llms.txt: qué es, para qué sirve y cómo comprobar el tuyo

En resumen

llms.txt es un archivo en Markdown, en la raíz de la web, que resume para los modelos de lenguaje quién eres, qué ofreces y qué páginas leer; robots.txt, en cambio, dice qué bots pueden entrar. Es una propuesta de llmstxt.org, no un estándar obligatorio, y tenerlo no garantiza que una IA te cite. La guía explica cómo crearlo en WordPress, PrestaShop o Shopify y qué bots de IA conviene bloquear o dejar pasar.

llms.txt es un archivo de texto en Markdown que resume tu web para los modelos de lenguaje y los agentes de IA: quién eres, qué ofreces y qué páginas merece la pena leer. Es útil y cuesta poco, pero conviene saber lo que es y lo que no es antes de dedicarle tiempo.

Por Jose SorianoÚltima actualización: 8 de octubre de 20266 min de lectura

Qué es llms.txt

Es una propuesta publicada por Jeremy Howard en septiembre de 2024 en llmstxt.org. La idea: los asistentes de IA tienen un contexto limitado y las páginas web están llenas de menús, scripts y publicidad. Un archivo corto en Markdown, con un resumen y enlaces a lo importante, les ahorra trabajo y reduce errores.

El formato que define la propuesta, en este orden:

Un título H1 con el nombre del sitio o del proyecto. Es la única parte obligatoria.
Un resumen en una cita (línea que empieza por >) con lo esencial para entender el resto.
Texto libre opcional (párrafos o listas, sin encabezados) con más contexto.
Secciones H2 con listas de enlaces, cada uno con la forma [nombre](url) y, opcionalmente, dos puntos y una nota.
Una sección «Optional» por convención, con enlaces secundarios que un agente puede saltarse si tiene poco espacio.

Lo normal es publicarlo en la raíz (https://tu-web.com/llms.txt). La propuesta también sugiere ofrecer una versión Markdown de cada página importante (por ejemplo /precios.md) y anunciarla con un enlace rel="alternate" type="text/markdown".

llms.txt frente a robots.txt

Se confunden mucho, pero hacen cosas distintas:

robots.txt dice a los rastreadores qué pueden visitar. Es un estándar (RFC 9309) que los rastreadores serios respetan, y es donde se bloquea a un bot.
llms.txt dice a los modelos qué es importante y dónde está. No permite ni prohíbe nada: un Disallow escrito en llms.txt no tiene ningún efecto.

Si quieres que un bot de IA no lea tu web, eso va en robots.txt. Si quieres que lo que lea lo entienda mejor, eso va en llms.txt. Puedes (y suele convenir) tener los dos.

Un ejemplo real: el de esta web

Este es el principio del llms.txt de WebIntacta, que se genera solo a partir del contenido de la web para que no se quede desactualizado:

# WebIntacta

> Servicio de seguridad web para tiendas online y webs de empresa en España
> y Latinoamérica: análisis externo gratuito, informe de seguridad con un
> conector de solo lectura (sin FTP), limpieza de webs hackeadas con garantía
> de 90 días y mantenimiento sin permanencia. WordPress, WooCommerce y
> PrestaShop. Lo lleva Jose Soriano (sorijose.dev).

Todas las páginas tienen versión en Markdown: pide la URL con
Accept: text/markdown o antepón /md a la ruta.

## Principal

- [Inicio](https://webintacta.com): qué hace WebIntacta y análisis gratuito
- [Precios](https://webintacta.com/precios): todos los precios publicados

Además, cada página de la web responde con una cabecera Link que apunta a su versión Markdown y al llms.txt (rel="describedby"), que es como la propuesta sugiere que los agentes los encuentren. Lo que importa del ejemplo: el resumen dice en dos líneas qué hago y para quién, y cada enlace lleva una nota que explica por qué leerlo.

En WordPress, PrestaShop y Shopify

WordPress

Los dos plugins de SEO más usados ya lo generan:

Yoast SEO: en Yoast SEO → Ajustes → Funcionalidades del sitio (Site features), dentro de las herramientas de IA, activa llms.txt y guarda. Puedes elegir a mano qué páginas aparecen. Según Yoast, no está disponible en multisitio, y si no se genera hay que revisar los permisos de escritura del servidor.
Rank Math: activa el módulo LLMS Txt en su panel y configúralo en Rank Math SEO → Ajustes generales → Editar llms.txt: tipos de contenido, taxonomías y textos. Las páginas marcadas como noindex quedan fuera.

Sin plugin, también vale un archivo llms.txt subido a mano a la raíz (junto a wp-config.php). El problema es que se queda viejo en cuanto cambias la web.

PrestaShop

PrestaShop no trae una opción propia. Lo más sencillo es escribir el archivo y subirlo por FTP a la raíz de la tienda. Hay módulos de terceros que lo generan a partir del catálogo; si usas uno, revisa que no publique productos descatalogados ni páginas internas y que la URL /llms.txt responda con texto, no con la plantilla de la tienda.

