Связка 51 · AI и GEO · обновлено 2026-08-20
llms.txt / AI-страница
Связка «llms.txt / AI-страница» готовит сайт к чтению машиной: краткая карта в /llms.txt, Markdown-двойники страниц и отдельная страница с фактами о компании. Честная рамка на 2026 год: роста цитируемости в ChatGPT и Google сам файл не даёт. Ahrefs на 137 000 доменов зафиксировал, что 97% файлов llms.txt не получили в мае 2026 ни одного запроса. А вот Markdown-двойники читают реально: 34,8% всех обращений GPTBot идут именно в .md-версии страниц.
Файл пишется за полдня и стоит ноль рублей, поэтому его продают как «пропуск в ответы нейросетей». Пропуска нет. Работает то, что лежит вокруг файла: чистый HTML без JS, Markdown-двойники и страница с фактами, которую агент процитирует дословно.
- Что это
- Машиночитаемый слой сайта: /llms.txt как оглавление, .md-версии страниц как содержимое и страница /ai с выжимкой фактов о компании, ценах и ограничениях.
- Для кого
- B2B SaaS, API-сервисы, студии разработки. Их документацию открывают в Cursor, Claude Code или Copilot, и там агент должен процитировать актуальные цифры, а не версию двухлетней давности.
- Что на выходе
- Агент грузит документацию за один запрос вместо десяти. Ассистент пересказывает ваши формулировки, а не догадки из обучающей выборки.
- Когда не подходит
- Интернет-магазин, медиа, сайт-визитка местных услуг. Там на llms.txt приходится 0,001% запросов и ноль эффекта. Сначала пустите AI-краулеры в robots.txt и отдайте HTML, читаемый без JavaScript.
- файлов llms.txt без единого запроса за месяц
- 97%
- обращений GPTBot идут в .md-версии страниц
- 34,8%
- dev-компаний уже отдают llms.txt
- 53,7%
- на сборку всего слоя
- 4–6 ч
файлов llms.txt без единого запроса за месяц
обращений GPTBot идут в .md-версии страниц
dev-компаний уже отдают llms.txt
на сборку всего слоя
Схема целиком
Как устроен путь клиента
Сплошные стрелки — путь клиента, пунктирные — куда уходят те, кто не дошёл. Ниже каждый блок разобран по порядку.
Разбор по шагам
Что происходит в каждом блоке
Механика, взгляд клиента, типовая ошибка и готовый текст для каждого узла.
Разбор ниже занимает минут десять. Если проще делегировать — соберу эту связку под ключ.
Краулеры и coding-агенты
Читателей здесь два, и путают их постоянно. Первый — краулер поисковой нейросети. Он обходит сайт сам и llms.txt почти никогда не запрашивает. Второй — coding-агент, которому пользователь сам дал ссылку на вашу документацию: идёт по указанному адресу и файл читает. Связка живёт за счёт второго.
Глазами клиента
«Поставил агенту задачу: «подключи их API». Он лезет на сайт, получает вёрстку с баннерами и меню и сжигает половину контекста на мусор.»
«Если бы у них лежал нормальный текстовый файл, я бы просто скинул ссылку и через минуту получил рабочий код.»
Что делаете вы
Разрешить в robots.txt GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot. Завести отдельный отчёт по этим user-agent в логах сервера, чтобы видеть реальные обращения, а не верить обещаниям подрядчика.
Где ломается
Продавать канал как способ попасть в Google AI Overviews. Гэри Иллис на Search Central Live в июле 2025 сказал, что Google llms.txt не поддерживает и не планирует. Джон Мюллер сравнил файл с мёртвым meta keywords. Позиция не менялась, документация Google в июне 2026 её подтвердила.
Метрика: Обращения AI-user-agent в логах · доля запросов к .md-путям
Как это выглядит в разных нишах
- API-сервис для разработчиковGPTBot, ClaudeBot и Cursor читают /docs — открываем их в robots.txt и смотрим логи
- B2B SaaS для HRКлиенты спрашивают у ассистента «как выгрузить табель» — нужен текстовый ответ на сайте
- Студия заказной разработкиАгент клиента ищет подрядчика: должен найти стек, сроки и вилку цен текстом
Строки robots.txt
User-agent: GPTBot Allow: / User-agent: ClaudeBot Allow: / User-agent: PerplexityBot Allow: /
Явное разрешение снимает главную причину невидимости: сайт закрыт от AI-ботов по умолчанию через общий Disallow, и никакой llms.txt это не исправит.
