La prima versione di questa guida descriveva llms.txt come uno standard destinato a cambiare il rapporto tra siti web e intelligenza artificiale. A distanza di poco più di un anno, il quadro è diventato molto più interessante, ma anche più complesso.
Da una parte, llms.txt si è diffuso davvero: diversi sistemi di documentazione lo pubblicano, Chrome Lighthouse lo considera una convenzione emergente per l’agentic browsing e plugin WordPress importanti come Yoast SEO, Rank Math, All in One SEO e SEOPress hanno introdotto strumenti per generarlo o gestirlo.
Dall’altra, oggi abbiamo un chiarimento che nel 2025 mancava: Google Search non usa llms.txt, neppure per le proprie funzionalità generative. Google dice esplicitamente che creare il file non aiuta e non danneggia ranking o visibilità in Search.
Questa distinzione cambia il modo corretto di parlare di llms.txt. Non è “il nuovo robots.txt delle AI”, non è un ranking factor e non ti permette di decidere cosa un modello può o non può leggere. È una proposta aperta, pensata per fornire a sistemi compatibili una mappa curata e leggibile delle risorse più utili di un sito.
Il punto, quindi, non è chiedersi se llms.txt “funziona per la SEO” in senso assoluto. La domanda utile è un’altra: in quali contesti aggiunge davvero qualcosa, quali piattaforme lo riconoscono oggi e quanto costa mantenerlo correttamente?
| Stato di llms.txt ad agosto 2026 | Situazione reale |
|---|---|
| Standard web ufficiale | No: resta una proposta aperta |
| Google Search | Non lo usa per ranking o visibilità, incluse le funzionalità generative |
| Chrome / Lighthouse | Lo tratta come convenzione emergente e opzionale per l’agentic browsing |
| Ecosistema WordPress | Supporto disponibile in diversi plugin SEO importanti |
| Access control | No |
| Sostituisce robots.txt o sitemap.xml | No |
| Può essere utile | Sì, soprattutto per documentazione, knowledge base e workflow che scelgono esplicitamente di leggerlo |
llms.txt nel 2026: cos’è davvero e cosa è cambiato
llms.txt nasce da un problema concreto. Una pagina web pensata per una persona contiene navigazione, elementi grafici, script, pubblicità, componenti dinamici e molte altre informazioni che non sempre servono quando un modello linguistico deve recuperare rapidamente il contenuto essenziale.
La proposta originale di llms.txt parte proprio da questo limite. Jeremy Howard l’ha pubblicata il 3 settembre 2024 con l’idea di mettere nella root del sito un file Markdown semplice, leggibile sia da persone sia da software, che descriva il progetto e indichi le risorse più importanti da consultare al momento dell’inferenza.
Questa precisazione conta. llms.txt non nasce come un meccanismo di crawling universale né come un file che autorizza l’addestramento. Nasce soprattutto come possibile punto di ingresso per applicazioni che, quando devono rispondere a una richiesta, vogliono capire velocemente dove trovare documentazione o contenuti pertinenti.
Come nasce la proposta di Jeremy Howard
L’intuizione alla base del formato rimane valida: se un sito contiene migliaia di URL, passare ogni volta dall’intero HTML non è necessariamente il modo più efficiente per fornire contesto a un’applicazione basata su LLM.
La proposta suggerisce quindi due elementi complementari:
- un file
/llms.txtche descrive il sito e collega le risorse più utili; - quando possibile, versioni Markdown pulite delle pagine, in modo da ridurre il rumore dell’interfaccia e del markup HTML.
Non significa che un modello non sia capace di leggere una normale pagina web. Significa semplicemente offrire una rappresentazione alternativa e curata, utile quando il software che sta interrogando il sito decide di usarla.
Ed è questo il confine da mantenere anche nel 2026: pubblicare llms.txt crea una risorsa disponibile. Non obbliga un crawler, un motore di ricerca o un agente a consultarla.
llms.txt è davvero uno standard?
No, almeno non nel senso in cui lo sono protocolli e standard formalizzati attraverso organismi o specifiche ampiamente adottate.
La stessa pagina ufficiale lo definisce una “proposal to standardise”, cioè una proposta di standardizzazione. Anche Rank Math, nella propria documentazione, specifica oggi che llms.txt non è uno standard ufficiale e che l’adozione tra le piattaforme resta limitata.
Questo non rende il formato inutile. Molte convenzioni tecniche iniziano prima come proposte e vengono adottate gradualmente da tool e piattaforme. Nel caso di llms.txt, però, usare la parola “standard” senza questa precisazione crea un’aspettativa sbagliata: fa pensare che i principali sistemi AI siano tenuti a rispettarlo o che esista un comportamento interoperabile garantito.
Oggi non è così.
