llms.txt وSEO

الإجابة المؤكدة

لن يؤدي نشر llms.txt إلى تحسين ترتيب صفحة في Google. يقول Google إن البحث لا يستخدم ملفات نصية للذكاء الاصطناعي أو ملفات Markdown خاصة، بما في ذلك ميزاته التوليدية. وقد يزحف Google إلى مثل هذا الملف أو يفهرسه، لكن ذلك لا يمنحه معاملة خاصة.

ما يقوله Google فعلياً

نصيحة Google المنشورة هي SEO التقليدي: أبقِ الصفحات قابلة للزحف، واربط المحتوى المهم داخلياً، وقدّم تجربة صفحة جيدة، واعرض المعلومات المهمة كنص، واجعل البيانات المنظّمة مطابقة للمحتوى الظاهر. ولا تزال أهلية AI Overviews وAI Mode تبدأ بالفهرسة والأهلية لمقتطف Search عادي.

يحذّر Google أيضاً من إنتاج محتوى آلي موسّع غايته الأساسية جذب زيارات البحث. وتكون التقارير الأصلية، والأبحاث القابلة لإعادة الإنتاج، والمصادر الواضحة، والخبرة القابلة للإثبات، أكثر قابلية للدفاع من شرح عام آخر للاقتراح نفسه.

المواضع التي قد يظل فيها llms.txt مفيداً

يتناول اقتراح v2 الوكلاء الذين يجلبون خريطة موقع عمداً للحصول على السياق. وهو يدعم ملفاً جذرياً وملفات أكثر تحديداً تحت مسارات مثل /docs/llms.txt، وبدائل صفحات Markdown النظيفة، وعلاقات اكتشاف HTML أو HTTP. يجب على الوكيل تنفيذ هذه الاصطلاحات قبل أن يكون لها أي أثر.

وهذا يجعل التوثيق التقني والموارد كثيفة النصوص حالة الاستخدام الأقوى. ويمكن لملف منسق أن يقلل العمل المطلوب من وكيل برمجي متوافق، لكن الاقتراح لا يمنح الوصول ولا يتحكم في الزحف ولا يجبر المساعد على الاستشهاد بصفحة.

ما الذي لا يثبته الدليل

وجدت عينتنا الثابتة 122 ملفات جذر صالحة بين 217 المضيفون القابلون للوصول على 2026-09-07. وهذا يقيس النشر لا الاستهلاك. ونشر شركة ملفاً لا يثبت أن زاحفها يقرأ الاتفاقية أو أن الملف يغيّر التوصيات.

أفادت Ahrefs أيضاً بأن معظم الملفات المرصودة لم تتلقَّ أي طلب خلال فترة القياس. والاستنتاج المفيد محدود: قِس طلبات الخادم والإحالات اللاحقة على موقعك أنت، بدلاً من استنتاج التبنّي من أعداد الملفات.

أولويات SEO المهمة

1. لبِّ نية البحث كاملةً. أجب عن السؤال الفعلي قبل مناقشة المقترح.
2. انشر أدلة لا يستطيع الآخرون إعادة إنتاجها من الذاكرة. التجارب ومجموعات البيانات المؤرخة والأساليب الشفافة تخلق معرفة جديدة.
3. وحّد الصفحات المتداخلة. امنح كل عائلة من الاستعلامات عنوان URL أساسياً واحداً، واربط البحث الداعم به.
4. حسّن العناوين والمقتطفات. استخدم صياغة موجزة ومميزة تعكس الصفحة المرئية بدقة.
5. اكسب إحالات تحريرية. انشر مجموعات بيانات وأدوات قابلة للاقتباس بدلاً من اصطناع الإشارات.
6. أبقِ الأسس التقنية نظيفة. تظل قابلية الفهرسة والروابط الأساسية وhreflang والروابط الداخلية والأداء وعمليات النشر المستقرة متطلبات أساسية.

كيفية قياس النتائج الصحيحة

• استخدم Search Console للاستعلامات والصفحات والنقرات ومرات الظهور ونسبة النقر إلى الظهور والموضع.
• استخدم سجلات الخادم أو الحافة لتحديد الطلبات المتحقَّق منها إلى /llms.txt وصفحات Markdown.
• تابع حركة الإحالة من الذكاء الاصطناعي منفصلةً، ولا تنسبها إلى llms.txt إلا إذا دعم تجربةٌ ذلك الاستنتاج.
• قارن الصفحات المحدّثة بفترة ثابتة قبل التغيير واحتفظ بتعليقات توضيحية للإصدارات.

تابع باستخدام دليل أفضل ممارسات V2, افحص ملفات الإنتاج التي جرى التحقق منها, أو اختبر ملفاً باستخدام مدقّق llms.txt.