da presença fora do seu site. Perfil do negócio no Google, diretórios do seu setor, menções em lugares que já são rastreados. Assistentes citam quem aparece em mais de um lugar confiável, e isso não é algo que você controla dentro do seu domínio.
Quase tudo que faz uma página ser bem lida por IA é a mesma coisa que já fazia ela ser bem lida por gente: informação concreta, escrita em texto, no lugar onde ela é procurada.
É pouco glamouroso, e é o que sobra depois que a novidade passa. A camada de otimização específica para assistente pode mudar de forma várias vezes nos próximos anos. Página que entrega conteúdo real em HTML, com dados verificáveis e presença externa consistente, continua funcionando em qualquer versão dessa história.
Perguntas frequentes
llms.txt funciona? O ChatGPT lê esse arquivo?
Não há confirmação pública. Nenhuma das grandes empresas de modelos ou de busca documentou que consome o arquivo, e do lado do Google já houve manifestação minimizando o formato. É uma convenção emergente. O motivo de publicar mesmo assim é o custo baixo e o fato de o exercício de escrevê-lo obrigar você a organizar informação que serve para vários outros usos.
Qual a diferença entre llms.txt e robots.txt?
O robots.txt é uma convenção antiga e amplamente respeitada que diz o que pode e o que não pode ser rastreado. O llms.txt é uma proposta recente que não controla acesso: ele oferece uma versão limpa e resumida do conteúdo do site, para caber melhor na janela de contexto de um modelo. Um é permissão, o outro é conteúdo.
Devo bloquear GPTBot e ClaudeBot no meu site?
Depende do que você vende. Se o seu produto é o próprio conteúdo, bloquear protege o que você monetiza. Se você vende um serviço e quer ser encontrado, bloquear significa não aparecer quando alguém pede uma indicação a um assistente. Para negócio de serviço local, liberar costuma ser a escolha coerente com o objetivo.
Meu site é feito em React. Ele é lido por IA?
Depende de como ele entrega o HTML. Se o conteúdo é montado no navegador, os rastreadores desses assistentes recebem uma página vazia, porque em geral não executam JavaScript. Se o projeto gera HTML estático no build ou renderiza no servidor, não há problema nenhum. O framework não é o ponto, a forma de entrega é.
Como sei se estou sendo citado por assistentes?
Não existe painel oficial equivalente ao Search Console para isso. O que dá para fazer hoje é manual e imperfeito: perguntar aos assistentes as perguntas que um cliente faria e anotar quem aparece, e olhar no seu servidor ou analytics se há acessos vindos desses agentes. Trate como observação, não como métrica.