La formulazione più corretta è quindi convenzione emergente o proposta di standard, con implementazioni reali ma supporto non uniforme.
llms.txt e llms-full.txt: non hanno esattamente lo stesso status
Qui c’è un’altra distinzione che spesso viene persa.
La proposta di llmstxt.org definisce il file /llms.txt, ma non stabilisce llms-full.txt come secondo file obbligatorio della specifica. Nel progetto FastHTML vengono generati, per esempio, llms-ctx.txt e llms-ctx-full.txt: sono file di contesto costruiti a partire da llms.txt, non una prova che llms-full.txt sia parte del formato base.
Nel frattempo alcune piattaforme hanno adottato proprie convenzioni. All in One SEO, per esempio, permette di attivare sia llms.txt sia llms-full.txt; anche diversi siti di documentazione pubblicano versioni complete pensate per essere ingerite più facilmente da strumenti AI.
In pratica puoi ragionare così:
- llms.txt = indice curato, sintetico e orientato alla scoperta delle risorse;
- file “full” o context = implementazioni che aggregano una quantità maggiore di contenuto per determinati workflow;
- nome, struttura e comportamento dei file estesi = dipendono dall’implementazione, non vanno trattati come una parte universale della proposta originale.
Questo diventa importante soprattutto quando configuri un plugin: non dare per scontato che un’opzione chiamata llms-full.txt venga interpretata nello stesso modo da ogni agente o piattaforma.
Struttura di llms.txt: formato, sintassi ed esempio aggiornato
Il vantaggio più concreto di llms.txt è la semplicità. Non richiede XML, JSON o una nuova sintassi proprietaria: utilizza Markdown e una struttura molto ridotta.
Secondo la specifica proposta, l’unico elemento obbligatorio è un H1 con il nome del progetto o del sito. Il resto costruisce progressivamente il contesto.
La sequenza prevista è questa:
- eventuale BOM;
- H1 con nome del sito o progetto;
- blockquote con una breve descrizione;
- eventuali dettagli aggiuntivi, senza nuovi heading;
- una o più sezioni H2 con liste di link;
- eventuale sezione
## Optional.
Ogni voce nelle sezioni H2 usa normalmente un link Markdown e può aggiungere una breve descrizione dopo i due punti.
Quali elementi inserire davvero
La specifica ti dice come strutturare il file, non quali pagine del tuo sito “devono” essere presenti.
È qui che entra il lavoro editoriale.
Se hai un sito di documentazione, ha senso segnalare quick start, riferimenti API, guide principali e pagine di troubleshooting. Se gestisci un SaaS, puoi privilegiare documentazione del prodotto, pricing pubblico, policy e guide operative. In un blog, invece, riempire llms.txt con centinaia di articoli rischia di trasformare un indice curato in una seconda sitemap.
La logica migliore è selettiva: pochi gruppi coerenti, link canonici validi e descrizioni che aiutino a capire perché quella risorsa è importante.
Template llms.txt pratico
Un file di base può essere molto semplice:
# Nome del sito > Descrizione sintetica del sito, del pubblico e delle informazioni principali disponibili. Informazioni aggiuntive utili per interpretare correttamente le risorse elencate. ## Guide principali - [Guida introduttiva](https://www.example.com/guida/): panoramica del servizio e dei concetti fondamentali - [Documentazione](https://www.example.com/documentazione/): riferimento tecnico aggiornato - [Domande frequenti](https://www.example.com/faq/): risposte ai problemi più comuni ## Prodotti - [Prodotto A](https://www.example.com/prodotto-a/): caratteristiche, compatibilità e documentazione ## Optional - [Archivio](https://www.example.com/archivio/): risorse storiche e contenuti secondari
Non è necessario replicare questo schema alla lettera. Le sezioni dovrebbero seguire l’architettura informativa reale del progetto.
Per un file gestito manualmente userei inoltre URL assoluti HTTPS, destinazioni canoniche e descrizioni brevi. Non perché la specifica imponga ogni dettaglio, ma perché riduce ambiguità e rende il file più facile da verificare.
La sezione Optional: cosa significa realmente
Nella vecchia versione di questa guida la sezione Optional era stata avvicinata troppo al tema della privacy e dei permessi. È un errore importante da correggere.
Secondo la proposta ufficiale, ## Optional contiene risorse che possono essere saltate quando serve un contesto più corto.
Non significa:
- “contenuto privato”;
- “consentito solo ad alcuni modelli”;
- “bloccato ai crawler”;
- “non usare per training”;
- “non indicizzare”.
È semplicemente una classificazione di priorità del contesto.
