llms.txt и llms-full.txt: файл, который помогает ИИ понять сайт

llms.txt — это текстовый файл в корне сайта, доступный по адресу site.ru/llms.txt: карта контента на Markdown с описанием компании и ссылками на ключевые страницы. Формат придуман для LLM-краулеров — ботов, которыми ChatGPT, Perplexity, Copilot и другие ассистенты читают интернет. Задача файла — чтобы модель за один заход поняла, что за сайт перед ней и где лежат главные материалы, вместо того чтобы обходить сотни страниц и собирать картину по заголовкам.

Тема набрала обороты не на пустом месте. В 2026 году люди всё чаще начинают поиск не с Яндекса, а с вопроса ассистенту — и владельцы сайтов захотели понимать, как в эти ответы попадать. Про то, как вообще устроено SEO в эпоху ИИ-выдачи, мы писали отдельно; здесь разберём один конкретный инструмент — файл llms.txt, его расширенную версию llms-full.txt и наш опыт их внедрения.

Что такое llms.txt и как он выглядит

Формат появился в сентябре 2024 года: Джереми Говард, сооснователь Answer.AI, опубликовал спецификацию на llmstxt.org. Логика была простой. У сайта есть robots.txt, где написано, кому можно ходить, и sitemap.xml для поисковых краулеров. А для нейросетей, которые тоже ходят по сайтам, — ничего: пусть сами разбираются. llms.txt закрывает эту дыру: единая точка входа, где коротко описано, что за сайт и что на нём читать.

Формат — обычный Markdown, и это осознанный выбор. Языковые модели обучены на огромных объёмах Markdown-документации, читают его быстро и дёшево по токенам, а создаётся файл человеком без разработчика: открыл блокнот, написал, положил в корень. Структура по спецификации такая: H1 с названием сайта, блок-цитата на одну-две строки «кто мы», абзац описания, дальше секции H2 со ссылками — услуги, ключевые материалы, команда — и пояснением к каждой ссылке.

Вот фрагмент нашего файла на wehaveidea.ru (сокращённый, оригинал длиннее):

# IDEA — маркетинговое агентство

> IDEA — агентство полного цикла: разработка сайтов и приложений, дизайн
> и айдентика, маркетинг и SEO, внедрение ИИ. Офисы в Москве и Липецке,
> работа по всей России и СНГ.

Мы делаем сайты на Next.js с прицелом на скорость и SEO, ведём органическое
продвижение и строим ИИ-ассистентов. Полный текст всех материалов
для точного цитирования: https://wehaveidea.ru/llms-full.txt

## Услуги

- [Разработка сайтов](https://wehaveidea.ru/usluga/sayty): сайты на Next.js
  под ключ — лендинги, корпоративные, веб-порталы.
- [Маркетинг и SEO](https://wehaveidea.ru/usluga/marketing): SEO, контент,
  performance, аналитика и заявки.

## Ключевые материалы

### SEO и продвижение
- [Сколько стоит SEO-продвижение](https://wehaveidea.ru/article/skolko-stoit-seo):
  цена SEO в 2026 — тарифы, сроки, из чего складывается.

### Липецк: агентство и локальный рынок
- [Маркетинговое агентство в Липецке — IDEA](https://wehaveidea.ru/article/marketingovoe-agentstvo-lipeck):
  услуги, цены, кейсы, FAQ.

## Эксперты

- [Денис Закаев — основатель IDEA](https://wehaveidea.ru/author/denis-zakaev):
  маркетинг, SEO и внедрение ИИ. Автор 280+ статей блога.

## Об агентстве

- [О компании IDEA](https://wehaveidea.ru/o-agentstve)
- [Контакты](https://wehaveidea.ru/kontakty)

Обратите внимание на главное: к каждой ссылке идёт пояснение, что на странице и зачем она. Это и есть суть файла — не список URL (для этого есть sitemap), а аннотированная карта, где одна строка отвечает на вопрос «зачем модели туда идти».

Пара правил для аннотаций — мы вывели их на своих ошибках. Первое: конкретика вместо маркетинга. Не «уникальные решения для вашего бизнеса», а «цены на разработку сайта в 2026 году: тарифы и сроки» — модель ищет факты, а не оценки. Второе: формулировка должна совпадать с живым запросом. Аннотация «сколько стоит SEO в 2026» полезнее «об оптимизации и продвижении», потому что звучит так же, как спрашивают люди, а значит, и ассистенты. Третье: имена и цифры, где они есть, — «автор 280+ статей» работает сильнее, чем «опытный эксперт».