BLUF: сначала вывод, потом детали — Файл читает машина, поэтому главное правило идёт первой строкой, без преамбулы. Дальше тот же принцип работает во всех текстах связки.
/llms.txt и Markdown-двойники
llms.txt — короткая карта на 50–150 строк: H1 с названием, абзац-описание в блоквоуте и разделы со ссылками. Спецификация требует только заголовок H1. Рядом кладёте .md-двойники: /pricing.md рядом с /pricing. Именно двойники читают чаще всего.
Глазами клиента
«Открыл /llms.txt — вижу за десять секунд, что у них есть API, тарифы и гайд по миграции. Не надо кликать по меню.»
«Дописал .md к адресу страницы — получил чистый текст. Вставил в агент, он не подавился.»
Что делаете вы
Генерировать оба слоя автоматически из тех же исходников, что и сайт. Ставить дату обновления внутрь файла. Держать llms.txt в пределах 15 КБ: медиана по 117 работающим файлам 13,8 КБ.
Где ломается
Файл, написанный руками один раз и забытый. Через квартал он расходится с сайтом, и агент выдаёт клиенту устаревшие цены. Второй частый сбой: llms.txt на 1,7 МБ. Такой файл не помогает никому, у Google так осталась забытая автогенерация на firebase.google.com.
Метрика: Доля страниц с .md-двойником · возраст файла в днях
Как это выглядит в разных нишах
- API-сервис для разработчиковllms.txt со ссылками на /api.md, /auth.md, /errors.md — каждый двойник генерится из того же MDX
- B2B SaaS для HRРазделы «Тарифы», «Интеграции», «Юридические документы» — по одному .md на раздел
- Студия заказной разработкиРазделы «Услуги», «Кейсы», «Стек и сроки» плюс /about.md с фактами о команде
Начало /llms.txt
# Название сервиса > Сервис для X. Тарифы от N ₽/мес. API — REST и вебхуки. Обновлено 2026-08-20. ## Документация - [Быстрый старт](/docs/quickstart.md): подключение за 10 минут - [Тарифы](/pricing.md): актуальные цены и лимиты
H1 и блоквоут парсер читает первыми. Дата обновления прямо в файле снимает главный риск канала: устаревание.
Хук → польза → CTA (в машинном варианте) — «Хук» здесь — H1 с точным именем сущности, «польза» — блоквоут с фактами, «CTA» — ссылки на .md-двойники, куда агент пойдёт дальше.
Страница /ai с фактами
Отдельная человекочитаемая страница. На ней всё, что ассистент захочет процитировать: что делает продукт, для кого, цены числами, ограничения, сравнение с альтернативами, дата обновления. Формат — короткие абзацы и Q&A. Модель извлекает ответ, а не пересказывает лендинг.
Глазами клиента
«Спросил у ассистента, чем они отличаются от конкурента. Он ответил конкретно: цена, лимиты, чего нет. Значит, где-то это написано прямым текстом.»
«Обычно в таких случаях получаешь размытое «современное решение». Тут — цифры.»
Что делаете вы
Первые 60 слов страницы — прямой ответ на вопрос «что это и сколько стоит». Дальше FAQ из 8–12 вопросов реальными формулировками покупателя. Никакой подгрузки контента скриптом.
Где ломается
Страница на React, где текст появляется только после выполнения JS. Краулер получает пустой каркас и уходит. Второе: маркетинговые прилагательные вместо чисел. Цитировать «мощное решение» нейросети нечего, и в ответ попадёт конкурент, у которого стоит вилка цен.
Метрика: Появление бренда в ответах ассистентов по 15–20 контрольным запросам
Как это выглядит в разных нишах
- API-сервис для разработчиков«Лимит 1000 запросов в минуту на тарифе Pro, 99,9% SLA, ответ p95 — 120 мс»
- B2B SaaS для HR«От 15 000 ₽/мес за 50 сотрудников. Не подходит компаниям меньше 20 человек»
- Студия заказной разработки«MVP на Next.js и Supabase: 6–8 недель, от 900 000 ₽. Не берём проекты дешевле 500 000 ₽»
Первый абзац страницы /ai
Сервис принимает платежи в 12 валютах через один API. Тариф Pro — 15 000 ₽/мес, комиссия 1,2%, лимит 1000 запросов в минуту. Не подходит для физлиц: нужен договор с юрлицом. Данные актуальны на 20 августа 2026.
