llms.txt — por qué tu sitio necesita uno y cómo construirlo

llms.txt es un archivo en la raíz de tu sitio (/llms.txt) que le da a los motores de IA un mapa curado de tu contenido en Markdown: qué es lo importante del sitio y dónde vive. No es robots.txt (acceso) ni sitemap.xml (una lista completa de URL para los crawlers) — es la “hoja de portada para la IA”.

Por qué importa

Los modelos de lenguaje están limitados por el contexto y el tiempo de lectura. sitemap.xml enumera todas las URL sin prioridad ni contexto. llms.txt responde a una pregunta distinta: “si tienes poco tiempo, lee estas, en este orden”. La curación y el Markdown legible por humanos son la diferencia clave.

En qué se diferencia de sitemap.xml y robots.txt

	sitemap.xml	robots.txt	llms.txt
Audiencia	crawlers de búsqueda	bots (acceso)	motores / agentes de IA
Formato	XML, todas las URL	directivas	Markdown, seleccionadas
Función	rastrear cada página	permitir/denegar	qué vale la pena leer
Contexto	ninguno	ninguno	título + descripción

Ninguno compite — cada uno tiene su propio rol. llms.txt complementa, no reemplaza.

Cómo se ve llms.txt

# Nombre del sitio

> Una o dos frases: qué es el sitio y para quién es.

## Secciones principales
- [Servicios](https://site.tld/services/): qué y para quién
- [Blog](https://site.tld/blog/): enfoques sobre el tema

## Opcional
- [Acerca de](https://site.tld/about/)
- [Contacto](https://site.tld/contact/)

La estructura según la especificación de llmstxt.org: un título H1, una descripción en blockquote, secciones de enlaces del tipo “URL: nota breve” y páginas secundarias bajo ## Optional.

Cómo agregarlo — paso a paso

1. Agrupa las páginas en clústeres semánticos, cada uno con una descripción breve (una línea por enlace).
2. Separa las secundarias (legales, utilitarias) en ## Optional.
3. Mantenlo compacto: resumen ≤ 80 palabras, no cien enlaces — es un mapa, no un catálogo.
4. Coloca /llms.txt en la raíz, junto a robots.txt (sírvelo como text/plain).
5. Opcionalmente, construye /llms-full.txt con el texto completo de los artículos clave en orden de clúster.

Errores comunes

• Un duplicado de sitemap.xml — volcar todas las URL sin descripciones. llms.txt trata de prioridad y significado, no de exhaustividad.
• Demasiado largo — un muro de cientos de enlaces consume el contexto del modelo.
• Sin descripciones — sin un “de qué trata esta página”, un enlace es inútil para la IA.
• Olvidar actualizarlo — tras un rediseño/migración los enlaces se pudren, igual que un sitemap.

Vale la pena hacerlo ahora

Todavía no es un estándar obligatorio, y no todos los motores lo leen. Pero cuesta minutos, no hace daño, y una lista creciente de herramientas ya lo soporta. Es un seguro barato: cuando un motor decida leer llms.txt, ya tendrás uno — con las prioridades correctas.

Quién lee tu sitio, y cómo

Los bots de IA no son un solo “robot”. Conviene dividirlos en tres clases, y bloquearlos deliberadamente:

• Entrenamiento (se pueden bloquear sin perder visibilidad): GPTBot (OpenAI), ClaudeBot (Anthropic), CCBot (Common Crawl), Google-Extended, Applebot-Extended.
• Búsqueda / citación (si los bloqueas, desapareces de las respuestas): OAI-SearchBot (ChatGPT Search), PerplexityBot, Claude-SearchBot, bingbot (Bing/Copilot).
• Por demanda del usuario: ChatGPT-User, Claude-User, Perplexity-User — buscan una página cuando una persona le pide a la IA que la abra.

Un error común: un solo Disallow bajo GPTBot que por accidente también atrapa a OAI-SearchBot — bloqueaste el entrenamiento y perdiste la citación junto con él.

Dos hechos técnicos sobre por qué la legibilidad por máquina es crítica:

• Los crawlers de IA no ejecutan JavaScript. GPTBot/ClaudeBot/PerplexityBot ven solo la primera respuesta HTML — el contenido renderizado en el cliente está vacío para ellos. Necesitas renderizado del lado del servidor.
• Los datos estructurados alimentan el Knowledge Graph. Según los materiales de US v. Google, muchas funciones y entidades provienen del marcado y del Knowledge Graph, no del rastreo de la página. Schema.org + llms.txt le dan a la máquina una estructura explícita, en lugar de depender de la recuperación para “adivinar”.

En resumen

• llms.txt = un mapa del sitio curado, en Markdown, para la IA.
• No reemplaza a sitemap.xml ni a robots.txt — los complementa.
• Los bots son de entrenamiento / citación / bajo demanda — no bloquees por accidente los de citación.
• La IA no ejecuta JS → necesitas SSR; Schema.org alimenta el Knowledge Graph.
• llms-full.txt = todo el contenido clave en un solo archivo para una única solicitud.

Fuentes

• llmstxt.org — la especificación del formato llms.txt / llms-full.txt.
• schema.org — tipos de datos estructurados (Article, FAQPage, Product…).
• Registro de bots de IA (GEO-HowTo 2026) — clasificación de crawlers por rol (entrenamiento / búsqueda / bajo demanda) y comportamiento (JS, robots.txt).
• US v. Google, materiales del caso (2025) — el papel del Knowledge Graph y de los datos estructurados en el ensamblaje de respuestas.