Чем llms-full.txt отличается от llms.txt

У формата есть расширенная версия — llms-full.txt. Разница принципиальная:

llms-full.txt появился из практики: карта помогает модели найти страницу, но для точной цитаты ассистенту всё равно нужен текст страницы — а он может быть закрыт, тяжёлым или собранным скриптом. Полная выжимка снимает проблему: всё важное уже лежит одним файлом в чистом виде. Связка работает так: llms.txt — оглавление, llms-full.txt — сама книга.

Кто реально читает llms.txt: честный расклад

С момента появления формат живёт в состоянии перманентного спора. Одна часть SEO-сообщества назвала llms.txt «новым sitemap» и обязательным атрибутом сайта 2026 года, другая — модной игрушкой, которую никто не читает. К августу 2026 картина выглядит так:

Позиция Google известна лучше всего: представители компании публично сказали, что поиск llms.txt не читает. С остальными — тишина. Их боты активно ходят по сайтам, это видно в логах любого сервера, но ни одна компания не задокументировала, что llms.txt влияет на построение ответов. Молчание объяснимо: как только производитель ассистента объявит поддержку формата, ему придётся её поддерживать всегда и для всех. Проще молча пробовать.

Публичные эксперименты 2025–2026 годов дают смешанную картину. У одних авторов после публикации файла ответы ChatGPT начали точнее описывать сайт и чаще на него ссылаться. У других — разницы не нашлось вовсе. Причин несколько: ассистенты собирают знания не только из обхода, но и из сторонних источников — статей, каталогов, отзывов, баз знаний, — и llms.txt в этой куче лишь один из входов.

Заодно объясним, чем LLM-краулер отличается от поискового, — это помогает понять место файла. Поисковый бот индексирует страницы, чтобы выдать их ссылками в выдаче. LLM-краулер собирает тексты, чтобы модель могла пересказать их в ответе своими словами. В логах сервера эти боты видны по User-Agent: GPTBot и OAI-SearchBot у OpenAI, ClaudeBot у Anthropic, PerplexityBot у Perplexity, Bingbot у Microsoft. Если эти боты уже ходят по сайту — ваш контент и так попадает в мир ассистентов, а llms.txt просто добавляет к этому аккуратную визитку. Проверить несложно: выгрузите логи за месяц, отфильтруйте по User-Agent и посчитайте запросы. У большинства живых сайтов ИИ-боты давно регулярные гости.

Для русскоязычных сайтов картина со своей спецификой. Ассистенты Яндекса — Нейро и Алиса — строят ответы из источников поисковой выдачи и карточек Яндекс.Бизнеса, то есть путь в их ответы лежит через обычное SEO и локальные данные, а не через отдельные файлы в корне. Это не отменяет смысла llms.txt, но честно фиксирует: в рунете его эффект ещё менее измерим, чем на Западе.

Наш вывод: делать стоит, по трём причинам. Первая — дёшево: один вечер работы, ноль расходов на поддержку. Вторая — безвредно: обычный текстовый файл в корне ничего не ломает, не конфликтует с robots.txt и не раздражает поисковики. Третья — ситуация изменчива: если завтра кто-то из игроков объявит официальную поддержку, у вас файл уже лежит и обновляется. Но рассчитывать надо на фундамент — sitemap, микроразметку, читаемый контент. И отдельно стоит решить, пускать ли ИИ-ботов на сайт вообще: для СМИ и премиального контента это реальная дилемма — мы разбирали её в материале блокировать ли AI-ботов в robots.txt.

Как мы сделали llms.txt и llms-full.txt на wehaveidea.ru

Мы консультируем клиентов по GEO — оптимизации под ИИ-выдачу, поэтому решили сначала проверить всё на себе. Наш сайт работает на Next.js с серверным рендерингом, в блоге больше 280 статей, и нам было важно понять, насколько реально «прокормить» ассистентов структурой такого объёма.