Shopify

Shopify no permite subir archivos sueltos a la raíz del dominio, así que la vía habitual es una app. Yoast SEO para Shopify tiene la opción en Ajustes → Avanzado → llms.txt, y hay otras apps en la tienda de Shopify que lo generan. Después de instalar cualquiera, abre tu-tienda.com/llms.txt y comprueba qué sale de verdad.

Cómo comprobar el tuyo

Abre https://tu-web.com/llms.txt en el navegador. Debe verse texto plano que empiece por # y el nombre de tu web.
Comprueba que no es la portada ni una página de «no encontrado» con código 200, un error frecuente en temas de WordPress y en tiendas.
Mira las cabeceras: debe responder 200 y con tipo texto.
Lee el resumen como si fueras un desconocido: ¿queda claro qué haces, para quién y dónde?
Prueba cuatro o cinco enlaces al azar. Un llms.txt con enlaces rotos es peor que no tener ninguno.

curl -sI https://tu-web.com/llms.txt

El análisis gratuito incluye una puntuación de preparación para agentes de IA: lee tu robots.txt y te dice qué bots de IA bloqueas sin saberlo, comprueba si existe llms.txt y si responde de verdad, y si tus páginas ofrecen versión Markdown. Si quieres que lo revise y lo deje bien, está en web preparada para agentes de IA.

Qué bots de IA bloquear y cuáles no

Esto se decide en robots.txt, y la clave es que cada empresa usa bots distintos para entrenar sus modelos y para buscar. Puedes negarte a lo primero sin desaparecer de lo segundo. Según la documentación de cada empresa:

GPTBot (OpenAI): recoge contenido que puede usarse para entrenar sus modelos. Bloquearlo no te saca de la búsqueda de ChatGPT.
OAI-SearchBot (OpenAI): el de la búsqueda de ChatGPT. Si lo bloqueas, no apareces en sus respuestas de búsqueda.
ChatGPT-User (OpenAI): visita una página cuando un usuario se lo pide. OpenAI avisa de que, al ser una acción del usuario, robots.txt puede no aplicarse.
ClaudeBot (Anthropic): recoge contenido para entrenamiento.
Claude-SearchBot (Anthropic): indexa para mejorar las búsquedas de Claude.
Claude-User (Anthropic): visita páginas cuando un usuario de Claude hace una pregunta. Bloquearlo reduce tu visibilidad en esas respuestas.
Google-Extended: no es un rastreador, es una señal. Google rastrea con sus bots de siempre y esta regla decide si el contenido puede usarse para entrenar Gemini y para fundamentar sus respuestas. Google dice expresamente que no afecta a tu presencia ni a tu posición en la Búsqueda.
PerplexityBot: el de los resultados de Perplexity; según Perplexity, no se usa para entrenar modelos.
Perplexity-User: visitas pedidas por un usuario; Perplexity indica que generalmente ignora robots.txt.

Mi recomendación para una tienda o una web de servicios: deja pasar a los bots de búsqueda y a los de usuario (quieres que te recomienden), y decide aparte si aceptas el entrenamiento. Si no lo aceptas, un robots.txt así lo deja claro sin cerrarte a la búsqueda:

User-agent: GPTBot
Disallow: /

User-agent: ClaudeBot
Disallow: /

User-agent: Google-Extended
Disallow: /

User-agent: *
Allow: /

Sitemap: https://tu-web.com/sitemap.xml

Fuentes

Preguntas frecuentes

¿Qué es el archivo llms.txt?

Es un archivo en Markdown, normalmente en la raíz de la web, que resume el sitio y enlaza las páginas importantes para que los modelos de lenguaje lo entiendan sin leer todo el HTML. Es una propuesta de llmstxt.org, no un estándar obligatorio.

¿llms.txt sirve para el SEO en Google?

No directamente. Google no lo usa para posicionar y tenerlo no cambia tu posición en la Búsqueda. Puede ayudar a que los asistentes que sí lo leen entiendan mejor tu web.

¿Se puede bloquear a ChatGPT con llms.txt?

No. llms.txt no permite ni prohíbe nada. Para bloquear un bot hay que usar robots.txt con su nombre, por ejemplo GPTBot para el entrenamiento de OpenAI u OAI-SearchBot para su búsqueda.

¿Cómo creo llms.txt en WordPress?

Con Yoast SEO (Ajustes → Funcionalidades del sitio → llms.txt) o con el módulo LLMS Txt de Rank Math. También puedes subir a mano un archivo llms.txt a la raíz, aunque tendrás que actualizarlo tú.

¿Si bloqueo GPTBot desaparezco de ChatGPT?

No. GPTBot es el bot de entrenamiento. La búsqueda de ChatGPT usa OAI-SearchBot; mientras no lo bloquees, tu web puede seguir apareciendo en sus respuestas.