O que é o llms.txt, para que serve e quando vale a pena

O que é o llms.txt, em resumo

O llms.txt é um ficheiro de texto em formato Markdown que organiza as informações mais importantes de um site para facilitar a sua consulta por modelos de linguagem (LLMs) e agentes de inteligência artificial. Funciona como um índice que apresenta o site, identifica conteúdos relevantes e indica onde encontrar informação mais detalhada.

O essencial sobre o llms.txt

O ficheiro llms.txt ajuda ferramentas de IA compatíveis a localizar e interpretar conteúdos de um website. É publicado num endereço como https://exemplo.pt/llms.txt e contém uma descrição do projeto e ligações para páginas selecionadas. A sua utilização é voluntária e não garante que o ChatGPT, o Google ou outros assistentes de IA o consultem, nem melhora automaticamente o posicionamento nos motores de pesquisa.

A principal vantagem está na organização da informação. Em vez de obrigar um agente de IA a percorrer diferentes páginas para compreender o que uma empresa faz, o ficheiro disponibiliza um ponto de partida com conteúdos escolhidos pelo responsável do site.

Quem o propôs e que problema resolve

A proposta foi apresentada por Jeremy Howard em 3 de setembro de 2024, tendo sido atualizada em agosto de 2026. O objetivo é facilitar o acesso de agentes de IA a informação relevante, especialmente em websites com documentação extensa ou conteúdos técnicos.

O problema começa na forma como os sites são construídos. As páginas HTML incluem menus, elementos visuais, scripts, publicidade e outros componentes úteis para a navegação humana, mas que podem dificultar a extração do conteúdo principal por sistemas automatizados.

Além disso, mesmo os modelos de linguagem com grandes janelas de contexto não conseguem analisar, de forma eficiente, todo o conteúdo de qualquer website numa única interação.

O llms.txt procura resolver esta dificuldade através de uma seleção estruturada de páginas e recursos. Por exemplo, uma empresa pode destacar os seus serviços, condições de funcionamento, perguntas frequentes e documentação, evitando que um agente tenha de descobrir essa informação sem qualquer orientação.

Importa distinguir a intenção do resultado: o ficheiro facilita a descoberta de conteúdos por ferramentas que o utilizem, mas não obriga os modelos de IA a consultá-lo nem garante respostas mais precisas.

Onde fica o ficheiro e quem o lê

O local mais habitual é a raiz do domínio, num endereço público como:

https://www.exemplo.pt/llms.txt

A versão 2 da proposta também permite publicar ficheiros em subdiretórios, por exemplo https://www.exemplo.pt/docs/llms.txt, para organizar documentação específica.

O ficheiro pode ser aberto diretamente num navegador, mas foi pensado sobretudo para ferramentas automatizadas capazes de interpretar Markdown, incluindo agentes de IA, assistentes de programação e sistemas que consultam documentação externa.

No entanto, a existência de um llms.txt não significa que os principais assistentes de IA o procurem automaticamente. O comportamento depende de cada fornecedor, das funcionalidades disponíveis e da forma como o agente foi configurado.

Por isso, é mais correto encarar o llms.txt como um recurso adicional para tornar a informação acessível e organizada, e não como um canal garantido de comunicação com todos os modelos de inteligência artificial.

Como é estruturado um ficheiro llms.txt

Um ficheiro llms.txt utiliza Markdown, uma linguagem simples para organizar texto com títulos, descrições e ligações. Não precisa de código complexo, bases de dados ou configurações especiais. A estrutura permite que um agente de IA identifique rapidamente o tema do site e os recursos disponíveis.

A proposta define uma ordem para os elementos, mas deixa liberdade para escolher as categorias e os conteúdos. O objetivo não é reproduzir todas as páginas do website, mas apresentar um índice claro e útil.

As secções que a especificação define, pela ordem

Segundo a especificação do llms.txt, atualizada em agosto de 2026, o ficheiro segue esta sequência:

1. Título H1 (#): identifica o nome do website, empresa ou projeto. É o único elemento obrigatório.
2. Resumo (>): explica brevemente a atividade ou finalidade do site.
3. Informação complementar: acrescenta contexto ou instruções de interpretação, sem novos títulos.
4. Secções H2 (##): organizam listas de recursos por tema, com ligações e descrições opcionais.
5. Secção ## Optional: permite identificar recursos secundários que um agente pode ignorar quando precisa de reduzir a informação consultada.