Se un URL è pubblico e lo inserisci in Optional, rimane pubblico. Se contiene dati che non devono essere accessibili, la soluzione deve stare nei normali sistemi di autenticazione, autorizzazione e controllo dell’accesso, non in llms.txt.
llms.txt, robots.txt e sitemap.xml: tre file con funzioni diverse
La somiglianza nei nomi porta facilmente a pensare che llms.txt sia una specie di evoluzione di robots.txt o una sitemap pensata per l’intelligenza artificiale. È una semplificazione comoda, ma tecnicamente fuorviante.
| File | Funzione principale | Destinatario tipico | Controlla l’accesso? | Ruolo in Google Search |
robots.txt | Gestire quali URL i crawler conformi possono sottoporre a crawling | Crawler e bot | Gestisce il crawling, ma non è un sistema di sicurezza | Sì |
sitemap.xml | Segnalare URL e informazioni utili alla scoperta/crawling | Motori di ricerca | No | Sì |
llms.txt | Offrire una mappa curata e leggibile a software LLM/agent compatibili | LLM, agenti e tool che scelgono di leggerlo | No | Google dichiara di non usarlo |
Cosa controlla robots.txt
Il robots.txt secondo Google Search Central serve principalmente a gestire il traffico dei crawler e gli URL che possono essere sottoposti a crawling.
Non è però una serratura. Google ricorda esplicitamente che un URL bloccato tramite robots.txt può ancora comparire nei risultati se viene scoperto attraverso altri link. E un crawler che non rispetta il Robots Exclusion Protocol potrebbe ignorare completamente le istruzioni.
Per informazioni private servono autenticazione, autorizzazione o altre misure di accesso reali.
A cosa serve sitemap.xml
Una sitemap comunica ai motori di ricerca quali pagine, video o altri file ritieni importanti e può fornire metadati aggiuntivi, come data di aggiornamento o varianti linguistiche.
Aiuta la scoperta e il crawling, soprattutto in siti grandi o complessi, ma non garantisce indicizzazione né ranking.
La sitemap tende inoltre a rappresentare in modo ampio gli URL che vuoi rendere individuabili dai motori. llms.txt nasce invece con una logica più curatoriale: un piccolo insieme di risorse che un’applicazione può usare come punto di partenza.
Cosa può fare llms.txt e cosa non può fare
llms.txt può:
- descrivere in modo sintetico il sito;
- raggruppare risorse importanti;
- fornire link e contesto in Markdown;
- offrire a strumenti compatibili un percorso più diretto verso documentazione e contenuti chiave.
Non può:
- imporre a un’AI di leggere determinati URL;
- impedire a un crawler di accedere a una pagina;
- forzare una citazione;
- migliorare automaticamente il ranking;
- sostituire robots.txt, sitemap, canonical, noindex o autenticazione.
La relazione corretta non è quindi “scegli uno dei tre”, ma usa ciascun file per il problema che è stato progettato per risolvere.
Chi supporta davvero llms.txt nel 2026?
Questa è probabilmente la parte che richiede più prudenza.
Pubblicare un file llms.txt e vedere che una piattaforma è tecnicamente in grado di leggerlo non equivale a dimostrare che quella piattaforma lo usi sistematicamente per crawling, retrieval, ranking o citazioni.
Per parlare di supporto bisogna distinguere almeno tre livelli:
- la piattaforma pubblica un proprio llms.txt per rendere la documentazione più accessibile;
- un tool sa leggere llms.txt quando glielo fornisci;
- un motore o assistente cerca automaticamente il file sui siti e lo usa nel proprio sistema di selezione delle fonti.
Sono tre cose diverse.
Google Search: la posizione ufficiale è chiara
Per Google non c’è più spazio per interpretazioni.
Nella guida ufficiale all’ottimizzazione per le funzionalità generative di Google Search, Google include llms.txt tra le pratiche che non sono necessarie per comparire in Search, AI Overviews o AI Mode.
La documentazione va oltre: Google Search non usa questi file e mantenerli non aiuta né danneggia ranking e visibilità.
Questo rende obsolete tutte le affermazioni secondo cui llms.txt sarebbe un ranking factor Google, un requisito per AI Overviews o un modo per “segnalare a Google AI” quali contenuti preferire.
Per Google rimangono centrali le basi: contenuti utili e originali, crawlability, indicizzazione, eligibility per gli snippet, struttura tecnica chiara e normali pratiche SEO.
Chrome e Lighthouse: qui l’adozione è reale, ma opzionale
La situazione è diversa sul fronte agentic browsing.
La documentazione di Chrome Lighthouse dedicata a llms.txt lo definisce una emerging convention, una convenzione emergente che offre un riepilogo machine-readable del sito per LLM e agenti AI.
Lighthouse prova a recuperare il file. Ma c’è un dettaglio decisivo: se /llms.txt restituisce 404, l’audit viene marcato N/A, perché Chrome considera ancora il file opzionale.
Se invece il server restituisce un errore, Lighthouse lo segnala.
