llms txt: chi lo legge e quando vale la pena crearlo

Dedicate al file llms txt un massimo di 10 minuti, se avete un impiego concreto in mente: per esempio, aiutare un agente a orientarsi nella vostra documentazione. Per una piccola impresa che spera di ottenere più citazioni nelle risposte dell’AI, è un intervento facoltativo di manutenzione: Google Search dichiara esplicitamente di non usare llms.txt, mentre le policy dei crawler consultate per OpenAI, Anthropic e Perplexity non promettono di utilizzarlo.

Verificato sulla proposta e sulla documentazione online delle quattro aziende il 14 ottobre 2026. Questo confronto riguarda i comportamenti documentati, non misura il traffico di queste aziende verso il vostro sito. Le indicazioni di Google Search sono esplicite; le dichiarazioni delle altre aziende, di portata più limitata, sono riportate qui sotto.

Chi gestisce un’attività di servizi locali dovrebbe prima sistemare una pagina dei servizi poco leggibile. Per chi ha fondato un’azienda software i cui clienti usano agenti di programmazione, invece, un indice aggiornato della documentazione ha un’utilità diretta. È questa distinzione che dovrebbe guidare la scelta.

Che cos’è il file llms txt?

llms.txt è una proposta di guida in Markdown che aiuta gli agenti AI a orientarsi in un sito web. Il nome richiama i large language model, i modelli linguistici alla base di molti assistenti AI. Gli agenti usano modelli e strumenti per svolgere compiti. Markdown è testo semplice con pochi simboli per indicare titoli e link. Pensate al file come a una selezione di letture consigliate da un bibliotecario: una breve introduzione e alcuni percorsi verso i contenuti utili, senza elencare tutti i libri dell’edificio.

La proposta di llmstxt.org prevede questo ordine:

• Il nome del sito o del progetto come titolo H1, scritto con #. È l’unica sezione obbligatoria.
• Un breve riepilogo facoltativo, introdotto da >.
• Eventuale testo esplicativo senza altri titoli.
• Sezioni H2, scritte con ##, che contengono elenchi di link. Ogni voce usa [Page name](URL) e può aggiungere due punti seguiti da una descrizione.

Una sezione Optional può raccogliere i link secondari. Il file offre contesto e percorsi di navigazione; robots.txt esprime le preferenze di scansione, mentre una sitemap elenca gli URL da scoprire. Aggiungere llms.txt non sostituisce nessuno dei due.

La proposta attuale non si limita a un file nella radice del sito

La revisione v2, datata agosto 2026, chiarisce che /docs/llms.txt riguarda le pagine sotto /docs/ e che il file più specifico ha la precedenza. Consiglia inoltre link che facilitino l’individuazione dei contenuti: rel="describedby" rimanda all’indice pertinente, mentre rel="alternate" con type="text/markdown" rimanda alla versione Markdown di una pagina.

Uno sviluppatore può inserire queste relazioni nell’HTML o negli header della risposta HTTP. Offrono un percorso esplicito a un agente disposto a seguirlo, ma non obbligano un servizio AI a farlo. Nella v2, Optional resta una convenzione utile, senza il trattamento speciale previsto dai vecchi strumenti di espansione del contesto.

Le aziende di AI lo leggono? Cosa dice la loro documentazione

Pubblicare un file llms.txt e usare i file llms.txt di altri siti sono due cose diverse. Tutte e quattro le aziende qui sotto pubblicano indici della documentazione per sviluppatori. Le loro istruzioni pubbliche sui crawler non dimostrano che il vostro file venga utilizzato sistematicamente.

Le pagine ufficiali collegate qui sotto documentano ogni riga. Il silenzio significa assenza di indicazioni nella pagina consultata. Non dimostra che nessun dipendente, prodotto, esperimento o agente richieda mai il file.

OpenAI e llms txt: cosa stabilisce la policy dei crawler

OpenAI indica OAI-SearchBot per la ricerca, GPTBot per la raccolta di contenuti potenzialmente destinati all’addestramento e ChatGPT-User per determinate visite richieste dagli utenti. La sua documentazione sui crawler spiega i controlli di accesso e pubblica gli intervalli IP, ma non si impegna a leggere il vostro llms.txt.