A especificação também admite uma marca de codificação UTF-8 (BOM) no início do ficheiro, embora não seja necessária na maioria dos casos.

Exemplo de um ficheiro llms.txt simples

# Empresa Exemplo

> Empresa portuguesa especializada em serviços de limpeza profissional.

## Serviços

- [Limpeza doméstica](https://exemplo.pt/limpeza-domestica): Descrição dos serviços para habitações.
- [Limpeza de escritórios](https://exemplo.pt/limpeza-escritorios): Serviços para empresas e espaços de trabalho.

## Optional

- [Blog](https://exemplo.pt/blog): Artigos sobre limpeza e manutenção.

Exemplo ilustrativo com domínio fictício. Embora apenas o H1 seja obrigatório, os restantes elementos tornam o ficheiro mais útil.

Cada ligação deve apontar para um recurso relevante, preferencialmente com uma descrição que ajude a perceber o seu conteúdo sem ter de abrir a página.

llms.txt e llms-full.txt: índice ou conteúdo completo

Apesar dos nomes semelhantes, estes ficheiros desempenham funções diferentes.

O llms.txt funciona como um índice. Apresenta o site e encaminha o agente para conteúdos específicos, sem incluir necessariamente o texto integral de cada página.

O llms-full.txt é uma versão expandida, utilizada por alguns projetos para reunir documentação ou conteúdos completos num único ficheiro Markdown. É uma convenção complementar, não um requisito da especificação principal.

A diferença torna-se importante em sites extensos. Um índice permite selecionar apenas os documentos relevantes para uma determinada pergunta. Já um ficheiro completo pode facilitar a consulta conjunta de informação, mas também aumentar o volume de texto a processar.

Para a maioria dos websites empresariais, começar por um llms.txt conciso é suficiente. Um ficheiro completo tende a fazer mais sentido quando existe documentação extensa que beneficia de uma leitura integrada.

Versões em Markdown de cada página

Além do índice principal, a proposta recomenda disponibilizar versões em Markdown das páginas HTML, quando isso for tecnicamente viável.

Por exemplo, uma página de serviços pode ter dois endereços:

• https://exemplo.pt/servicos para a versão HTML destinada à navegação habitual.
• https://exemplo.pt/servicos.md para uma versão em Markdown, centrada no conteúdo textual.

A versão Markdown pode eliminar menus, elementos decorativos e outros componentes que não ajudam a interpretar a informação principal.

A proposta atualizada também prevê formas de indicar a existência destas versões através de ligações no HTML ou de cabeçalhos HTTP, sem obrigar os agentes a adivinhar os endereços.

Contudo, não é obrigatório criar uma versão Markdown de todas as páginas para publicar um llms.txt. O mais importante é que os recursos indicados estejam acessíveis, contenham informação correta e sejam atualizados sempre que o conteúdo original mudar.

llms.txt, robots.txt e sitemap.xml: o que faz cada um

Os ficheiros llms.txt, robots.txt e sitemap.xml ajudam sistemas automatizados a interagir com um website, mas têm funções distintas. O robots.txt estabelece regras de rastreio, o sitemap.xml facilita a descoberta de páginas e o llms.txt organiza conteúdos para agentes de inteligência artificial.

Não são alternativas entre si. Um website pode utilizar os três em simultâneo, desde que cada um cumpra a sua finalidade.

A distinção está alinhada com a proposta oficial do llms.txt, que apresenta o ficheiro como complemento dos mecanismos existentes, e não como substituto.

Na prática, imagine uma empresa de limpeza com dezenas de páginas no website.

O sitemap.xml ajuda o Google a descobrir páginas sobre limpeza doméstica, escritórios e sofás. O robots.txt pode indicar que determinadas áreas administrativas não devem ser rastreadas. Já o llms.txt pode destacar os principais serviços, zonas de atendimento e perguntas frequentes, oferecendo um ponto de partida organizado a agentes de IA que decidam consultá-lo.

Isto significa que os três ficheiros podem trabalhar em conjunto, mas publicar um llms.txt não substitui as boas práticas de SEO técnico, como garantir que as páginas importantes são acessíveis e estão corretamente ligadas entre si.

