llms.txt dla SEO: jak przygotować plik dla AI Overview i ChatGPT

llms.txt to nie robots.txt — czym naprawdę jest ten plik

llms.txt to otwarty standard zaproponowany przez Jeremy’ego Howarda (fast.ai) w 2024 roku, który pozwala właścicielom stron przekazywać modelom językowym ustrukturyzowane informacje o witrynie w formacie Markdown. W odróżnieniu od robots.txt — który mówi crawlerom czego nie indeksować — llms.txt mówi LLM co warto przeczytać i zacytować. To subtelna, ale fundamentalna różnica: jeden plik blokuje, drugi rekomenduje.

Google AI Overview, ChatGPT z funkcją web browsing oraz Perplexity coraz częściej sięgają po ten plik podczas generowania odpowiedzi. Wg danych zebranych przez Anthropic i fast.ai (2025), strony posiadające llms.txt są indeksowane przez LLM-crawlery szybciej i kompletniej niż strony bez tego pliku. Jeśli prowadzisz działania z zakresu Generative Engine Optimization, llms.txt jest jednym z pierwszych elementów technicznych do wdrożenia.

Struktura pliku llms.txt — schemat i obowiązkowe sekcje

Plik llms.txt musi być zapisany w czystym Markdown (UTF-8, bez BOM). Standard definiuje kilka sekcji — dwie z nich są obowiązkowe, pozostałe opcjonalne, ale silnie rekomendowane.

• # Nazwa witryny — nagłówek H1 z nazwą lub domeną (obowiązkowy)
• > Opis — jeden akapit blockquote z opisem strony i jej głównego tematu (obowiązkowy)
• ## Sekcja z linkami — lista URL-i z opisami, np. ## Docs, ## Blog, ## Services
• ## Optional — linki do zasobów mniej priorytetowych (LLM może je pominąć przy ograniczonym kontekście)

Przykład minimalnej struktury dla witryny agencji:

# PremiumAds

> Agencja Google Ads i SEO z Gdyni. Specjalizacja: kampanie Performance Max, audyty GA4, Consent Mode v2, GEO.

## Usługi
- Google Ads: zarządzanie kampaniami, audyt GAQS, Performance Max
- SEO: pozycjonowanie, audyt SAQS, link building
- GEO: optymalizacja pod AI Overview i LLM

## Blog
- llms.txt dla SEO: jak przygotować plik dla AI
- Consent Mode v2: wdrożenie krok po kroku

## Optional
- Kontakt: formularz kontaktowy i dane firmy

Opisy przy linkach są kluczowe — LLM używa ich do oceny relevance zasobu względem zapytania użytkownika. Pusty link bez opisu ma znacznie mniejszą wartość cytowania.

Gdzie umieścić llms.txt — ścieżka i uprawnienia serwera

Plik musi być dostępny pod adresem https://twojadomena.pl/llms.txt — bezpośrednio w katalogu głównym (document root). Nie ma możliwości umieszczenia go w podkatalogu i deklarowania lokalizacji w innym miejscu (w odróżnieniu od sitemap, której URL można podać w robots.txt). LLM-crawlery sprawdzają tę ścieżkę z góry, bez żadnej konfiguracji po stronie webmastera.

• Uprawnienia pliku: 644 (odczyt dla wszystkich)
• Content-Type odpowiedzi HTTP: text/plain; charset=utf-8
• Kod HTTP: 200 OK — plik nie może zwracać przekierowania 301/302
• Rozmiar: wg specyfikacji max ~2 000 linii; praktycznie trzymaj się poniżej 100 KB

Jeśli używasz WordPressa, możesz umieścić plik fizycznie w katalogu /public_html/ lub wygenerować go dynamicznie przez niestandardowy endpoint — ważne, żeby serwer zwracał poprawny Content-Type. Na serwerach Nginx dodaj regułę: location = /llms.txt { add_header Content-Type "text/plain; charset=utf-8"; }.

Różnice między llms.txt, robots.txt i sitemap.xml

Trzy pliki pełnią różne funkcje i powinny współistnieć — żaden nie zastępuje pozostałych. Poniższa tabela porównuje ich role:

Warto zaznaczyć: robots.txt może blokować GPTBot (crawler OpenAI) lub ClaudeBot (Anthropic), co uniemożliwi tym modelom odczyt llms.txt. Jeśli zależy Ci na cytowaniach przez ChatGPT, upewnij się, że GPTBot nie jest zablokowany w robots.txt — to jeden z najczęstszych błędów, które widzimy w audytach GEO.

Jak zweryfikować llms.txt w Google Search Console i narzędziach zewnętrznych

Google Search Console (stan na 2025) nie posiada dedykowanego raportu dla llms.txt — plik nie jest częścią protokołu Sitemaps. Weryfikację przeprowadza się innymi metodami:

1. Ręczny fetch — wpisz curl -I https://twojadomena.pl/llms.txt i sprawdź nagłówki: kod 200 i poprawny Content-Type.
2. Narzędzie llmstxt.org/check — walidator online zgodny ze specyfikacją fast.ai (wg llmstxt.org, 2025).
3. Perplexity test — zapytaj Perplexity o Twoją firmę i sprawdź, czy cytuje strony wymienione w llms.txt.
4. Log serwera — filtruj user-agenty: GPTBot, ClaudeBot, PerplexityBot, Google-Extended. Ich wizyty na /llms.txt potwierdzają, że plik jest odczytywany.