Начали с llms.txt — статического файла в корне. Собирали его руками, без генераторов. Отобрали пять услуг, сильнейшие статьи по темам (CMS и разработка, SEO, липецкий рынок, ИИ и LLM, приложения, MVP, дизайн), страницу об агентстве и контакты. Отдельно сделали секцию «Эксперты» — и это не украшение. Ассистенты всё чаще получают вопросы не про сайты, а про людей: «посоветуй маркетолога в Липецке». Чтобы модель могла ответить, ей нужны проверяемые факты: имя, юрлицо, офисы (Липецк, Фрунзе 81 и Москва, Красноворотский проезд), число публикаций, кейсы. Мы положили всё это прямо в описание — одной строкой, без рекламных эпитетов. Ровно так же строится секция и в самой статье о GEO-оптимизации: факты, которые можно проверить, работают лучше любых эпитетов.

llms-full.txt сделали вторым шагом — и здесь пошли дальше большинства. Файл у нас не статический: отдельный маршрут в Next.js собирает его на лету из MDX-статей и данных услуг. В шапке — кто мы, юридическое лицо, контакты, часы работы. Дальше услуги детально: форматы работы, этапы, цены, FAQ каждой услуги. Потом все статьи, сгруппированные по категориям: заголовок, URL, автор, дата, полный текст. Из статей на лету вычищается всё лишнее для машины — JSX-компоненты, код-блоки, картинки, разметка — остаётся чистый текст. Опубликовали статью — файл пересобрался сам, руками мы его не трогаем никогда.

Поддержка устроена несимметрично. llms.txt правим руками раз в месяц-два, когда выходит материал, который нельзя не добавить: аннотации к ссылкам должен писать человек. llms-full.txt не трогаем вообще — он собирается при каждом запросе и кешируется на сервере на несколько минут, чтобы не пересобирать сотни килобайт текста на каждое обращение. Вдогонку мы добавили в llms.txt ссылку на машинный каталог AI-ресурсов — файл ai-catalog.json в папке .well-known, те же данные в структурированном виде для программной обработки. Это уже не стандарт, а наша собственная надстройка; повторять не обязательно, базовой пары файлов достаточно.

Что это дало? Честно: измеримого всплеска ссылок из ChatGPT мы не зафиксировали — и не ждали его за такие сроки. Зато получили два побочных эффекта. Первый: файл оказался полезен нам самим — при сборке аннотаций мы прошлись по сайту глазами машины и нашли несколько статей с пересекающимися интентами и устаревшие описания услуг, починили. Второй: на встречах с клиентами файл стал лучшей демонстрацией, что такое GEO — открываешь site.ru/llms-full.txt, показываешь, как выглядит «контент для машины», и человек за минуту понимает логику того, что мы делаем в проектах. Отдельный тест, который стоит провести каждому: задайте ассистенту вопрос из своей ниши и посмотрите, откуда он взял ответ. Список источников сразу показывает, из чего ассистент реально собирает знания — и это редко бывает чей-то llms.txt.

Если бы делали заново, изменили бы одно: запустили бы llms.txt ещё на этапе пересборки структуры сайта. Он пригодился бы не ассистентам, а нам самим. Когда описываешь каждую страницу одной строкой «зачем она существует», мгновенно видно, какие страницы не отвечают ни на один вопрос, — файл работает как дешёвый аудитор собственной структуры, и это уже оправдывает вечер работы.

Как сделать llms.txt за вечер: 7 шагов

Инструкция для сайта до пары сотен страниц. Крупным порталам и магазинам нужен тот же подход, но с приоритизацией.