È un buon esempio di come va interpretata l’evoluzione del formato. llms.txt sta entrando in strumenti reali legati agli agenti, ma non è diventato un requisito universale del web.
ChatGPT e OpenAI: cosa è confermato
Per ChatGPT Search, la documentazione ufficiale di OpenAI indica un meccanismo molto concreto: OAI-SearchBot e le regole in robots.txt.
OAI-SearchBot è il crawler utilizzato per far emergere siti nelle funzionalità di ricerca di ChatGPT. GPTBot ha invece un ruolo differente legato al crawling di contenuti che possono essere utilizzati per migliorare i modelli, mentre ChatGPT-User viene utilizzato in determinate azioni richieste direttamente dall’utente.
Nella documentazione dei crawler verificata per questo aggiornamento, OpenAI descrive questi user agent e robots.txt; non presenta llms.txt come requisito per comparire in ChatGPT Search.
Questo non dimostra che nessun prodotto o workflow OpenAI possa mai leggere un file llms.txt. Dimostra però che non è corretto scrivere, senza ulteriori evidenze, che “ChatGPT supporta llms.txt” nel senso di un protocollo ufficiale di indicizzazione o ranking.
Claude, Gemini e Perplexity: adozione documentale non significa supporto universale
Il panorama è più sfumato.
Anthropic mette a disposizione nella propria documentazione una risorsa llms.txt ottimizzata per l’ingestione AI. Anche la documentazione di Perplexity espone file come llms-full.txt.
Questo è un segnale concreto di adozione del formato lato publisher/documentation.
Non è però equivalente a una dichiarazione secondo cui Claude o Perplexity Search cercano automaticamente /llms.txt su ogni dominio e lo usano come fattore di selezione delle fonti.
Per Gemini, allo stesso modo, non tratto come confermato un supporto universale al file in assenza di una documentazione ufficiale che descriva quel comportamento.
La regola pratica è semplice: se la piattaforma documenta il supporto, possiamo descriverlo; se troviamo soltanto file llms.txt pubblicati o compatibilità tecnica, parliamo di adozione o interoperabilità, non di ranking e non di garanzia di retrieval.
Come creare llms.txt su WordPress
Nel 2025 aveva senso parlare soprattutto di plugin dedicati o generazione manuale. Nel 2026 il quadro WordPress è cambiato: diversi plugin SEO generalisti hanno ormai incorporato la gestione di llms.txt.
Questo rende l’implementazione molto più semplice, ma introduce anche una domanda nuova: conviene accettare la selezione automatica del plugin o curare il file manualmente?
| Soluzione WordPress | Come gestisce llms.txt | Controlli principali | Nota pratica |
| Yoast SEO | Crea il file nella root e lo aggiorna settimanalmente | Selezione automatica, cornerstone, selezione manuale di pagine | Molto automatizzato |
| Rank Math | Modulo LLMS Txt dedicato | Post type, tassonomie, limite elementi, contenuto aggiuntivo | Esclude i post noindex |
| All in One SEO | Funzione LLMs.txt attiva di default | llms.txt, llms-full.txt, post type, tassonomie, esclusioni, Markdown | Più opzioni sul formato e sui contenuti |
| SEOPress PRO | File virtuale generato tramite URL rewriting | Editor e placeholder dinamici | Utile se vuoi gestire direttamente il contenuto |
Yoast SEO
La specifica funzionale di Yoast per llms.txt indica che, quando la funzione è attiva, Yoast crea il file nella root e lo aggiorna settimanalmente tramite un’azione pianificata.
La selezione automatica privilegia contenuti recenti e cornerstone. Per le pagine è disponibile anche una selezione manuale.
È una soluzione sensata se vuoi ridurre la manutenzione. Il limite, come per ogni generazione automatica, è che “più recente” o “cornerstone” non coincide sempre con “migliore risorsa da offrire come contesto a un agente”.
Dopo l’attivazione aprirei quindi sempre il file generato e controllerei cosa è finito realmente dentro.
Rank Math
Rank Math tratta il formato con una prudenza che condivido: nella guida ufficiale a llms.txt lo definisce ancora una proposta con adozione limitata.
Il modulo permette di scegliere post type e tassonomie, impostare un limite massimo di elementi e aggiungere contenuto personalizzato. I contenuti impostati noindex vengono esclusi.
Il vantaggio è il controllo relativamente granulare senza dover modificare direttamente un file sul server.
Anche qui, però, il plugin risolve la generazione. Non può garantire che una piattaforma AI utilizzi il risultato.
All in One SEO
AIOSEO offre una delle implementazioni più articolate.
La funzione llms.txt è abilitata di default e permette di gestire anche llms-full.txt, scegliere post type e tassonomie, impostare quanti URL includere, escludere singoli contenuti o termini e offrire versioni Markdown dei post.
