llms.txt: Cosa è, Chi lo Legge, e Perché Spedirne Uno Comunque

Cercate “llms.txt” e trovate due campi, entrambi sbagliati in direzioni opposte. Uno lo vende come il nuovo biglietto obbligatorio per la visibilità AI — generate il vostro oggi o scomparite da ChatGPT. L’altro lo scarta come morto all’arrivo perché Google ha detto che non legge il file. Nessuno dei due campi dichiara la posizione reale, che è più interessante di entrambi i pitch: llms.txt è una proposta sensata e ben progettata che, ad oggi, nessun grande motore di risposta ha confermato di consumare — e vale ancora la pena di spedirla, perché costa circa un’ora e il lato negativo è zero.

Questa guida è la versione onesta: cosa il file è realmente, cosa non è, cosa dicono le prove su chi lo legge, e perché il caso a basso costo sopravvive al crollo dell’hype. Si trova sotto il nostro pilastro AI search, accanto alle discipline che dimostratamente muovono la visibilità AI — answer engine optimization soprattutto.

Cosa llms.txt è realmente

llms.txt è uno standard proposto: un file Markdown servito alla radice del vostro sito — /llms.txt — che offre ai modelli di linguaggio una mappa curata e priva di rumore dei vostri contenuti più importanti. È stato proposto nel settembre 2024 da Jeremy Howard di Answer.AI, e lo spec si trova su llmstxt.org. Il ragionamento è solido. Un LLM che legge il vostro sito al momento dell’inferenza affronta due vincoli: una finestra di contesto troppo piccola per ingerire tutto, e HTML che seppellisce la sostanza sotto navigazione, banner di cookie e script. Un indice Markdown curato manualmente risolve entrambi — ecco le nostre pagine essenziali, una riga ciascuna su perché contano, in un formato che un modello analizza nativamente.

Il formato è deliberatamente semplice: un H1 con il nome del sito, una citazione blockquote di riepilogo di cosa sia il sito, quindi sezioni di link con brevi descrizioni. Lo spec aggiunge due compagni opzionali — /llms-full.txt, che incorpora il contenuto completo delle pagine chiave in un file di grandi dimensioni, e mirror Markdown di pagine individuali (aggiungi .md a un URL, ottieni la versione in testo pulito). Le piattaforme di documentazione lo hanno adottato per prime: Mintlify spedisce llms.txt per i siti di documentazione che ospita, e le aziende rivolte agli sviluppatori — Anthropic inclusa — pubblicano la propria. Questo adozione è reale. Cosa significa è dove l’onestà deve iniziare.

Cosa llms.txt non è

La maggior parte della confusione attorno al file proviene dal mapparlo su standard a cui assomiglia superficialmente. Non è robots.txt — non concede e non limita nulla, e un crawler che vuole ignorarlo semplicemente lo fa. Non è sitemap.xml — una sitemap enumera ogni URL per il macchinario di indicizzazione; llms.txt cura un elenco ridotto per un lettore con un budget di attenzione piccolo. E non è un segnale di ranking di alcun tipo: nessun motore di ricerca ha mai detto che la presenza del file influisca su come un sito si classifica o con che frequenza viene citato.

Quella terza riga è l’intero dibattito. Il file è ben progettato e a basso costo da produrre — ma uno standard è uno standard solo una volta che l’altro lato del protocollo si presenta. Finora, il lato della pubblicazione si è presentato in forza e il lato del consumo no.

Le prove, onestamente: chi effettivamente lo legge

Ecco lo stato del gioco, dichiarato chiaramente. Google ha detto che non usa llms.txt — John Mueller lo ha pubblicamente paragonato al tag meta keywords, l’auto-descrizione di un sito che nessun motore si fida abbastanza di consumare. OpenAI, Anthropic e Perplexity pubblicano documentazione del crawler che copre le direttive robots.txt; nessuno di loro documenta il recupero o l’onorare di llms.txt per i loro prodotti di ricerca o risposta. E i praticanti che hanno controllato i log del server segnalano lo stesso pattern: i crawler AI principali richiedono pagine, a volte in modo aggressivo, e in gran parte non richiedono /llms.txt affatto.

Le statistiche di adozione annebbia questo, quindi separare i due lati del mercato. Migliaia di siti che pubblicano llms.txt è un fatto dal lato dell’offerta — prova che il file è facile da spedire e l’idea è attraente. Non prova nulla sul consumo. Anthropic che pubblica un llms.txt per le sue stesse documentazioni non significa che Claude legga il vostro; Mintlify che genera il file per ogni sito di documentazione che ospita non significa che un motore di risposta legga uno qualsiasi di loro. Il lato della domanda — un motore che dice “recuperiamo questo file e cambia cosa citiamo” — è il reclamo che conta, e non è stato fatto da nessuno che gestisca un motore di risposta in scala.

Migliaia di siti pubblicano llms.txt. Nessun grande motore ha confermato di leggierne uno. Uno standard con solo un lato dell’offerta è una proposta — ed è bene trattarlo esattamente così.

Un dettaglio dal vivo rende il punto meglio di qualsiasi argomento. Eseguite un controllo SERP sulla query “llms.txt” stessa e Google la risponde con un AI Overview sopra i risultati — una query su un file per risposte AI, risolta da una risposta AI, proveniente dal web ordinario ordinato. I motori stanno già sintetizzando risposte su llms.txt usando tutto tranne llms.txt. Quello è il meccanico zero-click in miniatura, e un promemoria di dove le decisioni di citazione effettivamente arrivano oggi: la pagina indicizzata, ordinata e citabile — non il file manifest accanto ad essa.

