llms.txt po polsku — co to jest i czy warto

Na polskich blogach SEO llms.txt bywa opisywany jako „nowy robots.txt” i przepustka do widoczności w AI. Specyfikacja jest prosta, koszt wdrożenia bliski zera — ale zanim dopiszesz plik do checklisty, warto znać dwa fakty: żaden duży silnik AI nie deklaruje, że go czyta, a największe dostępne badanie ruchu pokazuje, że 97% opublikowanych plików nikt nigdy nie pobrał. Wyjaśniamy, czym llms.txt jest, co mówią dane i kiedy mimo wszystko warto go mieć.

Czym jest llms.txt

To propozycja standardu ogłoszona 3 września 2024 r. przez Jeremy’ego Howarda (Answer.AI): plik Markdown umieszczony pod adresem /llms.txt w katalogu głównym domeny. Format jest minimalny: nagłówek H1 z nazwą projektu (jedyny element wymagany), blockquote z krótkim streszczeniem, po nich sekcje H2 z listami linków do treści przyjaznych modelom — każdy link z opcjonalną jednozdaniową notką. Istnieje też wariant llms-full.txt, w którym zamiast linków wkleja się pełną treść.

Pomysł ma sensowne uzasadnienie techniczne: modele językowe mają ograniczone okna kontekstu i słabo radzą sobie z HTML-em pełnym nawigacji, skryptów i reklam. llms.txt podaje im wyselekcjonowaną mapę najważniejszych treści do wykorzystania w momencie odpowiadania (inference), nie do treningu. Od robots.txt różni się zasadniczo: robots.txt mówi botom, czego im nie wolno; llms.txt jedynie proponuje, co warto przeczytać — i nic nie wymusza.

Kto oficjalnie go używa? Nikt

To najkrótsza sekcja tego tekstu, bo stan faktyczny jest jednoznaczny. John Mueller z Google napisał wprost: „no AI system currently uses llms.txt” — i porównał plik do meta tagu keywords, którego wyszukiwarki nauczyły się ignorować. Google nie używa llms.txt ani w wyszukiwarce, ani w Gemini. OpenAI, Anthropic i Perplexity nie zadeklarowały wsparcia w swoich produkcyjnych systemach (stan na 27 lipca 2026 r.).

Ciekawostka, która dobrze pokazuje realną niszę: część firm technologicznych — Stripe, Vercel, Cloudflare, Anthropic — samodzielnie publikuje llms.txt dla swoich dokumentacji. Piszą go jednak nie „pod wyszukiwarki AI”, tylko dla agentów programistycznych i przeglądarek agentowych, które po takie pliki faktycznie sięgają podczas pracy z dokumentacją.

Co mówią dane: badanie Ahrefs

Najtwardsze liczby opublikował Ahrefs 15 czerwca 2026 r., analizując ruch na 137 210 domenach korzystających z Ahrefs Web Analytics. Wyniki:

• 28% domen (38 360 stron) miało poprawny plik llms.txt — adopcja po stronie wydawców jest więc spora;
• 97% tych plików nie zanotowało w maju 2026 r. ani jednego pobrania — nic ich nie odczytało;
• z pobrań, które w ogóle były, 96% wykonały boty — ale głównie audytory SEO i crawlery; boty odpowiedzi AI (retrieval) to zaledwie 1,1% żądań, a llms.txt częściej pobierał agent programistyczny Claude Code niż PerplexityBot;
• żaden bot AI nie „dopytywał” o llms.txt na stronach, które go nie mają — systemy nie sprawdzają więc tego pliku rutynowo.

Uczciwe zastrzeżenie: brak pobrań to nie dowód, że standard nigdy nie zadziała — specyfikacje bywają przyjmowane latami. Ale twardych dowodów wpływu llms.txt na widoczność w odpowiedziach AI dziś po prostu nie ma, a każdy, kto twierdzi inaczej, powinien pokazać dane.

Czy warto? Uczciwy werdykt

Nie oczekuj efektu w widoczności — żaden silnik nie deklaruje odczytu, a badania nie znajdują efektu cytowań. Warto natomiast wdrożyć plik, gdy koszt jest bliski zera i masz treści, po których poruszają się agenci: dokumentację, cennik, FAQ, metodologię. Czyta go dziś nisza — agenci programistyczni, przeglądarki agentowe, audytory — a szkody nie robi żadnej. Kolejność priorytetów powinna być jednak odwrotna niż w wielu poradnikach: najpierw dostęp botów w robots.txt (jedyny plik, który silniki naprawdę respektują), potem treść, którą da się cytować, i dane strukturalne — a llms.txt na końcu, jako tani dodatek. Nasz darmowy audyt AI sprawdza jedno i drugie: reguły robots.txt dla kilkunastu botów AI oraz obecność llms.txt.

Jak wygląda llms.txt w praktyce — nasz przykład

Zamiast teoretyzować, pokażemy własny plik: superrank.pl/llms.txt. Zawiera dokładnie to, co przewiduje specyfikacja: H1 z nazwą, blockquote wyjaśniający w trzech zdaniach, czym jest serwis, i sekcje z listami linków — kluczowe strony, rankingi, wpisy blogowe i przykładowe wyniki, każdy z jednozdaniowym opisem. Generujemy go automatycznie z tych samych rejestrów treści co mapę strony, więc nigdy nie rozjeżdża się z serwisem. Przepis do skopiowania: wybierz 10–30 najważniejszych adresów, opisz każdy jednym zdaniem, aktualizuj przy zmianach — i nie obiecuj sobie po tym pliku więcej, niż mówią dane. Definicję hasła znajdziesz też w naszym słowniku GEO/AEO.