È un buon esempio della distinzione vista prima: AIOSEO ha costruito un proprio workflow esteso attorno alla proposta. Funzioni come llms-full.txt e la conversione Markdown possono essere utili, ma il fatto che esistano nel plugin non le trasforma in requisiti universali delle piattaforme AI.
SEOPress
Con SEOPress PRO il file è virtuale, generato tramite URL rewriting, in modo simile al robots.txt virtuale di WordPress.
Puoi modificarlo da SEO → PRO → llms.txt e usare placeholder dinamici per elementi come nome del sito e contenuti recenti.
La documentazione segnala anche un problema pratico utile da conoscere: se il file restituisce 404, salvare nuovamente i permalink può rigenerare le rewrite rules necessarie.
Plugin dedicato oppure file manuale?
Per la maggior parte dei siti WordPress non installerei un secondo plugin esclusivamente per llms.txt se il plugin SEO già utilizzato gestisce correttamente la funzione.
Aggiungere software significa aggiungere manutenzione, compatibilità e superficie di errore. Se Yoast, Rank Math, AIOSEO o SEOPress soddisfano il tuo caso d’uso, partirei da lì.
Il file manuale ha più senso quando:
- vuoi un controllo editoriale totale;
- gestisci poche risorse molto stabili;
- il tuo workflow di deploy può aggiornarlo automaticamente;
- non vuoi che la selezione dipenda dalle regole del plugin.
Per documentazioni e progetti software, una generazione integrata nella pipeline può essere ancora più logica: il file cambia insieme alla documentazione e puoi verificare automaticamente link, sintassi e build prima del deploy.
Come validare e controllare un file llms.txt
La query “llms.txt validator” suggerisce un’idea che va chiarita: non esiste oggi un’autorità universale che certifichi un file llms.txt come “valido per tutte le AI”.
Puoi però verificare molto bene la conformità alla proposta e, soprattutto, gli errori pratici che rendono il file poco utile.
Prima verifica: il file è raggiungibile?
Apri direttamente:
https://www.example.com/llms.txt
Il server deve restituire il contenuto corretto senza loop di redirect, errori 5xx o pagine HTML mascherate da file di testo.
Un 404 non significa che il sito sia “non compatibile con le AI”: persino l’audit Lighthouse considera l’assenza del file una condizione N/A perché llms.txt è opzionale.
Se invece hai deciso di pubblicarlo, un 404 significa semplicemente che la tua implementazione non sta funzionando.
Seconda verifica: la struttura segue la proposta?
Controlla almeno questi punti:
| Controllo | Cosa verificare |
| H1 | Presente e rappresenta il sito/progetto |
| Descrizione | Breve, chiara e coerente |
| H2 | Raggruppano risorse con una logica comprensibile |
| Link | URL corretti, pubblici e aggiornati |
| Descrizioni dei link | Spiegano il contenuto senza keyword stuffing |
Optional | Usato per risorse secondarie, non per permessi |
| Duplicati | Evitati quando non aggiungono contesto |
| Pagine rimosse | Eliminate o sostituite |
| Contenuti sensibili | Assenti |
La proposta ufficiale mette inoltre a disposizione llms_txt2ctx, uno strumento CLI/Python che può trasformare un file llms.txt in un contesto aggregato. È utile per un test più interessante della semplice sintassi: verificare se la struttura che hai progettato produce davvero un contesto utilizzabile.
Validator online: utili, ma non confondere il test con il supporto
Un validator di terze parti può controllare Markdown, heading, link rotti o corrispondenza alla struttura proposta. È utile come QA.
Non può però certificare che:
- ChatGPT userà il file;
- Gemini lo considererà;
- una risposta verrà citata;
- il ranking AI migliorerà.
La validazione risponde alla domanda “il file è costruito correttamente?”, non alla domanda “le piattaforme lo useranno?”.
Errori comuni da evitare
Gli errori più frequenti non sono sofisticati:
- generare il file e non controllarlo mai;
- includere URL non canonici o redirect;
- trasformarlo in una copia dell’intera sitemap;
- descrivere ogni link con testo generico;
- lasciare pagine eliminate;
- duplicare risorse in più sezioni senza motivo;
- inserire informazioni riservate;
- attribuire a
Optionalfunzioni di privacy; - pensare che la presenza del file sostituisca crawling, indicizzazione e SEO tecnica.
Un llms.txt piccolo e curato è spesso più sensato di un file enorme creato soltanto perché il plugin può farlo.
llms.txt e SEO: cosa sappiamo realmente
Questa è la sezione in cui l’aggiornamento rispetto alla vecchia guida è più netto.
Non abbiamo una base per affermare che llms.txt migliori il ranking, aumenti automaticamente le citazioni AI o riduca le allucinazioni dei modelli che trovano un sito sul web. E per Google Search abbiamo addirittura una dichiarazione ufficiale contraria all’idea di un vantaggio SEO diretto.
