Работает ли llms.txt? Честный ответ на основе данных

Краткий ответ

Это полностью зависит от того, что именно вы подразумеваете под «работой».

Если вы хотите, чтобы llms.txt улучшил позиции в Google: нет, это не работает для этого. Google публично заявил, что не использует llms.txt как сигнал ранжирования.

Если вам нужны автоматические цитаты из ChatGPT, Claude или Perplexity: этот результат не установлен. Ни один крупный поставщик не задокументировал автоматическое использование файла во время вывода.

Проверяемая ценность более узка: вы можете опубликовать курируемый индекс, наблюдать запросы в собственных журналах и настроить процесс поиска информации так, чтобы он использовал этот индекс. Каждый результат необходимо измерять отдельно.

От чего зависит «работа»

Прежде чем изучать доказательства, полезно быть точным. Люди спрашивают «работает ли llms.txt?», имея в виду четыре разные цели:

Цель A, цитирование в LLM: Когда кто-то спрашивает ИИ-ассистента о моём продукте, даёт ли он точные и актуальные ответы и ссылается ли на мои страницы?
Цель B, охват краулерами ИИ: Спрашивают ли GPTBot, ClaudeBot и PerplexityBot мой llms.txt и используют ли его, чтобы определить приоритет обхода?
Цель C, SEO в Google: Улучшает ли публикация llms.txt позиции в Google?
Цель D, контролируемый поиск: Использует ли настроенный мной клиент или RAG-конвейер llms.txt как список для чтения?

У каждой цели свой ответ. Ниже мы рассматриваем их по порядку.

Помогает ли это цитированию LLM? (Цель A)

Сначала честная оговорка: эквивалента Google Search Console для цитирования LLM не существует. Нельзя открыть панель и увидеть: «Perplexity получила ваш llms.txt и процитировала вас 47 раз на этой неделе». Проблема измерения реальна.

llms.txt может предоставлять совместимому клиенту отобранный список для чтения. Если вы управляете этим клиентом, можно проверить, загружает ли он файл, переходит ли по выбранным ссылкам и использует ли полученный контент. Это не предсказывает поведение несвязанного чат-бота.

Для теста цитирования также нужны контрольная группа и повторяющиеся запросы. Улучшившийся ответ после публикации — лишь наблюдение, пока трассировка извлечения не покажет, что файл или одна из связанных страниц действительно использовались.

Самой слабой частью Цели A являются основные поставщики LLM, работающие в режиме инференции (OpenAI, Anthropic, Google). Ни один из них публично не подтвердил, что ChatGPT, Claude или Gemini обращаются к файлу /llms.txt во время инференции, когда пользователь задаёт вопрос. Этот файл, вероятно, приносит больше пользы конвейерам с расширением на основе извлечения информации, чем базовым моделям, отвечающим на основе своих обучающих весов.

Вердикт по цели A: не подтверждено для пользовательских ассистентов. Измерить это можно только в процессе извлечения данных, входы и трассировки которого вы контролируете.

Действительно ли краулеры ИИ его получают? (Цель B)

Краулер может запросить файл, но одна публикация не гарантирует ни одного запроса. Документация провайдеров различает цели краулеров и средства управления robots.txt; она не устанавливает специальную обработку llms.txt.

Проверьте журналы сервера или CDN на наличие точного /llms.txt запрос, отметку времени, статус и user-agent. Строка user-agent является свидетельством запроса, а не доказательством личности, разбора, индексации, приоритизации или использования в ответе.

Когда важна атрибуция, используйте проверенный метод обратного DNS или рекомендованный поставщиком способ проверки. Разделяйте «запросов не наблюдалось» и нулевое использование, если покрытие логами неполное.

Вердикт по цели B: измеримо для каждого сайта по полным журналам. Структурированное или приоритетное использование остаётся неподтверждённым, если поставщик не документирует его.

Помогает ли это SEO в Google? (Цель C)

Нет. Это самый однозначный из четырёх ответов.