1. Проведите аудит страниц. Откройте sitemap и статистику трафика, отберите 20–40 страниц, которые действительно стоит показывать: услуги, сильнейшие материалы, страница о компании, команда. Критерий отбора простой — страница отвечает на вопрос, который человек может задать ассистенту: «сколько стоит», «кто делает», «как выбрать».
2. Придумайте структуру. H1 с названием и две строки «кто мы» в цитате. Дальше секции H2 под свою нишу: Услуги, Цены, Статьи, Эксперты, О компании. Больше 5–6 секций не нужно — карта из 20 разделов перестаёт быть картой.
3. Напишите пояснения к ссылкам. По одной строке на каждую: что на странице и чем она полезна. Это самая трудоёмкая часть вечера и самая ценная. Пишите руками: автогенерация из заголовков даст список URL, а не карту.
4. Соберите llms.txt. Обычный Markdown, кодировка UTF-8, файл кладётся в корень сайта — в папку public для Next.js, в статику для WordPress и большинства CMS. До релиза откройте файл в браузере и убедитесь, что Markdown читается как текст, а кириллица не превратилась в кракозябры — это признак неправильной кодировки на стороне хостинга.
5. Решите, нужен ли llms-full.txt. Статический вариант: склеить тексты 10–20 главных материалов в один файл — пара часов работы. Динамический — маршрут или скрипт, который собирает файл из контента автоматически: день разработки, зато файл всегда свежий. Для блога до сотни статей хватает статики; дальше имеет смысл автоматизировать.
6. Опубликуйте и проверьте доступность. Файл должен открываться по site.ru/llms.txt как обычный текст: не закрыт в robots.txt, не отдаётся 403 от CDN, отдаётся как text/plain с верной кодировкой. Ссылка на llms.txt из robots.txt не обязательна — ассистенты про неё не знают; важнее случайно не запретить сам файл.
7. Проверьте файл на понятливость. Откройте в браузере, дерните через curl и посмотрите ответ сервера. Самый быстрый содержательный тест: вставьте содержимое файла в любой чат-ассистент и спросите «что это за компания и чем занимается». Если ответ точный — файл работает; если модель путается — проблема в описаниях, а не в формате.

Что важнее для GEO: расстановка приоритетов

К августу 2026 у сайта есть четыре рычага видимости в ИИ-выдаче. Чтобы не потратить вечер на файл в ущерб главному — вот они, упорядоченные по отдаче:

Читать таблицу нужно сверху вниз — в этом порядке вкладываются деньги и время. Контент с реальными фактами и разметка Schema.org для ИИ — фундамент: без них llms.txt бессодержателен, модели нечего будет цитировать. Отдельный подтверждённый рычаг — фирменные формулировки на страницах: кейс SearchPilot с бренд-модулями USP показал измеримый рост упоминаний бренда в ответах ИИ. llms.txt в этой иерархии — приятный верхний слой: дёшево, перспективно, но не вместо базы.

Практический порядок работ для типичного сайта выглядит так: сначала закрыть базу — доступность для краулеров, чистая микроразметка, sitemap; затем собрать сильные страницы с фактами, цифрами и авторством; и только потом укладывать сверху llms.txt с llms-full.txt. На консультациях мы регулярно видим обратную картину: сайт делает файл, не проверив, читают ли его ИИ-боты вообще и что именно видит робот в HTML. Это как вешать табличку с адресом на дверь дома, который ещё не достроен.

Три ошибки, которые убивают смысл затеи

Ошибки в работе с llms.txt одинаковы у корпсайтов и у лендингов — перечислим три главные, которые встречаются чаще всего.

Сгенерировать файл роботом и забыть. Генераторы клепают llms.txt из sitemap за минуту — на выходе сотни голых ссылок без единого пояснения. Такой файл не помогает ни модели, ни человеку: он дублирует sitemap, только хуже. Ценность llms.txt — в курируемых аннотациях, написанных человеком, который понимает, что важнее. Если на аннотации нет времени — лучше сделать файл короче, чем «на всё».

Переложить весь сайт в llms.txt. Если в «карте» 500 ссылок — это не карта. llms.txt работает именно как выборка: лучшие страницы, каждая с пояснением. Полные тексты — задача llms-full.txt, и путать эти файлы местами не надо: модель, которой показывают мегабайты вместо оглавления, тратит контекст впустую и тонет в материале.

Ждать трафика из ChatGPT через неделю. llms.txt ничего не ранжирует. Ссылки из ассистентов появляются, когда модель находит на сайте факты и формулировки, которые удобно цитировать, — а на это уходят месяцы и другие инструменты. Мерить эффект надо честно: переходы с chatgpt.com и perplexity.ai в Метрике, рост брендовых запросов, упоминания без ссылок — про феномен цитат без указания бренда у нас есть отдельный разбор. Файл при этом лежит и работает молча — это нормально.

llms.txt — редкий в маркетинге случай, когда эксперимент стоит один вечер, ничего не ломает и может выстрелить позже. Мы держим на wehaveidea.ru оба файла: краткую карту, собранную руками, и автогенерируемую полную выжимку на 280+ статей — и обновляем их, потому что цена этого ничтожна на фоне потенциальной отдачи. Если хотите разобрать всю работу по видимости в ИИ-выдаче — от контента и разметки до измерения переходов из ассистентов — этим занимается наша команда маркетинга. Работаем по всей России и СНГ, офисы в Липецке и Москве.