llms.txt: a proposta do arquivo e o que o Google não exige

O llms.txt propõe um arquivo Markdown com resumo do site e links para versões detalhadas, legíveis por agentes de IA. O Google diz que esse arquivo não é exigido para aparecer em AI Overviews ou AI Mode.

A proposta está na versão 2 e nasceu em 2024

A proposta foi escrita originalmente em 2024 e está na versão 2, segundo a página do projeto. A versão atual parte do que o autor aprendeu com dois anos de adoção.

A ideia central é um arquivo de texto em Markdown. Ele é legível por pessoas e por modelos de linguagem, mas previsível o bastante para ser processado por parsers e expressões regulares.

O formato exige apenas um H1

A única seção obrigatória é um H1 com o nome do projeto ou site. Depois dele vêm:

• uma citação em bloco (blockquote) com resumo curto do projeto.
• zero ou mais seções Markdown com informação mais detalhada, com orientação de como interpretar os arquivos.
• zero ou mais seções delimitadas por H2, cada uma com uma "lista de arquivos".

Cada item da lista traz um hyperlink nome e, opcionalmente, dois-pontos e uma nota sobre o arquivo. Por convenção, uma seção chamada "Optional" reúne informação secundária que um agente pode pular quando precisa de contexto menor.

O arquivo pode ficar na raiz do site (/llms.txt) ou em qualquer subcaminho (/docs/llms.txt), cobrindo as páginas abaixo daquele caminho. Quando mais de um arquivo se aplica, a orientação é que agentes usem o mais específico.

Markdown por página e links declarados

A proposta também recomenda versões limpas em Markdown para páginas com informação útil a agentes. O endereço é a mesma URL com .md acrescentado (page.html.md) ou substituindo a extensão (page.md). Para URLs sem nome de arquivo, a orientação é index.html.md ou index.md.

Duas link relations resolvem a descoberta:

• rel="alternate" type="text/markdown" para a versão Markdown da página.
• rel="describedby" para o llms.txt que a cobre.

Esses links podem ser elementos <link> no HTML ou um cabeçalho HTTP Link:. O cabeçalho também funciona para recursos não HTML e pode ser configurado no servidor ou na CDN sem alterar páginas.

A justificativa é economia de contexto

Páginas HTML embrulham a informação em navegação, anúncios e JavaScript, e converter isso de volta em texto limpo é difícil e impreciso. Janelas de contexto, mesmo maiores, continuam pequenas para a maior parte dos sites inteiros. Cada token desperdiçado custa tempo e dinheiro.

O arquivo cabe no contexto; o detalhe vive nos links. Ele fica pequeno o bastante para caber na janela. O restante é buscado só quando necessário.

Segundo a página, o uso mais pesado é em documentação de software. Agentes de programação seguem o arquivo para achar referências de API e tutoriais.

A proposta afirma ainda que milhares de sites publicam llms.txt e que plataformas de documentação o geram automaticamente. Diz também que a auditoria Lighthouse do Chrome verifica o arquivo dentro das checagens de navegação agêntica. E afirma que OpenAI, Anthropic e Gemini publicariam llms.txt para suas próprias documentações de desenvolvedor.

Esses números de adoção vêm do próprio proponente, não de um levantamento independente. É o tipo de dado que convém tratar como declaração de parte.

O Google não exige arquivo de IA

A documentação do Google sobre recursos de IA na Busca indica última atualização em 10 de dezembro de 2025. O texto afirma que as boas práticas de SEO continuam válidas para AI Overviews e AI Mode. Não há requisitos adicionais nem otimizações especiais.

Para aparecer como link de apoio, a página precisa estar indexada e elegível a aparecer na Busca com snippet. Não há requisitos técnicos adicionais.

A documentação diz que não é preciso criar "novos arquivos legíveis por máquina, arquivos de texto de IA ou marcação" para isso (em tradução livre). Também não existe dado estruturado schema.org específico para esses recursos.

O ponto sobre schema.org já foi detalhado em o que o Google diz (e o que não diz) sobre otimizar para AI Overviews e AI Mode.

A mesma página descreve o funcionamento. AI Overviews e AI Mode podem usar uma técnica de "query fan-out", disparando buscas relacionadas por subtemas e fontes para montar a resposta. Podem usar modelos e técnicas diferentes, o que faz o conjunto de respostas e links variar.

São dois controles de naturezas diferentes

A proposta tenta se diferenciar do robots.txt. O robots.txt informa que tipo de acesso automatizado é considerado aceitável. O llms.txt seria consumido sob demanda, quando um agente precisa de informação para ajudar um usuário.

A expectativa dos autores era que o arquivo servisse principalmente à inferência, não ao treino. Para quem mantém um robots.txt, o passo a passo está em como criar um robots.txt. A diferença entre treino, grounding e busca é discutida em treino, grounding e busca: os três usos que IAs fazem do seu site.

O Google trata o tema pelo outro lado. Diz que diretivas de robots.txt para o Googlebot são o controle do dono do site para administrar o acesso na Busca. Para limitar a informação exibida das páginas, existem nosnippet, data-nosnippet, max-snippet e noindex.

Para limitar treino e grounding em alguns dos outros sistemas da empresa, a referência é o Google-Extended.

Nenhum buscador promete usar o llms.txt

Nas duas fontes desta análise, não há indicação de que um buscador use llms.txt para decidir o que rastrear, indexar ou citar. O Google é explícito ao afirmar que arquivos de texto de IA não são necessários para os recursos de IA da Busca.

A proposta não reivindica endosso de buscador. Descreve um formato que agentes podem ler, com exemplos de adoção em documentação de software e um convite a contribuições da comunidade em repositório público.

Padrão comunitário não é requisito de indexação. A distância entre as duas posições é essa. A proposta também argumenta que o sitemap.xml não substitui o llms.txt.

Sitemaps costumam não listar as versões legíveis por LLM das páginas, não incluem URLs externas e, no conjunto, descrevem mais do que cabe em uma janela de contexto.

A recomendação prática que sobra é de escopo limitado: manter a base técnica em ordem. Se houver documentação para agentes, tratar o arquivo como uma camada adicional de descrição, não como via de acesso aos resultados de busca.