La stessa documentazione rimanda all’indice di OpenAI. È una prova utile di come l’azienda pubblica la propria documentazione. Non basta a sostenere che aggiungere il file faccia ottenere citazioni su ChatGPT. Chi guida un’impresa dovrebbe chiedere all’agenzia quale meccanismo documentato giustifichi quella promessa.

Anthropic e llms txt: documentazione e scansione del web

Nella sua pagina di assistenza sui crawler, Anthropic distingue ClaudeBot, Claude-SearchBot e Claude-User. I rispettivi ruoli sono la raccolta di contenuti potenzialmente destinati all’addestramento, la ricerca e il recupero di contenuti richiesto dall’utente. La pagina non contiene indicazioni su llms.txt.

Anthropic pubblica un indice della documentazione per sviluppatori e la documentazione di Claude Code rimanda al proprio indice. Claude Code è un assistente AI per la programmazione. Questi esempi confermano l’utilità di un indice come punto di accesso alla documentazione; non dimostrano che il crawler web di Claude controlli il file di ogni sito aziendale.

Google: Search e Lighthouse rispondono a domande diverse

La guida all’ottimizzazione per l’AI di Google Search dichiara esplicitamente che Search non usa llms.txt, nemmeno per le funzionalità di AI generativa. Può comunque scansionare un file di testo come un normale contenuto. Trovare una richiesta di Googlebot, quindi, non smentirebbe la dichiarazione di Google sull’assenza di un trattamento speciale.

Separatamente, il team Chrome di Google documenta un controllo facoltativo di Lighthouse per la navigazione degli agenti. Lighthouse è uno strumento di verifica dei siti web. Se il file manca e restituisce 404, il controllo risulta non applicabile; se il recupero incontra un errore del server, questo viene segnalato. È una verifica dell’accessibilità per gli agenti, non un requisito di posizionamento su Search.

Google pubblica anche un indice della documentazione delle API Gemini. Chi si occupa di marketing può accogliere tutti questi fatti senza contraddizioni: un indice può aiutare un determinato agente a orientarsi nella documentazione senza costituire un’ottimizzazione per Google Search.

Perplexity: un link nella documentazione non è un impegno del crawler

Perplexity descrive PerplexityBot come il proprio crawler di ricerca e Perplexity-User come il sistema che recupera contenuti su richiesta dell’utente. La pagina sui crawler consiglia come configurare l’accesso e verificare gli IP. Non dichiara che uno dei due agenti individui o usi automaticamente il vostro llms.txt.

La pagina rimanda effettivamente all’indice della documentazione di Perplexity. Un’indicazione su come navigare nella documentazione non dovrebbe essere venduta al titolare di una piccola impresa come prova dell’esistenza di un programma di inclusione nella ricerca.

Quando è utile: documentazione che chiedete a un agente di leggere

L’impiego più chiaro è un’attività in cui fornite deliberatamente l’indice a un agente. Chi sviluppa un prodotto software può chiedere a un assistente di programmazione di leggere il relativo llms.txt, trovare la guida aggiornata all’autenticazione e usarla come fonte durante l’implementazione di un’integrazione. Sono espliciti sia il destinatario sia il compito.

Per un’agenzia, l’equivalente è fornire a un assistente l’indice delle pagine pubbliche sui servizi e sulle condizioni di un cliente prima di redigere una proposta. Il vantaggio è avere un punto di partenza riutilizzabile. Il risparmio di tempo dipende dalla qualità delle pagine collegate e dalla capacità dell’agente di recuperarle; non implica un aumento del traffico.

Usate un’istruzione di questo tipo: «Parti da questo indice della documentazione, apri le pagine pertinenti all’autenticazione e cita le pagine esatte da cui ricavi i requisiti che utilizzi». Verificate che la risposta si basi su quelle pagine. L’indice da solo non ne contiene i dettagli.

Le piattaforme di documentazione possono mantenere il file

Mintlify, una piattaforma di hosting per la documentazione, pubblica automaticamente llms.txt con link alle pagine Markdown. Genera anche llms-full.txt. Nei siti interamente protetti da autenticazione, anche questi file richiedono l’accesso: pubblicare sulla piattaforma non rende quindi pubblica la documentazione riservata.

Chi guida la crescita di un SaaS dovrebbe controllare cosa esiste già prima di commissionare un generatore. Il lavoro utile potrebbe consistere nel migliorare le descrizioni delle pagine e rimuovere le indicazioni obsolete dalla documentazione originale.