Il caso a basso costo per spedirne uno comunque

Dato tutto questo, il consiglio onesto è ancora: spedisci uno. Non perché l’hype sia segretamente giusto, ma perché la scommessa è asimmetrica in un modo che quasi nulla in SEO lo è. Il costo è grosso modo un’ora e un piccolo file statico. Il lato negativo è zero — nessun motore penalizza il file, nessun utente lo vede, nulla si interrompe. Il lato positivo ha tre parti, in ordine discendente di certezza.

Primo, la parte certa: scrivere lo forza la chiarezza del contenuto. Per produrre un buon llms.txt devi nominare le tue dieci o venti pagine più importanti e descrivere ciascuna in una riga onesta. La maggior parte dei siti non può farlo senza scoprire qualcosa — pagine che si sovrappongono, pagine che nessuno può riassumere perché mancano di un punto, un’architettura senza risposta a “cosa dovrebbe leggere per primo uno straniero?” Questo audit editoriale paga l’ora di per sé, che nessuna macchina recuperi mai il risultato.

Secondo, la parte reale-oggi: agenti al momento dell’inferenza. I crawler che ignorano il file non significa che nulla lo legge. Uno sviluppatore che indirizza un agente di codifica alle vostre documentazioni, un ricercatore che passa il vostro sito a un assistente, uno strumento agentico incaricato di valutare il vostro prodotto — questi fetch monouso e diretti sono esattamente il consumatore per cui lo spec è stato progettato, e esistono adesso. Per i siti con molte documentazioni questo è un pubblico genuino, se ristretto.

Terzo, la parte speculativa: assicurazione. Se un grande motore mai annuncia il supporto, i siti che hanno già il file in posizione vincono un ciclo di notizie per primo gratuitamente. Pesate questo su praticamente nulla — prezzo onestamente, è un biglietto della lotteria che è venuto gratuitamente con il lavoro da cui avete già beneficiato.

Come scrivere un buon llms.txt in circa un’ora

Saltate i generatori — il valore è nella cura, e la cura è la parte che un generatore non può fare. Il formato è Markdown puro: un H1 con il nome del sito, una citazione blockquote di una o due frasi che dichiara cosa sia il sito e per chi sia, poi poche sezioni H2 di link, ogni link seguito da una descrizione di una riga. Tre regole fanno la differenza tra un file utile e un gesto simbolico.

Curate spietatamente. Dieci a venticinque link, non la vostra sitemap. Il file esiste perché l’attenzione di un modello è scarsa; un llms.txt di 400 linee ha già fallito la propria premessa. Descrivete onestamente. Ogni riga dovrebbe dire cosa contiene una pagina, non venderla — “prezzi e confronto dei piani” batte “scopri le nostre soluzioni flessibili.” Un modello che decide cosa recuperare dopo ha bisogno di profumo di informazione, non di aggettivi. Mantenetelo vero. Un llms.txt stantio che indica pagine rinominate è peggio di nessuno. Generatelo dalla vostra struttura di route o dal registro dei contenuti al momento della compilazione se potete; su un sito Next.js è un piccolo handler di route che legge la stessa fonte di verità della vostra sitemap.

Dove il vero lavoro di AI search è

Il pericolo con llms.txt non è spedirlo — è scambiarlo per una strategia. Se il vostro obiettivo è essere citati dai motori di risposta, le leve con prove dietro di loro sono quelle non gloriose: struttura pagina answer-first che un modello può sollevare verbatim, segnali di entità e schema puliti, autorità reale, e pagine che rispondono direttamente alle query a forma di domanda già visibili nel vostro Search Console. Quella è la disciplina che la nostra guida AEO percorre passo dopo passo, e nulla di essa è sostituito da un file manifest. I motori citano pagine che hanno indicizzato, ordinato, e potevano quotare pulitamente. Un sito con un llms.txt perfetto e risposte sepolte perde a un sito con nessun llms.txt e un primo paragrafo quotabile — ogni volta, su ogni motore che chiunque ha misurato.

Quindi sequenziatelo onestamente: llms.txt va alla fine della lista di controllo AI search, non all’inizio. È l’elemento più economico della lista ed è anche il meno consequenziale — fallo nell’ora che merita, poi spendi il resto del trimestre sul lavoro che determina se sei la fonte all’interno della risposta.

Spediscilo, registralo, non aspettarti nulla

Un’ultima disciplina, perché è la regola della casa per tutto ciò che spediamo: trattate llms.txt come ogni altro cambiamento — come un compito tracciato con un aspettativa onesta attaccata. In questo caso l’aspettativa onesta è nessun movimento misurabile. Non lasciate che nessuno — fornitore, agenzia, o il vostro stesso ottimismo — attribuisca un traffico o cambiamento di citazione a un file senza consumatori confermati. Registrate il compito, notate che l’impatto diretto previsto è nullo e il deliverable reale era l’audit di chiarezza, e controllate i vostri log del server in un trimestre per vedere se qualcosa l’ha recuperato. Se lo standard mai guadagna un consumatore confermato, quella voce di registro è la vostra linea di base prima/dopo. Quello è il abito closed-loop: ogni cambiamento porta la sua aspettativa di impatto per primo, così nessuno può rivendicare credito dopo il fatto per il movimento che non ha causato.

Se volete vedere dove il vostro sito effettivamente sta con AI search — quali query già vi fanno superficie, dove siete visti ma mai scelti, e quali pagine un modello potrebbe quotare oggi — iniziate con un rapporto SEO gratuito sui vostri dati reali di Search Console. Non menzionerà llms.txt molto, e adesso sapete perché: il file vale un’ora, e le risposte valgono il trimestre. Se preferite parlarne, prenotate una chiamata.