Текущие рекомендации Google гласят, что Search не использует llms.txt или другие специальные тексты AI или файлы Markdown, в том числе для функций генеративного AI. Публикация такого файла не даёт особого отношения в Google Search.

Это согласуется с тем, как Google рассматривает robots.txt (управление доступом, а не рейтинг) и sitemap.xml (обнаружение для обхода, а не рейтинг). Ни один файл сам по себе не улучшает позицию в результатах поиска; они влияют на то, может ли Google получить доступ к вашему контенту и как именно. llms.txt с точки зрения Google не относится к той же категории: он просто вообще не входит в её конвейер.

Вывод по цели C: Нет влияния на рейтинг Google. Это подтверждено, а не является предположением.

Кто публиковал llms.txt? (контекст цели D)

Публикация измерима, но её нельзя путать с потреблением. В фиксированной панели llmtxt.info 122 из 217 доступных хостов отдавали корректный файл в корне на 2026-09-07, показатель 56.2%.

Эта панель измеряет доступность по HTTP и валидность файла на определённом наборе хостов. Она не измеряет трафик, поддержку провайдерами, прирост цитирования или влияние на рейтинг. См. трекер внедрения для панели и методологии.

Для цели D проведите контролируемый тест загрузки: запишите полученный файл, посещённые страницы, извлечённые фрагменты и ответ. Сравните их с тем же процессом без llms.txt.

Вердикт по цели D: проверяемо и потенциально полезно в настроенном рабочем процессе, но не доказано одними лишь данными о публикациях.

Как измерить, работает ли это

Сегодня ни одна панель не отвечает на этот вопрос, но можно сопоставить данные:

Журналы сервера. Фильтруйте запросы к /llms.txt и /llms-full.txt. Ищите user-agents: GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, Applebot-Extended. Частота и давность этих обращений показывают, активно ли AI-краулеры интересуются сайтом.
Трафик от источников переходов. Следите за источниками переходов от chat.openai.com, claude.ai, perplexity.ai, и похожих доменах. Рост после публикации llms.txt не доказывает причинность, но его стоит отслеживать.
Трассировки извлечения. В управляемом вами процессе сохраняйте полученные URL и фрагменты. Это самое сильное доказательство того, что llms.txt повлиял на ответ.
Выборочные проверки вручную. Задайте Claude, ChatGPT и Perplexity вопрос, на который ваш сайт должен авторитетно отвечать. Отметьте, точен ли ответ, цитируются ли ваши страницы и улучшается ли качество после публикации или доработки llms.txt.
Отзывы разработчиков. Если ваш сайт ориентирован на разработчиков, спросите их напрямую: «Когда вы спрашиваете AI-инструмент о [вашем продукте], получаете ли вы точные ответы?» Этот качественный сигнал часто наиболее полезен для действий.

Вердикт

llms.txt надёжно работает как публикуемый машиночитаемый индекс. Всё остальное зависит от принимающего клиента и требует отдельных доказательств. Лучше всего это проверяется для:

Сайты документации для разработчиков
API и SaaS-продукты с техническими покупателями
Любой сайт, пользователи которого регулярно задают ИИ-ассистентам вопросы о продукте

Он не как инструмент SEO для Google. Если это ваша цель, вы выбрали не то место: сосредоточьтесь на структурированных данных, Core Web Vitals и редакционных обратных ссылках.

Публикация также создаёт работу по сопровождению и риск устаревших или противоречивых рекомендаций. Рациональное решение — публиковать файл только если вы можете поддерживать его актуальность и назвать совместимый рабочий процесс или измерение, которое собираетесь проверить.

Следующие шаги

Как создать файл llms.txt, шаблоны и руководство по развёртыванию для каждого распространённого стека.
Генератор, заполните форму и скачайте соответствующий спецификации файл за несколько минут.
Валидатор, проверьте существующий файл на соответствие спецификации.
Лучшие практики, чем полезный llms.txt отличается от информационного шума.

Работает ли `llms.txt`?