Четыре факта, и каждый — число или ограничение. Ассистент пересказывает любой из них без домысливания. А строчка «не подходит для…» отсекает тех, кому вы всё равно не продадите.
BLUF: главное первым предложением — Модель извлекает ответ из первых 60 слов. Всё, что попало в четвёртый абзац, в ответ уже не попадёт. Поэтому разгон и историю компании уносите вниз или убирайте совсем.
Регулярное обновление фактов
Машиночитаемый слой мёртв без цикла обновления. Раз в спринт перегенерируете файлы. Раз в месяц прогоняете список контрольных запросов через ChatGPT, Алису и Perplexity и смотрите, что о вас говорят и на что ссылаются.
Глазами клиента
«Полгода назад ассистент называл старую цену. Сейчас говорит правильную — значит, они что-то поправили у себя.»
«Заодно вижу, что рядом со мной он упоминает двух конкурентов. Знать это полезнее, чем любой отчёт по позициям.»
Что делаете вы
Список из 15–20 запросов, которые задаёт покупатель, и таблица «запрос → упомянули ли нас → на что сослались». Прогонять раз в месяц вручную или через трекер AI-видимости.
Где ломается
Мерить успех наличием файла, а не ответами. SE Ranking на 300 000 доменов не нашёл связи между llms.txt и частотой цитирования: в предсказательной модели удаление признака llms.txt улучшало точность. Признак вёл себя как шум.
Метрика: Доля контрольных запросов с упоминанием бренда · доля ответов со ссылкой на ваш домен
Как это выглядит в разных нишах
- API-сервис для разработчиков«Чем заменить X для приёма платежей», «есть ли у Y вебхуки» — 20 запросов раз в месяц
- B2B SaaS для HR«Программа учёта рабочего времени для 100 человек» — смотрим, кого называет Алиса
- Студия заказной разработки«Кто делает MVP на Next.js в Москве» — фиксируем, чьи сайты попали в ссылки
Строка чек-листа обновления
Раз в спринт: перегенерировать llms.txt и .md, обновить дату. Раз в месяц: прогнать 20 контрольных запросов, записать упоминания и источники в таблицу.
Ритм привязан к тому, что уже есть в команде: спринт и месячный отчёт. Отдельный «процесс GEO» никто не будет соблюдать.
Действие → период → артефакт — У каждого пункта есть срок и результат: файл или строка в таблице. Без артефакта задача через месяц тихо умирает.
Упоминание в ответе → регистрация
Финал канала — человек, который спросил ассистента и пришёл по ссылке в ответе. Трафика мало. Зато человек уже понимает, что вы делаете и сколько это стоит: модель пересказала ему вашу же страницу.
Глазами клиента
«ChatGPT дал три варианта, у одного сразу видна цена и лимиты. Открываю его первым.»
«На сайте написано то же самое, что мне пересказали. Не надо ничего выяснять у менеджера — иду регистрироваться.»
Что делаете вы
Отдельный сегмент в аналитике по рефереру chatgpt.com, perplexity.ai, ya.ru/alice. Считать не визиты, а регистрации: объём мал, качество высокое.
Где ломается
Ставить бюджет на канал, у которого нет подтверждённого механизма. Считайте llms.txt страховкой за полдня работы, а деньги вкладывайте в то, что уже измеримо: разрешённые краулеры, серверный рендер и .md-двойники.
Метрика: Регистрации с реферера AI-сервисов · их конверсия в оплату
Как это выглядит в разных нишах
- API-сервис для разработчиковПришедшие из ассистентов сразу идут в /docs/quickstart, а не на главную
- B2B SaaS для HRЗаявка с текстом «мне вас посоветовал ChatGPT» — отдельный тег в CRM
- Студия заказной разработкиКлиент присылает бриф, уже сверстанный по вашей же странице услуг
Блок «Как с нами работать» на /ai
Подключение: регистрация → тестовый ключ сразу → боевой после договора. Тестовый доступ на 14 дней, карта не нужна. Договор — с юрлицом РФ, оплата в рублях.