O llms.txt não bloqueia os crawlers de IA

Uma confusão frequente é pensar que o llms.txt permite autorizar ou impedir o acesso de ferramentas como o ChatGPT, Claude ou Perplexity aos conteúdos de um website.

Não permite. O ficheiro não contém regras de bloqueio e não funciona como mecanismo de segurança.

Erro comum: usar o llms.txt para bloquear IA

Retirar uma página do llms.txt não impede que um crawler a encontre por outros meios. Da mesma forma, incluir uma ligação não autoriza automaticamente o seu rastreio. O llms.txt serve para orientar a consulta de informação, não para definir permissões de acesso.

Para indicar restrições a crawlers automatizados, utiliza-se o robots.txt, com regras dirigidas aos respetivos identificadores, conhecidos como user-agents.

Mesmo assim, estas regras dependem do cumprimento por parte dos crawlers. Não impedem tecnicamente o acesso de sistemas que as ignorem, nem substituem a autenticação quando existem conteúdos privados.

Também é importante verificar se as páginas indicadas no llms.txt não estão bloqueadas no robots.txt para os agentes que pretende servir. Caso contrário, o índice pode encaminhar um assistente para informação que este não está autorizado a rastrear.

A regra prática é simples: use o robots.txt para gerir regras de rastreio, o sitemap.xml para facilitar a descoberta de páginas e o llms.txt para apresentar uma seleção organizada de conteúdos. Cada ficheiro resolve um problema diferente.

Quem lê o llms.txt: o que dizem Google, OpenAI e Anthropic

Publicar um llms.txt não significa que os principais assistentes de inteligência artificial o consultem. A adoção do ficheiro varia entre fornecedores e é importante distinguir quem o publica, quem o consegue ler e quem confirma utilizá-lo efetivamente.

Até outubro de 2026, existe uma diferença significativa entre a posição oficial do Google e a informação publicamente disponível sobre outros assistentes.

Posições públicas consultadas em 13 de outubro de 2026

A ausência de confirmação não significa que nenhum agente destas empresas consiga abrir o ficheiro. Significa apenas que não existe uma garantia pública de que o utilize como fonte privilegiada ou etapa habitual de consulta.

Google: não é preciso para os AI Overviews

O Google é o fornecedor com a posição mais explícita. Em 15 de junho de 2026, atualizou a sua documentação oficial para esclarecer que o llms.txt não é utilizado pela Pesquisa Google e não influencia positiva nem negativamente o posicionamento dos sites.

Esta orientação também se aplica às funcionalidades de inteligência artificial da pesquisa, incluindo os Google AI Overviews e o AI Mode.

Para aparecer nestes resultados, as páginas devem cumprir os requisitos habituais da Pesquisa Google, nomeadamente serem elegíveis para indexação e apresentação nos resultados com excertos.

Em vez de recomendar um ficheiro específico para IA, o Google dá prioridade a conteúdos úteis, acessíveis, originais e bem organizados.

Isto não torna o llms.txt inútil para outros sistemas. Apenas significa que criá-lo com o objetivo exclusivo de melhorar a presença nos AI Overviews não tem fundamento nas orientações oficiais do Google.

OpenAI, Anthropic e Perplexity: sem confirmação pública

A OpenAI documenta diferentes agentes de rastreio, incluindo o GPTBot, o OAI-SearchBot e o ChatGPT-User, mas não confirma que estes consultem automaticamente o llms.txt como parte do seu funcionamento habitual.

A Anthropic disponibiliza documentação em ficheiros llms.txt, mas isso não demonstra que o Claude consulte ficheiros equivalentes publicados por outros websites.

O mesmo cuidado aplica-se à Perplexity AI. A disponibilização de conteúdo num formato compatível não constitui, por si só, prova de utilização sistemática nos resultados do seu motor de respostas.

É possível que agentes configurados para ler documentação ou navegar na web consultem estes ficheiros. Contudo, essa capacidade técnica não deve ser confundida com uma política de leitura automática ou com uma vantagem garantida na visibilidade da empresa.

