llms.txt e come rendere il sito leggibile dagli LLM

Perché esiste llms.txt

llms.txt è una convenzione (proposta dalla community, non standard W3C) per offrire a crawler e assistenti un indice markdown della documentazione pubblica del sito: cosa fa l’azienda, quali URL sono autorevoli, dove trovare FAQ e policy. Non sostituisce HTML ben strutturato né sitemap XML, ma riduce rumore quando un modello cerca «da dove iniziare» a leggere il tuo dominio. Utile per brand con molte guide, documentazione API o knowledge base; opzionale per micro-siti di cinque pagine.

Pensa a llms.txt come a una bibliografia curata: non garantisce che ogni assistente la legga, ma chi la legge trova subito le pagine che tu consideri ufficiali. Se pubblichi percorsi formativi o hub di contenuti sul sito, puoi elencarli in una sezione dedicata con link alle lezioni più rilevanti per il tuo settore.

Formato del file

File di testo UTF-8 in root: https://tuodominio.it/llms.txt. Struttura tipica: titolo H1 markdown, breve descrizione, sezioni con link a pagine o a llms-full.txt / export markdown per corpus esteso. Alcuni siti aggiungono llms-small.txt minimal. Mantieni aggiornato quando cambiano URL critici. Per siti multilingua con hreflang, indica nella sezione principale quale lingua è canonica per l’indice o duplica il file se gestisci domini separati per mercato.

Cosa includere

Descrizione servizi in linguaggio naturale, link a contatti, privacy, termini, FAQ principali, articoli pillar del blog, documentazione prodotto. Escludi area admin, staging, URL con dati personali. Allinea il messaggio con la strategia per le citazioni in AI Overview. Per un chatbot interno puoi riusare le stesse URL nel corpus RAG (chatbot sul sito).

llms.txt vs robots.txt

robots.txt indica cosa i crawler possono recuperare; non è un meccanismo di opt-out legale completo per tutti gli usi dell’AI. Alcuni operatori offrono direttive tipo User-agent: GPTBot. llms.txt è un invito curatoriale («leggi queste pagine per capirci»), non un blocco tecnico. Per limitare scraping aggressivo serve una combinazione di robots, rate limit, termini di servizio e, se necessario, supporto legale.

Esempio llms.txt

# Studio Martini — siti web per PMI

> Progettiamo e manteniamo siti con CMS e builder proprietario in Italia.

## Pagine chiave
- [Servizi](https://www.esempio.it/servizi/): panoramica offerta
- [Contatti](https://www.esempio.it/contatti/): modulo e sede
- [Privacy](https://www.esempio.it/privacy/): trattamento dati

## Guide
- [Blog](https://www.esempio.it/blog/): articoli aggiornati

## Opzionale
- [llms-full.txt](https://www.esempio.it/llms-full.txt): export testuale esteso

Limiti e aspettative

Non garantisce ranking o citazione in AI Overview o in chat esterne. Contenuto duplicato solo in llms senza HTML utile non aiuta gli utenti umani. Evita il riempimento di parole chiave nel file: deve restare leggibile da un tecnico umano in pochi minuti.

Se il sito è in manutenzione o cambia offerta in modo sostanziale, aggiorna llms.txt con una nota e la data: riduce il rischio che assistenti esterni citino pagine obsolete. Monitora i log del server per richieste anomale a /llms.txt e valuta un rate limit se vedi picchi di scraping.

Manutenzione

Aggiorna il file dopo ogni ristrutturazione del menu e controlla mensilmente che i link elencati non restituiscano 404. Allinea l’indice alla navigazione principale: se llms.txt racconta servizi che non compaiono nel menu, confondi gli utenti umani. In testa al file puoi indicare la data dell’ultimo aggiornamento strutturale, non ad ogni correzione minore.

Implementazione tecnica

Su Apache o Nginx servi llms.txt come text/plain; charset=utf-8, senza redirect verso login. Se il sito è multilingua, elenca la lingua principale o aggiungi sezioni per locale con URL assolute corrette. Non duplicare l’intero sito in llms-full.txt senza strategia: meglio esportare in markdown le guide lunghe che già curi, in linea con la sitemap XML (niente URL in noindex). Versiona il file in git come il resto del sito: un diff leggibile aiuta quando aggiungi nuove guide al percorso formativo.

Verifica con curl o in finestra anonima che /llms.txt risponda 200: alcuni WAF bloccano user-agent non standard. Includi URL HTTPS canonici senza parametri di tracking; link a documentazione API pubblica se offri integrazioni. Una pagina «Per assistenti e ricercatori» nel footer, con link a llms.txt, sitemap e contatto stampa, è un segnale di trasparenza. Non elencare area clienti o preventivi personalizzati. llms.txt non sostituisce robots.txt né la sitemap: i crawler dei motori e quelli orientati ai modelli convivono.

In breve

• llms.txt è un indice markdown opzionale in root del dominio.
• Elenca URL autorevoli: servizi, legali, FAQ, guide.
• Complementa HTML semantico e sitemap, non li sostituisce.
• robots.txt e ToS regolano crawl; llms.txt cura cosa leggere.
• Tieni link aggiornati e aspettative realistiche sull’adozione.