Три шага, срок и условие оплаты. Ассистент пересказывает это целиком, и человек приходит уже с ответом на вопрос «а как это купить».
4U: полезно, срочно, уникально, ультра-конкретно — Полезно — тестовый ключ сразу, срочно — 14 дней, уникально — без карты, ультра-конкретно — рубли и юрлицо РФ. Каждое свойство держится на факте, который можно процитировать.
Краулер ушёл ни с чем
Большая часть обращений заканчивается ничем: бот получает пустой каркас страницы, 403 от защиты или Disallow в robots.txt. Редким сбоем это не назовёшь. Так выглядит обычный сайт, который никто не готовил к машинному чтению.
Глазами клиента
«Агент открыл сайт, увидел «Загрузка…» и пошёл искать ответ у конкурента.»
«Через месяц тот же вопрос — тот же результат. Компания просто не существует в этом слое.»
Что делаете вы
Проверять руками: curl без JS по десяти ключевым страницам. Если в ответе нет текста — чинить рендер, а не писать llms.txt.
Где ломается
Cloudflare и подобные защиты режут AI-ботов по умолчанию. У самой OpenAI openai.com/llms.txt отдаёт 403 автоматическому клиенту. С вашим сайтом происходит то же самое, пока правило не настроено руками.
Метрика: Доля 200-ответов на запросы AI-user-agent · наличие текста в HTML без JS
Как это выглядит в разных нишах
- API-сервис для разработчиковSPA-документация отдаёт пустой div — переносим на статический генератор
- B2B SaaS для HRЦены подгружаются скриптом после клика — дублируем их текстом на /ai
- Студия заказной разработкиКейсы лежат в слайдере на JS — рядом кладём /cases.md с теми же цифрами
Команда проверки
curl -A "GPTBot" -s https://ваш-сайт/pricing | grep -c "₽"
Одна команда отвечает на главный вопрос канала: видит ли машина ваши цены вообще. Ноль в ответе — значит, всё остальное бессмысленно.
Проверка одним действием — Диагностика должна занимать секунды, иначе её не делают. Одна команда, один числовой результат, однозначный вывод.
Формулы, по которым собраны эти тексты
- AIDA
- Внимание → интерес → желание → действие. Классика для длинного текста: лендинга, поста, письма.
- PAS
- Проблема → усиление → решение. Лучше всего работает в прогреве, где надо сначала назвать боль словами клиента.
- 4U
- Полезно, срочно, уникально, ультра-конкретно. Формула оффера и заголовка объявления.
- BLUF
- Главное в первой строке. Обязательна для страниц, которые должны цитироваться нейросетями, и для объявлений.
- Хук → польза → CTA
- Структура короткого видео и первого сообщения бота: захват за три секунды, ценность, одно действие.
Соберём за вас
Разработаю связку «llms.txt / AI-страница» под ключ
Бот, квиз, лендинг, аналитика и тексты — соберу целиком и передам работающей, с замерами по каждому шагу.
Кейсы
Как это сработало у других
Чужие запуски из открытых публикаций: выжимка и цифры, полный разбор — по ссылке у автора.
Ни одна из восьми систем не пошла к llms.txt по своей инициативе
Рынок продаёт llms.txt как «пропуск в AI-ответы», а подтверждений этому нет. Автор на Хабре взял восемь нейросетей и проверил три вещи: читают ли файл сами, читают ли по прямой ссылке и куда идут в агентном режиме.
- систем пошли к файлу сами
- 0 из 8
- строк в рабочем llms.txt
- 50–150
- по корневым адресам OpenAI и Anthropic
- 404
систем пошли к файлу сами
строк в рабочем llms.txt
по корневым адресам OpenAI и Anthropic
+Как они это делали
Результат разделил два слоя. Фонового автоматического чтения нет ни у кого: ни одна из восьми систем не пошла к файлу без просьбы. По прямой ссылке файл открывают и ChatGPT 5.5, и Grok 4, и Claude. В агентном сценарии /llms.txt попадает в план обхода, но не всегда первым шагом: ChatGPT ставит его первым, часть остальных — после robots.txt и главной страницы.
Отдельно автор разобрал, где лидеры держат файл. У Anthropic корневой anthropic.com/llms.txt не отвечает, рабочий лежит в зоне документации. У OpenAI openai.com/llms.txt отдаёт 404, а файл живёт на developers.openai.com. Вывод статьи: llms.txt — навигация для агентов в документации, а не SEO-инструмент, и Google это подтвердил прямым отказом.