Per Google non è un ranking factor né un requisito per AI Overviews e AI Mode
Google dice che Search ignora llms.txt.
Questo significa che, se il tuo obiettivo è migliorare la presenza in Google Search o nelle sue esperienze generative, la priorità resta altrove: indicizzazione, accessibilità al crawler, contenuto realmente utile, qualità, architettura, linking, dati strutturati quando appropriati e chiarezza tecnica.
La stessa guida di Google spiega che le funzionalità generative di Search si appoggiano ai sistemi fondamentali di ranking e qualità e utilizzano tecniche di retrieval e query fan-out a partire dall’indice di Search.
Quindi:
SEO solida → presenza nell’indice → eleggibilità e retrieval → possibile utilizzo nelle esperienze generative
non:
llms.txt → aumento del ranking Google
Dove llms.txt può avere comunque un’utilità pratica
Dire che non è una leva di ranking Google non significa dire che non serve a nulla.
Il valore potenziale è più concreto in scenari dove un’applicazione sceglie esplicitamente di leggere il file.
Pensa a una documentazione software molto ampia. Un agente che trova un piccolo indice con quick start, API reference, autenticazione, changelog e troubleshooting può partire da una rappresentazione più curata rispetto a una scansione indiscriminata del sito.
Lo stesso principio può essere utile per:
- knowledge base;
- portali di documentazione;
- siti SaaS;
- repository di policy pubbliche;
- cataloghi strutturati;
- workflow interni in cui controlli tu il software che consuma llms.txt.
Qui il vantaggio non va descritto come “SEO”. È information architecture per un consumer machine-readable compatibile.
“AI friendly” non significa automaticamente maggiore visibilità
Questo è il passaggio che evita gran parte dell’hype.
Rendere una risorsa facile da leggere non significa che verrà scelta.
Un sistema generativo può dover decidere:
- se visitare il sito;
- se cercare llms.txt;
- se fidarsi del contenuto;
- quali URL recuperare;
- quali passaggi siano pertinenti alla query;
- quali fonti confrontare;
- quali citare nella risposta.
llms.txt può intervenire, in alcuni workflow, soprattutto tra il secondo e il quarto passaggio. Non controlla l’intero processo.
La qualità e l’autorevolezza della fonte rimangono problemi separati.
Come misurare gli effetti senza inventare causalità
La vecchia versione suggeriva A/B test e incrementi misurabili come se esistesse già una metodologia consolidata. In realtà isolare l’effetto di llms.txt sul traffico AI pubblico è difficile.
Se vuoi sperimentare, userei un approccio più prudente:
- registra la data esatta di pubblicazione o modifica del file;
- conserva una copia versionata;
- controlla i log server per capire quali user agent lo richiedono;
- monitora referral provenienti da piattaforme AI quando identificabili;
- osserva citazioni o menzioni su un set stabile di query;
- annota contemporaneamente modifiche importanti a contenuti, linking, crawling e indicizzazione;
- evita di attribuire al file variazioni che possono dipendere da altri fattori.
Per Google il test non serve a dimostrare un effetto di llms.txt sul ranking, perché Google dichiara di ignorarlo. Puoi invece usare il report dedicato alle funzionalità generative in Search Console per misurare quella superficie, senza collegarne causalmente le variazioni alla presenza del file.
Per altri sistemi, se il comportamento non è documentato, il risultato resta un’osservazione e non una prova generale.
Sicurezza, privacy e governance di llms.txt
llms.txt è un file pubblico. Questa frase risolve gran parte dei dubbi sulla sicurezza.
Se metti una risorsa dentro il file, stai semplicemente rendendo ancora più evidente un URL che dovrebbe già essere pubblico. Non esiste nel formato una gestione dei permessi.
llms.txt non è un sistema di autorizzazione
Non usare llms.txt per indicare segreti, endpoint amministrativi, URL riservati o documenti che non vuoi rendere accessibili.
E non pensare che omettere un URL dal file lo renda invisibile a crawler o agenti: può essere scoperto attraverso sitemap, link, feed, motori di ricerca, API o altre pagine.
La sicurezza va progettata a livello applicativo.
Optional non protegge né nasconde dati
Come abbiamo visto, Optional significa “questa risorsa può essere esclusa quando serve un contesto più breve”.
Non significa “non leggere”.
Se una pagina richiede protezione, usa il sistema appropriato: autenticazione, autorizzazione, ACL, password, firewall applicativo o configurazioni server in base al caso.
Cosa non inserire mai
Evita qualsiasi informazione che non dovrebbe essere pubblicamente accessibile, per esempio:
- chiavi API e token;
- URL amministrativi sensibili;
- documentazione interna riservata;
- dati personali non destinati alla pubblicazione;
- endpoint di staging non protetti;
- istruzioni che rivelano dettagli operativi sensibili.
