llms.txt na prática: o que é, quem lê de verdade e como publicar o seu
llms.txt é um índice em markdown do site pra LLMs. Custa 1 hora, downside zero. Nenhum provedor confirmou que lê, e publicar vale mesmo assim.
llms.txt é um arquivo em markdown, publicado na raiz do site, que funciona como um índice curado pra consumo de LLMs: o que o site é, quais páginas importam e onde encontrá-las. É uma proposta de padrão criada por Jeremy Howard, da Answer.AI, em setembro de 2024, e documentada em llmstxt.org. Não é um protocolo oficial de nenhum provedor. E aqui vai o que a maioria dos posts sobre o assunto omite: até a data de publicação deste texto, nenhum grande provedor de IA confirmou publicamente que consome o arquivo.
Ainda assim, a nossa recomendação é publicar. O custo é de cerca de 1 hora, o downside é zero e o exercício de escrever o índice força uma clareza sobre a própria entidade que ajuda em tudo que envolve visibilidade em IA. O post explica o padrão, o estado real da adoção, e fecha com exemplo completo e passo a passo.
De onde veio o llms.txt?
A proposta nasceu de um problema prático. Um LLM que visita uma página comum recebe HTML cheio de navegação, scripts, banners de cookie e markup de layout. Quase tudo isso é ruído pra quem só quer o conteúdo. Some a isso janelas de contexto finitas e o resultado é previsível: o modelo gasta tokens processando lixo estrutural.
Jeremy Howard, cofundador da Answer.AI e criador do fast.ai, propôs em setembro de 2024 uma convenção simples: um arquivo /llms.txt em markdown puro, que diz ao modelo o que o site é e aponta as versões limpas do conteúdo que importa. A especificação vive em llmstxt.org e é deliberadamente curta.
O que o padrão especifica, exatamente?
A especificação define um documento markdown com estrutura fixa. Na ordem:
- Um H1 com o nome do site ou projeto. É o único elemento obrigatório.
- Um blockquote com o resumo do que o site é, em uma ou duas frases. É a parte que mais paga o esforço: a definição da sua entidade, escrita do jeito que uma máquina deve lê-la.
- Texto livre opcional com contexto adicional, sem headings.
- Seções em H2, cada uma com uma lista de links no formato
[nome da página](url): descrição de uma linha. A descrição é opcional pelo padrão, mas na prática é onde mora o valor. - Uma seção final chamada "Optional", com significado especial: são os links que o modelo pode pular quando o contexto estiver apertado.
O padrão prevê ainda um segundo arquivo, o llms-full.txt. Enquanto o llms.txt é um índice com links, o llms-full.txt despeja o conteúdo completo das páginas num único markdown gigante. Faz sentido pra documentação técnica que um agente precisa consumir inteira de uma vez. Pra um site institucional B2B, o índice basta. Comece por ele.
A especificação não pede XML nem campos proprietários. É markdown que um humano lê sem esforço, e essa simplicidade explica parte da tração que o padrão ganhou entre dev tools.
Alguém realmente lê esse arquivo hoje?
Não há confirmação pública de consumo pelos grandes provedores. Nenhuma documentação oficial da OpenAI, da Anthropic, do Google ou da Perplexity declara que seus crawlers ou seus modos de busca leem o llms.txt de sites de terceiros. John Mueller, porta-voz de busca do Google, foi além em maio de 2025: comparou o arquivo à meta tag de keywords, aquela que o Google ignora há décadas, e afirmou que desconhecia qualquer serviço de IA usando o padrão. Análises independentes de logs de servidor ao longo de 2025 apontaram na mesma direção: crawlers de IA raramente baixam o arquivo.
Isso significa que o mercado de "otimização pra IA" está vendendo o llms.txt errado. A promessa comum ("publique e as IAs vão te citar mais") não tem lastro em nenhum dado público. Se alguém te garantir aumento de citação por causa de um llms.txt, peça o N amostral e o método. A conversa costuma acabar aí.
O quadro tem uma nuance. Ferramentas de desenvolvimento que integram LLMs usam esses arquivos de forma direta: o usuário aponta o agente pra um llms.txt e ele navega por ali. Esse consumo existe e é verificável. Evidência de que o crawler do ChatGPT ou do Gemini busca o arquivo espontaneamente ao responder a um comprador, não existe.
Nosso posicionamento na metodologia é o mesmo de sempre: separamos o que medimos do que especulamos. O llms.txt hoje pertence à segunda categoria. É aposta de baixo custo, não alavanca comprovada.
Se ninguém confirmou que lê, por que publicar mesmo assim?
Porque a conta fecha com folga mesmo no cenário pessimista. São três argumentos, em ordem de força.