Пересказ по публикации: Спор про llms.txt не сходится: и критики, и хайп меряют не тот слой (Хабр) — цифры и подробности проверяйте у автора.
0,001% запросов к llms.txt против 34,8% обращений GPTBot в Markdown
Разбор построен на серверных логах, а не на опросах. Dries Buytaert в марте 2026 насчитал 52 обращения к /llms.txt за месяц. Все от SEO-аудиторов, ни одного от поисковой нейросети. На инфраструктуре Acquia это около 0,001% всех запросов. Ahrefs по 137 000 доменов получил ту же картину: 97% файлов llms.txt в мае 2026 не получили ни одного запроса.
- файлов без единого запроса (137 000 доменов)
- 97%
- доля запросов к /llms.txt
- 0,001%
- обращений GPTBot в Markdown
- 34,8%
- обращений OAI-SearchBot в Markdown
- 22,7%
файлов без единого запроса (137 000 доменов)
доля запросов к /llms.txt
обращений GPTBot в Markdown
обращений OAI-SearchBot в Markdown
+Как они это делали
При этом машинное чтение сайтов растёт, просто по другому маршруту. В тех же логах GPTBot делает 34,8% обращений в формате Markdown, OAI-SearchBot — 22,7%. Причём идут они не через «правильный» заголовок Accept, а по самому простому пути: угадываемый адрес вида /страница.md рядом с обычной страницей.
Отсюда практический вывод разбора: llms.txt имеет смысл для технической документации и API, где читатель — coding-агент. Для магазина, медиа и сайта-визитки первым шагом идут разрешённые краулеры в robots.txt и HTML, который читается без JavaScript.
Пересказ по публикации: The truth about llms.txt — Snorklee, август 2026 — цифры и подробности проверяйте у автора.
53,7% известных технологических сайтов отдают llms.txt, вне IT — почти никто
Отдельный трекер каждую неделю обходит панель из 219 известных хостов в восьми отраслях. Запрашивает /llms.txt, идёт за редиректами и засчитывает файл по трём условиям: ответ 200, это текст, а не HTML-каркас, и начинается он с валидного H1.
- хостов панели отдают llms.txt
- 53,7%
- среди инструментов для разработчиков
- 68,9%
- среди медиа
- 7,1%
- медианный размер файла
- 13,8 КБ
хостов панели отдают llms.txt
среди инструментов для разработчиков
среди медиа
медианный размер файла
+Как они это делали
Из 218 доступных хостов файл отдают 117, то есть 53,7%. Медианный размер 13,8 КБ, у 95 файлов из 117 есть рекомендованный блоквоут с описанием. Разброс по отраслям огромный: инструменты для разработчиков 68,9%, SaaS 68,8%, а медиа — 7,1%.
Авторы сами оговаривают ограничение: панель смещена в сторону технологических компаний, и наличие файла ничего не говорит о том, читает ли его кто-нибудь. Для сравнения: по срезу Tranco top 1000 доля валидных файлов около 8,7%.
Пересказ по публикации: State of llms.txt adoption, June 2026 — llmtxt.info — цифры и подробности проверяйте у автора.
Сборка
Собрать своими руками
Минимальный путь до первых цифр.
- 011 час
Проверить, видит ли машина сайт вообще
curl с user-agent GPTBot по десяти ключевым страницам. Нет текста в ответе — чинить рендер, всё остальное подождёт.
curl + логи сервера
- 0230 минут
Открыть AI-краулеры в robots.txt
GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot. Заодно снять блокировку на уровне Cloudflare, иначе будет 403.
robots.txt + настройки CDN
- 032–3 часа
Сгенерировать .md-двойники страниц
/pricing.md рядом с /pricing. Именно этот слой читают: 34,8% обращений GPTBot идут в Markdown.
скрипт в CI (Next.js / Astro)
- 041 час
Собрать llms.txt из тех же исходников
H1, блоквоут с фактами, разделы со ссылками на .md. Держать до 15 КБ и ставить дату внутрь файла.
тот же CI-скрипт
- 05полдня
Написать страницу /ai с фактами
Первые 60 слов — прямой ответ с ценой и ограничением. Дальше 8–12 вопросов и ответов открытым текстом.