GitBook, un’altra piattaforma di documentazione, crea automaticamente llms.txt per la documentazione pubblicata. Questo dimostra che il file è disponibile, non che produca un aumento misurato delle citazioni. Il responsabile del sito deve comunque controllare il file generato e le destinazioni dei link.

llms-full txt: l’indice e i contenuti hanno funzioni diverse

llms-full.txt di solito raccoglie la documentazione vera e propria; nell’implementazione di Mintlify, riunisce i contenuti delle pagine in un unico file. L’indice, più piccolo, permette a un agente di scegliere le pagine pertinenti. L’esportazione completa può essere utile quando serve intenzionalmente un corpus, ma inviare tutto può consumare inutilmente il contesto, cioè il testo che un sistema AI può considerare in una sola volta.

Per una piccola attività di servizi, partite da un indice. Non c’è motivo di trasformare l’intero sito in un documento aggiuntivo se non serve a un flusso di lavoro ben preciso.

Come creare llms.txt: un modello da adattare in dieci minuti

Considerate i dieci minuti un limite di tempo, non una garanzia di implementazione. L’esercizio presuppone che possiate già pubblicare un file di testo accessibile a tutti. Se la piattaforma del sito rende l’operazione complicata, fermatevi e chiedete a chi lo gestisce; un intervento facoltativo di manutenzione non deve diventare un rifacimento del sito.

1. 1

   Scegliere le pagine utili: due minuti

   Selezionate le pagine che rispondono alle domande dei clienti: servizi, zona servita, prenotazioni, contatti e condizioni pertinenti. Usate le pagine che tenete aggiornate, senza elencare tutti gli articoli. Verificate che la piattaforma non abbia già generato un indice.

2. 2

   Adattare il modello: quattro minuti

   L’attività qui sotto è inventata. Sostituite nome, descrizione, dominio e percorsi con le vostre informazioni verificate. Copiate ogni riga mostrata in un file di testo semplice chiamato llms.txt, conservando le righe vuote tra le sezioni.

# Northline Plumbing

> Residential plumbing services in our published service area.

Use the linked pages for current services, availability and policies.

## Services

- [Services](https://example.com/services): Plumbing work we offer.
- [Service area](https://example.com/service-area): Locations we serve.

## Booking and Support

- [Book a visit](https://example.com/booking): How to request an appointment.
- [Contact](https://example.com/contact): Contact details and opening hours.
- [Policies](https://example.com/policies): Booking and cancellation terms.

## Optional

- [About](https://example.com/about): Company background.

Questi URL sono esempi, non destinazioni funzionanti da conservare. Collegate le versioni Markdown pulite, quando esistono. In alternativa, usate le vostre pagine pubbliche effettive e leggibili: aggiungere .md all’indirizzo non crea una pagina.

1. 1

   Pubblicare e verificare: due minuti

   Rendete disponibile il file nel percorso scelto, normalmente /llms.txt per un sito piccolo. Aprite l’URL senza aver effettuato l’accesso. Verificate che restituisca il testo, non la homepage, un errore HTML o una schermata di login. Chiedete a chi gestisce il sito di confermare lo stato HTTP 200 e un tipo di risposta appropriato per il testo semplice.

2. 2

   Controllare i link e assegnare la manutenzione: due minuti

   Aprite tutte le destinazioni e verificate che ogni descrizione corrisponda alla pagina. Inserite l’indice nella stessa lista di controlli usata per la manutenzione delle pagine dei servizi. Quando una pagina viene spostata o cambiano le condizioni, aggiornate insieme la fonte e le descrizioni interessate nell’indice.

Controllare gli accessi nei log del server, poi verificare l’identità

Un log del server può dimostrare che è arrivata una richiesta. Non può dimostrare che una risposta AI abbia usato il contenuto. Un log è il registro delle richieste ricevute dal server; i normali strumenti di analisi basati sul browser potrebbero non registrare mai queste visite.

Chiedete al provider di hosting o allo sviluppatore i log di accesso della rete di distribuzione dei contenuti, o CDN, se è questa a servire il file dalla cache. I soli log del server di origine possono non riportare le richieste gestite dalla CDN. Conservate data e ora, nome host, percorso della richiesta, query string, metodo, stato, user-agent e IP del client. Lo user-agent è il nome del software dichiarato dal client stesso.