Monitoring logów to najbardziej wiarygodna metoda — jeśli boty AI nie odwiedzają pliku, wróć do konfiguracji robots.txt i sprawdź, czy ścieżka jest dostępna. W ramach naszych usług audytu SEO uwzględniamy analizę logów pod kątem crawlerów AI jako osobny punkt.

Błędy w llms.txt, które niszczą potencjał cytowania

Na podstawie wdrożeń przeprowadzonych w ramach ponad 60 kampanii i projektów GEO wyróżniamy sześć błędów powtarzających się najczęściej:

• Brak opisów przy linkach — sam URL bez kontekstu jest dla LLM mało wartościowy; model nie wie, czego dotyczy zasób.
• Zbyt ogólny opis w blockquote — „Firma oferuje usługi marketingowe” to opis, który nie pomoże modelowi dopasować strony do konkretnego zapytania.
• Linki do stron z noindex — jeśli strona ma meta tag noindex, LLM-crawler i tak jej nie przetworzy; link w llms.txt nic nie zmieni.
• Plik w podkatalogu — /blog/llms.txt nie jest odczytywany; musi być w root.
• Zablokowany GPTBot/ClaudeBot w robots.txt — plik llms.txt jest wtedy niewidoczny dla tych modeli.
• Nieaktualne linki — URL-e zwracające 404 obniżają wiarygodność całego pliku w oczach modelu.

Błąd z blockquote jest szczególnie kosztowny — to właśnie ten fragment LLM czyta w pierwszej kolejności, decydując, czy witryna jest relevantna dla zapytania użytkownika. Traktuj go jak meta description, ale pisany dla AI, nie dla człowieka.

Monitoring cytowań: jak sprawdzić, czy LLM faktycznie czyta Twój plik

Samo umieszczenie pliku to za mało — potrzebujesz systemu monitoringu, który potwierdzi, że LLM-crawlery go odwiedzają i że Twoje treści pojawiają się w odpowiedziach generatywnych. Oto praktyczny stack:

• Logi serwera + GoAccess / AWStats — filtruj po user-agencie; szukaj GPTBot, ClaudeBot, PerplexityBot, Google-Extended, Amazonbot.
• Perplexity / ChatGPT — manualne testy — co 2-4 tygodnie zapytaj o tematy, w których chcesz być cytowany; sprawdź źródła odpowiedzi.
• Brandwatch / Mention — monitoring wzmianek o marce w odpowiedziach AI (funkcja dostępna w planach enterprise, wg Brandwatch 2025).
• Google Search Console — raport AI Overview — Google udostępnia dane o kliknięciach z AI Overview w GSC (wg Google Search Central, 2025); śledź ten raport osobno od klasycznego CTR.

Jeśli prowadzisz kampanie Google Ads i chcesz zrozumieć, jak GEO wpływa na całościowy funnel — warto połączyć dane z GSC z danymi z kampanii Google Ads, żeby zobaczyć, czy wzrost cytowań AI przekłada się na konwersje.

llms.txt a lokalne wdrożenia — specyfika rynku polskiego

Na rynku polskim adopcja llms.txt jest wciąż niska — wg naszych obserwacji (PremiumAds, 2025) mniej niż 5% polskich witryn biznesowych posiada ten plik. To oznacza, że wdrożenie go teraz daje realną przewagę konkurencyjną, zanim standard się upowszechni. AI Overview po polsku jest dostępne od 2024 roku i Google-Extended aktywnie crawluje polskie domeny.

Kilka uwag specyficznych dla polskiego kontekstu:

• Opisy w llms.txt pisz po polsku — LLM obsługujące zapytania w języku polskim lepiej dopasowują polskojęzyczne opisy do zapytań użytkowników.
• Uwzględnij frazy długiego ogona charakterystyczne dla polskiego rynku (np. „agencja Google Ads Gdynia” zamiast tylko „Google Ads agency”).
• Jeśli masz wersje językowe, rozważ osobne pliki: /llms.txt (PL) i /en/llms.txt (EN) — standard nie definiuje obsługi hreflang, ale praktyka pokazuje, że rozdzielenie wersji poprawia trafność cytowań.

Kiedy llms.txt nie wystarczy — szerszy kontekst GEO

llms.txt to jeden element układanki GEO, nie kompletna strategia. Modele językowe cytują treści na podstawie wielu sygnałów: jakości i autorytetu domeny, struktury danych (Schema.org), liczby zewnętrznych odwołań do strony oraz czytelności tekstu dla modeli (krótkie akapity, listy, tabele). Plik llms.txt zwiększa discoverability, ale nie zastąpi wartościowej treści.

W PremiumAds stosujemy autorską metodologię scoringową GRI (Generative Relevance Index, skala 0–100), która ocenia gotowość witryny do cytowania przez LLM w pięciu wymiarach: struktura techniczna, jakość treści, autorytet domeny, dane strukturalne i konfiguracja plików AI (w tym llms.txt). Jeśli chcesz wiedzieć, gdzie Twoja strona wypada w tym zestawieniu — skontaktuj się z nami, przeprowadzimy bezpłatny wstępny audyt GRI.