La regola è semplice: llms.txt deve contenere una mappa del materiale pubblico, non creare un nuovo canale di esposizione per materiale privato.
Aggiornamento, link rimossi e versionamento
Il problema operativo più realistico non è un attacco sofisticato: è lasciare il file indietro rispetto al sito.
Se cambi slug, elimini una pagina, sostituisci una documentazione o aggiorni la struttura del prodotto, il file dovrebbe riflettere il nuovo stato.
Per progetti gestiti tramite Git ha senso versionarlo insieme alla documentazione. Su WordPress, l’automazione dei plugin può ridurre il lavoro manuale, ma va comunque controllata periodicamente.
Il buon workflow è:
contenuto cambia → llms.txt viene rigenerato/aggiornato → link verificati → file pubblicato → controllo HTTP
Non serve una governance più complicata se il progetto non la richiede.
llms.txt, MCP e RAG: tecnologie diverse che non vanno confuse
Nella prima versione dell’articolo llms.txt, Model Context Protocol e RAG erano stati avvicinati troppo, fino a suggerire una sorta di evoluzione naturale del file verso MCP.
Oggi possiamo essere molto più precisi: risolvono problemi differenti e possono convivere, ma nessuno dei tre è l’evoluzione obbligatoria dell’altro.
Cosa fa llms.txt
llms.txt pubblica una mappa statica o periodicamente aggiornata di risorse web.
Il modello mentale è:
sito → file curato → link e contesto → consumer che decide di usarli
Non espone strumenti eseguibili e non definisce un protocollo di autenticazione o di chiamata.
Cosa fa Model Context Protocol
Il Model Context Protocol e gli MCP Server lavorano su un livello diverso: permettono a un’applicazione AI compatibile di scoprire e utilizzare capacità esterne, come Tools e Resources, attraverso un contratto standardizzato.
Un server MCP può esporre una risorsa documentale, interrogare un database, richiamare un’API o consentire un’azione. Non ha bisogno di llms.txt per esistere.
La relazione può eventualmente essere:
llms.txt → indica documentazione pubblica
e, separatamente:
MCP → espone risorse o strumenti utilizzabili da un agente
Se vuoi vedere cosa significa quando questa logica arriva dentro un CMS, nella guida su WordPress MCP e AI Agent analizziamo proprio il passaggio da “leggere informazioni” a “poter eseguire azioni autorizzate sul sito”.
Dove entra il RAG
RAG, Retrieval-Augmented Generation, riguarda il recupero di informazioni pertinenti da aggiungere al contesto del modello prima della generazione.
Un sistema RAG può usare documenti provenienti da molti canali: database, vector store, API, file, pagine web o Resources MCP.
Potrebbe anche usare gli URL trovati in llms.txt come uno degli input di discovery, se il progetto è costruito per farlo.
Ma llms.txt da solo non crea un sistema RAG.
Una relazione possibile è:
llms.txt → discovery di fonti → retrieval → contesto → generazione
Oppure:
MCP Resource/Tool → sistema RAG → contesto → modello
Sono architetture possibili, non comportamenti garantiti dalla specifica.
Quando possono convivere nello stesso progetto
Il caso più sensato è una knowledge base o documentazione tecnica.
Puoi usare:
- sitemap.xml per i motori di ricerca;
- robots.txt per gestire il crawling dei bot conformi;
- llms.txt come indice pubblico machine-friendly;
- endpoint Markdown o API per contenuti puliti;
- RAG per selezionare dinamicamente i documenti pertinenti;
- MCP per esporre risorse e strumenti a client e agenti compatibili.
Qui llms.txt è un tassello dell’architettura. Non il centro dell’intero sistema.
Conviene creare llms.txt nel 2026?
Sì, in molti casi lo creerei, ma con aspettative molto diverse rispetto a quelle che circolavano nel 2025.
Se il tuo plugin WordPress lo genera correttamente, il costo di manutenzione è basso e puoi controllare ciò che pubblica, non vedo una ragione forte per evitarlo. Il formato è semplice, è già utilizzato in diversi ecosistemi di documentazione e Chrome lo riconosce come convenzione emergente.
Non lo inserirei però tra le priorità SEO più importanti di un sito.
Se devi scegliere tra sistemare pagine non indicizzabili, migliorare contenuti deboli, correggere linking interno, risolvere canonical errati oppure creare llms.txt, partirei senza esitazione dai problemi SEO reali.
Dove lo userei con più convinzione
Ha più senso quando il sito dispone di:
- documentazione tecnica ampia;
- knowledge base;
- API reference;
- guide strutturate per prodotto;
- contenuti pubblici che vuoi raggruppare in una mappa molto compatta;
- workflow o agenti che sai essere compatibili con il formato.