Per iniziare, si suggerisce una finestra di osservazione di 30 giorni. È una scelta di misurazione, non un calendario atteso delle visite dei crawler.

Filtrare prima il percorso del file, poi il bot

Selezionate innanzitutto il percorso normalizzato esatto /llms.txt, oppure il sottopercorso in cui avete pubblicato il file. Conservate l’URL originale della richiesta per mantenere visibili le query string. In questo primo passaggio includete tutti gli user-agent: un agente di programmazione potrebbe usare un identificatore simile a quello di un browser o un client HTTP generico.

Per i log scaricati da Nginx o Apache nel consueto formato combined, uno sviluppatore che abbia installato ripgrep può partire da questo comando:

rg '"(GET|HEAD) /llms\.txt(\?[^ ]*)? HTTP/' access.log

Il comando presuppone che la riga della richiesta sia racchiusa tra virgolette. Per i log JSON, filtrate invece i campi del percorso e del metodo dopo averli analizzati. Modificate il percorso nel caso di /docs/llms.txt; controllate separatamente /llms-full.txt, se lo rendete disponibile.

Restringete poi le richieste corrispondenti agli identificatori pubblicati:

Questi token provengono dalle pagine aziendali citate sopra e dal riferimento di Google sui crawler. Cercate i nomi senza vincolare la corrispondenza a una versione del browser o del bot.

Per lo stesso formato di log combined, il filtro più ristretto è:

rg '"(GET|HEAD) /llms\.txt(\?[^ ]*)? HTTP/' access.log | rg -i 'OAI-SearchBot|GPTBot|ChatGPT-User|Claude-SearchBot|ClaudeBot|Claude-User|Googlebot|PerplexityBot|Perplexity-User'

Google-Extended è un token di controllo dei prodotti usato in robots.txt, non un identificatore separato da cercare nei log HTTP. Contare soltanto quella stringa farebbe perdere le richieste effettive di Google.

Verificare chi ha inviato la richiesta e quale risposta ha ricevuto

Il nome di un bot può essere imitato. Confrontate gli IP dei client con gli elenchi aggiornati collegati dalla pagina di OpenAI sui crawler, dall’elenco pubblicato da Anthropic, dalla pagina di Perplexity sui crawler e dal riferimento di Google sui crawler. Registrate le identità non verificate come dichiarazioni del client, non come traffico aziendale confermato.

Distinguete gli esiti:

• Un GET con 200 è una risposta riuscita. Controllate che la risposta contenga davvero il vostro file, non una pagina di errore servita con uno stato di successo.
• Una richiesta HEAD verifica i metadati della risposta senza scaricarne il corpo.
• Un 304 è una validazione della cache; non è un nuovo trasferimento del corpo della risposta.
• Un 404 indica che la risorsa richiesta non è stata trovata. Un errore del server è un recupero fallito, non un’acquisizione riuscita.

Queste distinzioni seguono la semantica HTTP. Tenete separati i vostri test e le richieste di monitoraggio. Se chiedete esplicitamente a un assistente di recuperare il file, contrassegnate l’osservazione come attivata dall’utente: non dimostra che il file sia stato scoperto automaticamente.

Riportare ciò che si è osservato, senza amplificarlo

Un rapporto fondato sui dati indica quali agenti verificati hanno richiesto il file, quando, con quali esiti e se sono seguite richieste di pagine pertinenti. Anche richieste ravvicinate riconducibili allo stesso agente non dimostrano che l’indice abbia causato la visita successiva.

Per misurare la visibilità nelle risposte, esaminatele separatamente e registrate domanda, prodotto, data e URL citato. Il nostro confronto degli strumenti per la visibilità nell’AI tratta questo diverso lavoro di misurazione. Una variazione delle menzioni tra prima e dopo non dimostra, da sola, che sia stata causata da llms.txt.

Se non trovate richieste corrispondenti, significa che non ne sono apparse nei log, nei percorsi e nel periodo osservati. Non si possono escludere altri identificatori, log incompleti, cache o visite future. Per il titolare di una piccola impresa, resta comunque una ragione pratica per non investire altro tempo senza un caso d’uso concreto.

llms txt SEO: quali promesse sono esagerate?

Un file generato non dimostra un vantaggio di posizionamento o di citazioni. Un validatore può controllare la formattazione. Una piattaforma può ospitare un indice. Un crawler può richiederlo. Nessuna di queste osservazioni dimostra che un motore di risposta consiglierà la vostra attività.