обычный HTML без JS
- 062 часа на прогон
Завести список контрольных запросов
15–20 формулировок покупателя, прогон раз в месяц через ChatGPT, Алису и Perplexity, результат — в таблицу.
таблица + ручной прогон
Промпт для агента
Собери машиночитаемый слой для сайта на Next.js (App Router), контент в MDX. Стек: Next.js 15, MDX-контент в /content, генерация на этапе сборки, деплой на Vercel. Логика: 1. Скрипт scripts/build-machine-layer.ts обходит все MDX-файлы в /content и для каждого пишет .md-двойник в /public по тому же пути: /content/pricing.mdx → /public/pricing.md. Из двойника убираются JSX-компоненты, остаётся чистый Markdown. 2. Тот же скрипт собирает /public/llms.txt: H1 с названием сервиса, блоквоут с описанием и датой сборки, затем разделы со ссылками на .md-двойники с однострочным описанием каждой. 3. Жёсткий лимит: если llms.txt превышает 15 КБ, скрипт падает с ошибкой и просит сократить список — большой файл бесполезен. 4. Страница /ai рендерится статически (force-static), без клиентских компонентов: первые 60 слов — прямой ответ с ценой и ограничением, дальше FAQ из 8–12 пунктов в обычной разметке dl/dt/dd. 5. app/robots.ts отдаёт явные Allow для GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot. 6. Middleware логирует обращения этих user-agent в отдельную таблицу: user-agent, путь, статус, время. 7. Команда npm run check:machine делает curl-проверку десяти ключевых страниц с user-agent GPTBot и выводит, в каких из них нет текста без JS. Ограничения: страница /ai и .md-двойники не должны зависеть от клиентского JavaScript — краулер получает пустой каркас и уходит. Не писать llms.txt руками: расхождение с сайтом через квартал гарантировано. Не обещать в текстах, что файл влияет на выдачу Google — Google официально его игнорирует.
Вставьте в Claude Code или Cursor — получите рабочий каркас связки, дальше правьте под свой продукт.
Не уверены, что подойдёт
Подберу связку под ваш проект
Разберём нишу, продукт и ресурсы — скажу, какие две-три связки из базы дадут результат быстрее всего именно вам.
Вопросы
Частые вопросы
Читают ли нейросети llms.txt в 2026 году?
Сами, по своей инициативе, почти нет. В тесте восьми систем в июне 2026 ни одна не пошла к файлу без прямой просьбы, а Ahrefs на 137 000 доменов зафиксировал, что 97% файлов llms.txt в мае 2026 не получили ни одного запроса. По прямой ссылке файл открывают и ChatGPT, и Claude, и Grok.
Нужен ли llms.txt для попадания в Google AI Overviews?
Нет. Гэри Иллис на Search Central Live в июле 2025 заявил, что Google файл не поддерживает и не планирует, а Джон Мюллер сравнил его с мёртвым meta keywords. Документация Google по AI-функциям прямо говорит, что создавать машиночитаемые файлы для попадания в эти блоки не нужно.
Стал ли llms.txt официальным стандартом?
Нет. Спецификацию с 2024 года ведёт сообщество вокруг llmstxt.org, идею предложил Джереми Ховард. Стандартизацию через IETF обсуждали, но к середине 2026 не выпустили. Единственный обязательный элемент по спецификации — заголовок H1, всё остальное рекомендация.
Что работает лучше llms.txt?
Markdown-двойники страниц по угадываемым адресам вида /страница.md. По логам GPTBot делает 34,8% обращений в Markdown, OAI-SearchBot — 22,7%, тогда как доля запросов к /llms.txt держится около 0,001%.
Чем llms.txt отличается от llms-full.txt?
llms.txt — короткая навигационная карта на 50–150 строк, медиана размера по работающим файлам 13,8 КБ. llms-full.txt — полная выгрузка документации на сотни килобайт, чтобы агент держал её целиком в контексте сессии. В самой спецификации llms-full.txt не описан, это конвенция практики.
Кому файл действительно нужен?
Тем, у кого есть техническая документация или API: там читатель — coding-агент в Cursor или Claude Code, и обращения видны в логах. Среди инструментов для разработчиков файл отдают 68,9% известных хостов, среди медиа — 7,1%. Для магазина или сайта услуг полезнее потратить тот же день на серверный рендер и разрешение краулеров.