Que empresas já publicam um llms.txt

Apesar da adoção ainda não ser universal, várias empresas tecnológicas disponibilizam ficheiros públicos. Entre os exemplos identificados estão:

• Cloudflare: publica um índice geral que encaminha para ficheiros específicos de diferentes produtos.
• Stripe: organiza documentação técnica sobre pagamentos, integrações e outros recursos da plataforma.
• Anthropic: disponibiliza um índice extenso de documentação relacionada com a plataforma Claude.
• Vercel: apresenta um ficheiro orientado para a descoberta de documentação e recursos para programadores.

Estes exemplos mostram que o formato tem encontrado espaço sobretudo em empresas com documentação técnica extensa, onde um índice organizado pode facilitar a localização de informação.

Mas existe uma diferença essencial: publicar um llms.txt demonstra que uma empresa disponibiliza informação nesse formato, não que os principais modelos de IA o estejam efetivamente a utilizar.

Para uma empresa que esteja a avaliar a criação deste ficheiro, essa distinção ajuda a estabelecer expectativas realistas e a evitar investimentos baseados em benefícios ainda não demonstrados.

Vale a pena criar um llms.txt na sua empresa?

Para a maioria das empresas, criar um llms.txt pode ser útil, mas não deve ser uma prioridade acima da qualidade e da acessibilidade do website. O ficheiro é relativamente simples de implementar, mas o seu valor depende da quantidade de informação publicada, da organização dos conteúdos e da possibilidade de agentes de IA o utilizarem.

Antes de investir tempo na sua criação, importa perceber que problema concreto pretende resolver.

Checklist de decisão: a sua empresa precisa de um llms.txt?

• O site tem várias páginas de serviços, produtos ou documentação.
• As informações essenciais estão atualizadas e são verificáveis.
• Existem conteúdos técnicos ou detalhados difíceis de localizar.
• As principais páginas são públicas e estão acessíveis.
• Há capacidade para manter o ficheiro atualizado.

Orientação prática, não uma avaliação técnica ou garantia de resultados.

Quando compensa: documentação, catálogos e serviços com factos estáveis

O llms.txt tende a fazer mais sentido quando uma empresa disponibiliza muita informação que pode ser consultada de forma independente.

É o caso de plataformas de software com documentação técnica, lojas com catálogos detalhados ou empresas de serviços com diferentes modalidades, condições e áreas de atendimento.

Por exemplo, uma empresa de limpeza pode utilizar o ficheiro para organizar ligações para serviços domésticos, limpeza de escritórios, tratamento de sofás e perguntas frequentes. Um agente de IA compatível terá assim um índice que distingue cada serviço e encaminha para a informação correspondente.

A vantagem potencial é maior quando os conteúdos incluem factos estáveis e verificáveis, como características dos serviços, zonas de cobertura ou procedimentos. Informações que mudam frequentemente exigem mais manutenção e aumentam o risco de apresentar dados desatualizados.

Quando não é prioridade: o site ainda não está bem indexado

Se as principais páginas da empresa não aparecem no Google, apresentam erros técnicos ou contêm informação incompleta, criar um llms.txt dificilmente será o investimento mais útil.

Nestas situações, deve dar prioridade a problemas que afetam diretamente a descoberta e a utilização do website:

• Corrigir erros de rastreio e indexação no Google Search Console.
• Garantir que as páginas importantes são acessíveis e têm conteúdo relevante.
• Melhorar a navegação e as ligações internas.
• Atualizar informações sobre serviços, contactos, localização e condições.

O próprio Google esclareceu, em junho de 2026, que o llms.txt não é necessário para aparecer nos seus resultados tradicionais ou nas funcionalidades de IA, nem influencia o posicionamento.

Por isso, num website pequeno, com poucas páginas bem organizadas, o benefício adicional do ficheiro pode ser limitado.

O que pesa mais do que o ficheiro nas respostas de IA

A visibilidade de uma empresa em respostas geradas por inteligência artificial depende de vários fatores, que variam conforme o sistema utilizado. Não existe uma fórmula única que garanta que uma marca seja mencionada ou recomendada.

Ainda assim, há aspetos sobre os quais a empresa pode atuar diretamente.

A clareza e a consistência da informação são fundamentais. Um website que explica exatamente quais os serviços prestados, onde estão disponíveis e em que condições oferece fontes mais úteis do que páginas vagas ou contraditórias.

Também importa manter informações corretas em perfis empresariais, diretórios relevantes e outras fontes públicas, porque os assistentes podem recorrer a diferentes recursos para construir respostas.