Tre affermazioni meritano di essere contestate: che il file sia obbligatorio per la visibilità nell’AI, che tutti i principali crawler AI lo leggano automaticamente e che aggiungerlo garantisca citazioni. Le pagine ufficiali consultate non sostengono queste affermazioni. Le indicazioni di Google Search respingono direttamente l’idea di un file speciale per le proprie funzionalità di ricerca.

Non pagate per un bollino «pronto per l’AI» al posto di prove di un lavoro utile. Chiedete quali contenuti siano stati resi leggibili, quali pagine originali siano migliorate, quali richieste siano state verificate e quali risposte siano cambiate. La nostra guida al confronto tra GEO e SEO inquadra il lavoro più ampio sulla distribuzione: la GEO riguarda la visibilità nelle risposte generate, mentre la SEO riguarda la visibilità nella ricerca. Questo file è una piccola scelta tecnica all’interno di quel lavoro.

A chi conviene intervenire, aspettare o lasciar perdere?

Chi sviluppa prodotti con documentazione tecnica dovrebbe intervenire quando un flusso di lavoro con agenti può usare l’indice. Dove possibile, generatelo dalle fonti aggiornate, rendete accessibili pagine Markdown utili e fornite all’agente l’URL di partenza. Verificate una domanda rappresentativa sull’integrazione confrontando la risposta con la fonte collegata.

Chi gestisce il sito di una piccola impresa può fare un esperimento circoscritto. Usate il modello se pubblicarlo è semplice, poi osservate gli accessi. Se la pagina dei servizi è poco chiara, i contatti sono sbagliati o il sito blocca richieste legittime di recupero dei contenuti, risolvete prima questi problemi.

Chi affida il lavoro a un’agenzia dovrebbe esigere una consegna concreta. Un indice mantenuto, link validi e un rapporto sui log sono verificabili. La promessa di migliorare il posizionamento nell’AI grazie al nome del file non lo è.

Da fare lunedì: aprite l’URL del file llms.txt del vostro sito. Se esiste, controllatelo prima di aggiungere qualcosa. Se non esiste, decidete se un flusso di lavoro preciso giustifica l’esercizio di dieci minuti. Dedicate il resto dell’ora a una domanda dei clienti a cui il sito risponde ancora male.

Domande frequenti sul file e sul suo nome

Come si crea un file llms.txt per il proprio sito?

Usate il modello qui sopra, sostituite i dati di esempio, pubblicate il file di testo semplice nel percorso che controllate e verificate la risposta e tutti i link. La vostra piattaforma di documentazione potrebbe già generarlo.

Quali sono i 5 migliori modelli LLM?

Per questo compito non esiste una classifica fissa dei cinque migliori. llms.txt descrive i contenuti di un sito e non richiede di scegliere un modello da una graduatoria.

Che cos’è l’estensione .txt?

Per convenzione identifica un file di testo semplice. llms.txt usa titoli e link Markdown all’interno di quel testo.

Cosa significa LLM in un testo?

In questo contesto tecnico, LLM significa large language model, cioè un modello linguistico di grandi dimensioni: un modello AI che lavora con il linguaggio. Il nome del file si riferisce a questi modelli.

Cosa significa LLM nello slang della Gen Z?

Per interpretare una sigla isolata in un messaggio sui social serve il contesto. Il nome del file per siti web di cui parliamo qui usa il significato tecnico legato all’AI.

Cosa significa "LLM" nello slang urbano?

Il significato nello slang non si può stabilire dalla sola sigla. Non serve conoscerlo per capire questo file per siti web.

Cosa significa LLM su Snapchat?

La piattaforma da sola non determina il significato di un messaggio: leggete il resto della conversazione. Quando si parla di questo file, la sigla si riferisce ai large language model.

Cosa significa LLM sui social media?

Nei post sull’AI, di solito indica un large language model. Un post su un altro argomento può richiedere un’interpretazione diversa in base al contesto.

Cosa significa LLM su TikTok?

Controllate il contesto del post, invece di attribuire alla sigla un significato universale specifico della piattaforma. Per llms.txt, il significato previsto è large language model.

Per consigli pratici su come l’AI cambia il lavoro in azienda, iscrivetevi alla newsletter.