O custo é uma hora e o downside é zero. O arquivo não conflita com nada, não afeta seu SEO, não expõe nada que já não esteja público. No pior cenário, você gastou uma hora e ganhou um documento interno útil.
O exercício força clareza de entidade. Este é o argumento que ninguém enfatiza e que consideramos o principal. Escrever o blockquote de resumo e as descrições de uma linha te obriga a responder: o que esta empresa é, em uma frase que uma máquina entenda? Quais 10 páginas do site respondem de fato as perguntas de um comprador? Na nossa experiência com auditorias, a maioria das empresas B2B não tem essas respostas prontas. E essa clareza alimenta tudo: a home, o schema markup, a página de produto que a IA vai citar. Explicamos essa mecânica em como estruturar uma página que a IA cita.
O upside é incerto, mas assimétrico. Se algum provedor passar a consumir o padrão amanhã (a especificação existe, é simples e resolve um problema real deles), quem publicou está na frente sem esforço adicional. Padrões web já viraram infraestrutura assim antes: o sitemap.xml começou como proposta unilateral do Google em 2005 e os concorrentes aderiram depois.
Uma nota de honestidade pra fechar a seção: se a sua hora está disputada entre publicar um llms.txt e melhorar a página que responde a principal pergunta da sua categoria, melhore a página. O llms.txt é higiene de baixo custo, não prioridade número um.
Quem está adotando?
A adoção se concentra num nicho claro: empresas de ferramentas pra desenvolvedores. A Anthropic publica llms.txt e llms-full.txt pra sua documentação. A Mintlify, que hospeda documentação técnica de centenas de empresas, passou a gerar os arquivos automaticamente pros clientes, espalhando o padrão por um ecossistema inteiro. Empresas como Zapier, Cursor e Hugging Face mantêm os seus.
Não vamos te dar um percentual de adoção geral porque não existe medição confiável disso, e número inventado é exatamente o que este blog não faz. O retrato qualitativo honesto: padrão consolidado como convenção em dev tools, raro no restante do B2B. Nas auditorias que rodamos em empresas brasileiras, encontrar um llms.txt fora do setor de software ainda é exceção.
A distribuição faz sentido. Documentação técnica é onde o consumo já acontece de verdade, via agentes e editores de código. O B2B tradicional adota por precaução, quando adota.
llms.txt e robots.txt são a mesma coisa?
Não, e confundir os dois gera decisão errada. São instrumentos com funções opostas.
| robots.txt | llms.txt | |
|---|---|---|
| Função | Permissão: o que crawlers podem ou não acessar | Índice: o que vale a pena ler primeiro |
| Tom | Restritivo ("não entre aqui") | Convidativo ("comece por aqui") |
| Status | Padrão consolidado, respeitado há décadas | Proposta de 2024, consumo não confirmado |
| Formato | Diretivas próprias (User-agent, Disallow) | Markdown puro |
| Se ausente | Crawlers assumem acesso liberado | Nada acontece |
O robots.txt continua sendo onde você decide se o GPTBot, o ClaudeBot ou o Google-Extended podem acessar seu conteúdo. O llms.txt não concede nem revoga nada: ele apenas sugere um roteiro de leitura pra quem já tem permissão. Publicar um llms.txt caprichado com o GPTBot bloqueado no robots.txt é montar vitrine com a porta trancada. Cheque os dois juntos.
Como fica um llms.txt de verdade?
Abaixo, um exemplo completo pra GestorPro, empresa fictícia de ERP pra distribuidoras que usamos como ilustração aqui no blog. Note o padrão das descrições: uma linha, densa em substantivos concretos, zero adjetivo de marketing.
# GestorPro
> ERP para distribuidoras de médio porte no Brasil. Gestão fiscal,
> WMS nativo e integração com transportadoras para operações de
> 50 a 500 funcionários.
O GestorPro atende distribuidoras com alto volume de emissão fiscal
e centro de distribuição próprio. Os links abaixo estão ordenados
por relevância para quem avalia o produto.