Os dados estruturados Schema.org, uma boa arquitetura do website e conteúdos que respondem a perguntas concretas também ajudam os sistemas compatíveis a interpretar a informação, embora não garantam citações em respostas de IA.

O llms.txt deve, por isso, ser encarado como um complemento de baixo custo a uma estratégia digital já bem organizada, não como uma solução isolada para aumentar a visibilidade. A decisão de o criar deve depender sobretudo da utilidade prática do índice e da capacidade de o manter correto.

Como criar um llms.txt em cinco passos

Criar um ficheiro llms.txt não exige conhecimentos avançados de programação. Na maioria dos casos, basta selecionar as páginas importantes, escrever uma apresentação clara da empresa e publicar um documento Markdown acessível no website.

1. Selecionar as páginas essenciais do website.
2. Escrever um resumo com informações verificáveis.
3. Organizar ligações por categorias e acrescentar descrições.
4. Publicar o ficheiro no domínio da empresa.
5. Testar o acesso e validar a estrutura Markdown.

1. Escolher as páginas que um modelo deve conhecer primeiro

Comece por identificar os conteúdos que melhor explicam a atividade da empresa. Não é necessário incluir todas as páginas do website.

Para uma empresa de serviços, uma seleção inicial pode reunir a apresentação institucional, os serviços principais, as zonas de atendimento e as perguntas frequentes.

Dê prioridade a páginas com informação específica, atualizada e útil. Evite incluir conteúdos duplicados, páginas temporárias ou artigos sem relação direta com a atividade principal.

2. Escrever o resumo da empresa com factos verificáveis

O resumo aparece imediatamente depois do título principal, numa linha iniciada pelo símbolo >.

Deve explicar o que a empresa faz, a quem se dirige e onde presta os seus serviços, sem linguagem promocional excessiva.

Por exemplo:

# Empresa Exemplo

> Empresa de limpeza profissional em Portugal, especializada em limpeza doméstica, escritórios e estofos.

Utilize apenas informações confirmadas no website. Evite expressões como "a melhor empresa" ou afirmações de liderança sem provas.

3. Agrupar as ligações em secções, cada uma com uma nota

Depois do resumo, organize as páginas selecionadas em categorias identificadas por títulos H2, escritos com ##.

Cada ligação deve utilizar a sintaxe Markdown e pode incluir uma descrição breve:

- [Nome da página](https://exemplo.pt/pagina): Descrição do conteúdo.

Por exemplo, pode criar as secções ## Serviços, ## Sobre a empresa e ## Perguntas frequentes.

As descrições ajudam um agente de IA compatível a perceber o conteúdo de cada ligação antes de a abrir. A especificação também prevê uma secção ## Optional para recursos secundários.

4. Publicar o ficheiro na raiz do domínio

Guarde o documento com o nome exato llms.txt, em formato de texto simples com codificação UTF-8.

Para uma implementação geral, publique-o na raiz do website, tornando-o acessível através de um endereço como:

https://exemplo.pt/llms.txt

Pode fazê-lo através do gestor de ficheiros do alojamento, de FTP ou do sistema de publicação do website.

Embora a versão atual da proposta também permita ficheiros em subdiretórios, a raiz continua a ser uma localização simples para apresentar a informação geral da empresa.

5. Confirmar que abre e validar o formato

Depois da publicação, abra o endereço do ficheiro numa janela privada do navegador.

Verifique se o conteúdo é apresentado diretamente, sem exigir autenticação, e se o servidor devolve uma resposta HTTP 200 OK.

Confirme também que o ficheiro:

• Começa com um título H1 com o nome da empresa.
• Respeita a ordem dos elementos prevista na especificação.
• Contém ligações corretas e acessíveis.
• Não inclui informações confidenciais ou desatualizadas.
• Não apresenta código HTML desnecessário ou erros de formatação.

Pode comparar o resultado com a especificação oficial ou utilizar um validador online. A validação confirma a estrutura, mas não prova que os assistentes de IA estejam a consultar o ficheiro.

Plugins e geradores: WordPress, Shopify e ferramentas online

Se o website utiliza um sistema de gestão de conteúdos, pode não ser necessário criar o ficheiro manualmente.