In questi casi llms.txt risolve un problema reale di organizzazione e discovery.
Dove il beneficio è più difficile da dimostrare
Su un normale blog con qualche centinaio di articoli già ben collegati, indicizzati e presenti in una sitemap corretta, il valore marginale è più incerto.
Puoi comunque pubblicarlo, soprattutto se il CMS lo mantiene automaticamente. Ma non sacrificherei tempo editoriale importante per costruire un file enorme e aggiornato a mano senza sapere chi lo consumerà.
Quando eviterei di aggiungerlo
Non lo implementerei solo per inseguire uno score, una promessa di “GEO ranking” o un semaforo di un plugin.
E non lo pubblicherei se l’automazione genera un elenco di URL scadenti, duplicati, non canonici o non rappresentativi del sito. In quel caso un file assente è preferibile a una mappa che racconta male la tua architettura.
Il verdetto, nel 2026, è quindi più semplice di quanto sembri:
llms.txt è una convenzione interessante e a basso costo in molti workflow, ma non è una scorciatoia per la visibilità AI.
La parte importante non è avere il file. È avere informazioni pubbliche valide, aggiornate e ben organizzate da offrire a chi decide di leggerlo.
FAQ su llms.txt
A cosa serve llms.txt?
llms.txt serve a offrire a LLM, agenti e altri strumenti compatibili una descrizione sintetica del sito e una selezione curata di risorse utili. È pensato soprattutto per l’uso al momento dell’inferenza. Non controlla il crawling e non garantisce che una piattaforma AI lo utilizzi.
llms.txt è uno standard ufficiale?
No. Ad agosto 2026 resta una proposta di standardizzazione e una convenzione emergente. Esistono implementazioni reali in strumenti, documentazioni e plugin, ma non un supporto universale garantito.
Google usa llms.txt per AI Overviews o AI Mode?
No. Google Search dichiara ufficialmente di non usare llms.txt e specifica che la sua presenza non aiuta né danneggia ranking e visibilità in Google Search, comprese le funzionalità generative.
ChatGPT usa llms.txt?
Non va presentato come un requisito ufficiale di ChatGPT Search. OpenAI documenta OAI-SearchBot e robots.txt per la gestione della presenza nelle funzionalità Search. Un prodotto o workflow può tecnicamente leggere llms.txt, ma questo è diverso da affermare che ChatGPT lo utilizzi sistematicamente come protocollo di ranking o retrieval.
Claude e Perplexity supportano llms.txt?
Anthropic e Perplexity pubblicano risorse llms.txt o llms-full.txt per rendere più facilmente ingeribile la propria documentazione. È una forma concreta di adozione del formato lato publishing. Non dimostra, da sola, che i loro prodotti cerchino automaticamente il file su ogni sito web.
Come si crea llms.txt su WordPress?
Puoi generarlo manualmente oppure usare plugin che oggi includono questa funzione, tra cui Yoast SEO, Rank Math, All in One SEO e SEOPress PRO. La scelta dipende soprattutto da quanto controllo vuoi avere sulla selezione degli URL e da come preferisci gestire gli aggiornamenti.
Esiste un validator ufficiale per llms.txt?
La proposta fornisce una struttura precisa e strumenti come llms_txt2ctx, ma non esiste un’autorità che certifichi la compatibilità con “tutte le AI”. I validator possono controllare struttura, Markdown e link; non possono garantire che una piattaforma utilizzerà il file.
llms.txt sostituisce robots.txt?
No. robots.txt gestisce il crawling dei bot che rispettano quelle direttive. llms.txt offre una mappa informativa a consumer compatibili. Sono file con finalità differenti.
llms.txt sostituisce sitemap.xml?
No. La sitemap aiuta i motori di ricerca a scoprire e sottoporre a crawling gli URL del sito. llms.txt è un indice curato pensato per fornire contesto a LLM e agenti compatibili.
La sezione Optional protegge contenuti sensibili?
No. Optional indica semplicemente risorse secondarie che possono essere saltate se serve un contesto più breve. Non è una regola di sicurezza o un sistema di autorizzazione.
llms.txt migliora la SEO?
Non esiste una base per promettere un miglioramento SEO generale. Per Google Search la risposta è ancora più netta: Google dichiara di ignorare llms.txt. Il file può avere utilità in workflow AI che scelgono di leggerlo, ma questa utilità va separata dal ranking organico.
Conviene aggiungere llms.txt oggi?
Se puoi generarlo e mantenerlo con poco sforzo, soprattutto per documentazione, knowledge base o siti strutturati, sì: è una sperimentazione ragionevole. Se invece richiede molto lavoro e il sito ha problemi SEO o contenutistici più importanti, non lo considererei prioritario.