## Produto
- [Visão geral do ERP](https://www.gestorpro.com.br/produto): módulos, arquitetura e requisitos técnicos
- [Gestão fiscal](https://www.gestorpro.com.br/produto/fiscal): emissão de NF-e, apuração de ICMS-ST e obrigações acessórias
- [WMS nativo](https://www.gestorpro.com.br/produto/wms): endereçamento, separação por onda e inventário rotativo
- [Integrações](https://www.gestorpro.com.br/integracoes): transportadoras, marketplaces e meios de pagamento
## Preços e implantação
- [Planos e preços](https://www.gestorpro.com.br/precos): faixas por número de usuários e volume de notas
- [Processo de implantação](https://www.gestorpro.com.br/implantacao): etapas, prazo médio e divisão de responsabilidades
## Comparativos e decisão
- [Como escolher ERP para distribuidora](https://www.gestorpro.com.br/blog/como-escolher-erp): critérios técnicos e perguntas para fazer ao fornecedor
- [ERP vs planilhas](https://www.gestorpro.com.br/blog/erp-vs-planilhas): sinais de que a operação superou o controle manual
## Empresa
- [Sobre a GestorPro](https://www.gestorpro.com.br/sobre): fundação, porte, clientes atendidos
- [Casos de clientes](https://www.gestorpro.com.br/casos): resultados documentados por segmento
## Optional
- [Blog completo](https://www.gestorpro.com.br/blog): todos os artigos publicados
- [Notas de versão](https://www.gestorpro.com.br/changelog): histórico de atualizações do produto
Duas escolhas de curadoria merecem destaque. Primeiro, o arquivo tem 12 links, não 200: llms.txt é índice curado, não sitemap. Segundo, as páginas de comparação e decisão ganharam seção própria, porque são as que respondem perguntas de comprador, o tipo de pergunta que analisamos em como um LLM decide quem citar.
Como publicar o seu em 5 passos
O roteiro completo leva cerca de 1 hora e não exige desenvolvedor, só acesso pra subir um arquivo estático no site.
- Mapeie as páginas-resposta (20 min). Liste as 8 a 15 páginas do site que respondem perguntas reais de comprador: produto, preços, comparativos, casos, sobre. Critério de corte: se a página não ajuda alguém decidindo uma compra na sua categoria, fica de fora ou vai pra seção Optional.
- Escreva o resumo e as descrições de uma linha (20 min). O blockquote define sua entidade em até duas frases. Cada link ganha uma descrição factual com substantivos concretos. Teste de qualidade: um estranho lê só o arquivo e consegue explicar o que a empresa faz e pra quem.
- Publique em /llms.txt (10 min). O arquivo vai na raiz do domínio, como o robots.txt. Em sites estáticos é subir um arquivo; em CMS, a maioria aceita rotas estáticas ou tem plugin. Aproveite e confira se o seu robots.txt não bloqueia os crawlers de IA que você quer receber.
- Valide o formato (5 min). Confira contra a especificação em llmstxt.org: H1 único no topo, blockquote logo abaixo, seções em H2, links no formato correto. Teste prático melhor que qualquer validador: cole a URL num LLM com acesso à web e peça um resumo da empresa usando só aquele arquivo. Se o resumo sair certo, passou.
- Revisite a cada trimestre (10 min por ciclo). Coloque na mesma rotina de revisão do site. Página nova de produto entra, página morta sai, descrição desatualizada se corrige. Um índice apontando pra 404 é pior que índice nenhum.
Perguntas frequentes
llms.txt substitui SEO ou schema markup?
Não substitui nenhum dos dois. SEO e schema são padrões consolidados, com consumo confirmado pelos buscadores há anos; o llms.txt é uma proposta de 2024 sem confirmação de consumo pelos grandes provedores. Trate o llms.txt como camada adicional de baixo custo por cima da base, nunca como alternativa a ela.
Algum provedor de IA confirmou que lê o llms.txt?
Não. Nenhuma documentação oficial da OpenAI, Anthropic, Google ou Perplexity declara consumo do arquivo, e John Mueller, do Google, afirmou em maio de 2025 desconhecer serviços de IA que o utilizem. O consumo verificável hoje acontece em ferramentas de desenvolvimento, quando o usuário aponta um agente diretamente pro arquivo.
Preciso do llms-full.txt também?
Na maioria dos casos B2B, não. O llms-full.txt inclui o conteúdo integral das páginas e serve pra documentação técnica consumida por agentes de código. Pra site institucional, o índice do llms.txt cumpre o papel.
Com que frequência devo atualizar o arquivo?
Uma revisão por trimestre cobre bem, mais uma atualização imediata quando você lança página importante ou muda posicionamento. O risco de arquivo abandonado é apontar pra páginas mortas. Dez minutos por ciclo mantêm o índice honesto.
Publicar o llms.txt resolve a parte barata do problema: dizer às IAs onde olhar. Não resolve a parte cara: saber se elas citam a sua marca quando o seu comprador pergunta. Essa resposta só sai medindo. A auditoria gratuita da Rekon devolve em 5 minutos a matriz de perguntas por marca da sua categoria, e o post como estruturar uma página que a IA cita mostra o que fazer com as páginas que o seu novo índice aponta.