El archivo llms.txt y el sitemap XML

El archivo llms.txt es un estándar emergente, no adoptado universalmente, que ofrece un resumen estructurado de tu sitio en Markdown destinado a la IA generativa; el sitemap XML, por su parte, sigue siendo el estándar establecido y ampliamente compatible para indicar a los motores el conjunto de páginas que deben explorar. Ambos juegan papeles distintos y se complementan en lugar de sustituirse.

Qué es el llms.txt

Propuesto en 2024, el llms.txt es un archivo de texto en formato Markdown, ubicado en la raíz del sitio (tudominio.com/llms.txt), pensado para dar a una IA generativa un resumen condensado y legible del contenido del sitio: presentación, secciones principales, enlaces a las páginas o documentos más importantes. La idea de fondo es ofrecer un punto de entrada compacto, más fácil de procesar para un modelo de lenguaje que un rastreo completo del sitio.

No se trata de un estándar oficial adoptado o confirmado por los grandes proveedores de IA (OpenAI, Anthropic, Google y Perplexity no han comunicado un compromiso formal de usarlo de forma sistemática). Es una propuesta de la comunidad, impulsada en particular por actores del ecosistema de desarrolladores, que gana uso sin ser garantía de que se tenga en cuenta.

Lo que permite hoy (y sus límites)

En la práctica, publicar un llms.txt no garantiza una mejor citación en las respuestas de IA: ningún proveedor importante ha confirmado que sus modelos o sus crawlers consulten este archivo de forma sistemática al responder a una consulta de usuario. Lo que se puede esperar razonablemente hoy:

• Una señal de buena práctica y de estructuración clara, útil si en el futuro más herramientas llegan a apoyarse en él de forma más amplia.
• Un recurso útil para casos en los que un desarrollador o un agente de IA configurado específicamente busca este archivo de forma explícita (por ejemplo, ciertos asistentes de código que lo usan para entender la documentación de un proyecto).
• Un ejercicio de clarificación en sí mismo: redactar un llms.txt obliga a sintetizar lo que realmente importa en el sitio, algo que tiene valor incluso al margen de si una IA lo lee de forma efectiva.

No sustituye en ningún caso al sitemap XML, al robots.txt, ni a un marcado Schema.org correctamente implementado, que siguen siendo hoy las palancas mejor establecidas.

Cómo generar y estructurar un llms.txt

El formato propuesto sigue siendo sencillo, en Markdown:

# Nombre del sitio

> Descripción breve, en una o dos frases, de la actividad y el valor del sitio.

## Documentación
- [Nombre de la página](https://tudominio.com/pagina): descripción en una línea

## Recursos
- [Nombre del recurso](https://tudominio.com/recurso): descripción en una línea

Para un sitio de contenido (como un blog o un centro de recursos), prioriza una lista de tus guías o artículos más estructurantes en lugar de una lista exhaustiva de todas las páginas — el objetivo es sintetizar, no duplicar el sitemap. A día de hoy no existe ningún generador automático universal para todos los CMS: la redacción manual o semiautomática (extrayendo tus títulos y meta descripciones principales) sigue siendo el método más fiable.

Recordatorio sobre el sitemap XML y buenas prácticas

El sitemap XML, por su parte, es un estándar que llevan tiempo soportando todos los motores de búsqueda principales. Algunas buenas prácticas que conviene comprobar:

• Limitar a 50.000 URLs y 50 MB sin comprimir por archivo: por encima de eso, usar un índice de sitemaps que referencie varios sitemaps.
• Incluir solo URLs canónicas, indexables y actualizadas: un sitemap que contiene páginas en noindex, redirecciones o 404 envía una señal de calidad negativa.
• Actualizarlo automáticamente a través del CMS en lugar de manualmente, para evitar el desfase con las páginas realmente publicadas.
• Incluir la fecha de última modificación (<lastmod>) de forma fiable, ya que algunos motores la usan para priorizar su rerastreo.

Dónde ubicar estos archivos y cómo mantenerlos actualizados

Ambos archivos siguen la misma lógica de ubicación: en la raíz del dominio, accesibles directamente (tudominio.com/llms.txt, tudominio.com/sitemap.xml), sin autenticación ni redirección. Para el sitemap, la actualización automática a través del CMS es casi siempre posible y preferible. Para el llms.txt, que sigue siendo un documento más editorial, una revisión manual trimestral basta en la mayoría de los casos para reflejar los nuevos contenidos estructurantes publicados — no hace falta regenerarlo con cada artículo nuevo si la estructura general del sitio no ha cambiado.

Dos archivos complementarios, no rivales

El sitemap XML dice «aquí están todas mis páginas, explóralas»; el llms.txt, en su vocación actual, dice más bien «esto es lo esencial que hay que entender si necesitas resumir mi sitio rápidamente». Publicar ambos no cuesta prácticamente nada en tiempo de implementación y cubre las dos lógicas sin tener que apostar por la adopción futura de uno u otro.

Con el robots.txt, el sitemap y el llms.txt en marcha, la capa técnica de control de los crawlers está completa. Queda entender con más detalle quién te lee y para qué, y después pasar a las bases de SEO técnico para abordar cómo se interpreta el contenido en sí una vez que es accesible.