• WordPress: O Yoast SEO permite ativar a geração do llms.txt nas definições de funcionalidades do site, na área de ferramentas de IA.
• Shopify: O Yoast SEO para Shopify também disponibiliza geração automática e seleção manual de páginas. A funcionalidade foi introduzida em março de 2026.
• Geradores e validadores online: Ferramentas como o LLMs.txt Generator e o validador llms.txt ajudam a produzir ou verificar o formato sem escrever tudo manualmente.

Independentemente da ferramenta escolhida, reveja sempre as páginas incluídas e as respetivas descrições. Um gerador automático pode selecionar conteúdos pouco relevantes ou reproduzir informação desatualizada.

O objetivo não é criar o maior ficheiro possível, mas um índice fiável, organizado e fácil de manter.

Exemplo anotado: um llms.txt linha a linha

Para perceber como esta estrutura se aplica a uma empresa portuguesa, podemos analisar o exemplo de uma empresa fictícia especializada em CRM à medida, automações com inteligência artificial e criação de websites.

Exemplo anotado de um llms.txt

# Empresa Exemplo

> Empresa portuguesa especializada em CRM à medida,
> automações com IA e criação de sites profissionais.

## Serviços

- [CRM à medida](https://exemplo.pt/): Sistemas CRM personalizados em infraestrutura própria.
- [Sites profissionais](https://exemplo.pt/): Desenvolvimento de websites com SEO técnico.

## Optional

- [Blog](https://exemplo.pt/blog): Artigos sobre CRM, websites e tecnologia.

Exemplo didático, com domínio fictício. As ligações à página inicial são ilustrativas e devem ser substituídas pelas páginas específicas dos serviços numa implementação real.

A estrutura permite identificar cinco elementos importantes:

1. # Empresa Exemplo: o título H1 identifica imediatamente a empresa. É o único elemento obrigatório da proposta.
2. >: o resumo apresenta a atividade principal, com informações concretas sobre os serviços prestados.
3. ## Serviços: agrupa os conteúdos centrais numa categoria facilmente reconhecível.
4. Ligações Markdown: cada recurso tem um nome, um endereço e uma descrição que explica o que o agente poderá encontrar.
5. ## Optional: separa conteúdos complementares, como artigos do blog, das informações consideradas prioritárias.

A principal lição deste exemplo está na seleção da informação. Um llms.txt empresarial não precisa de copiar o website inteiro. Pode começar por explicar a atividade da organização e encaminhar os agentes compatíveis para as páginas que melhor respondem às perguntas sobre os seus serviços.

Como saber se algum assistente de IA lê o seu llms.txt

Depois de publicar o ficheiro, é natural querer saber se está realmente a ser utilizado. No entanto, não existe uma ferramenta universal que confirme quais os modelos de inteligência artificial que consultam o seu llms.txt ou que utilizam essa informação nas respostas.

É possível acompanhar sinais de acesso e visitas provenientes de assistentes de IA, mas estas métricas respondem a perguntas diferentes. Os registos do servidor mostram pedidos ao ficheiro, enquanto o Google Analytics 4 permite analisar determinados visitantes encaminhados por assistentes.

Pedidos ao ficheiro nos registos do servidor

Os registos do servidor, também conhecidos como server logs, permitem verificar se algum sistema solicitou o endereço /llms.txt.

Cada pedido pode incluir informações como a data, o endereço solicitado, o código HTTP, o endereço IP e o identificador do programa que efetuou o acesso, chamado user-agent.

Por exemplo, um registo pode apresentar um pedido semelhante a:

Exemplo fictício de registo

203.0.113.10 - - [13/Oct/2026:10:15:00 +0000] "GET /llms.txt HTTP/1.1" 200 2480 "ExampleBot/1.0"

Neste exemplo, o código 200 indica que o servidor respondeu com sucesso. Contudo, isso não demonstra que o conteúdo tenha sido interpretado ou utilizado por um modelo.

Para analisar os acessos, pode pedir os logs ao fornecedor de alojamento ou consultar ferramentas de monitorização disponíveis no servidor ou na CDN.

Preste atenção a três aspetos:

• Frequência dos pedidos: quantas vezes o ficheiro foi solicitado e em que datas.
• Identificação do agente: que user-agent aparece associado ao pedido.
• Origem dos acessos: se os endereços IP correspondem às redes oficialmente divulgadas pelo fornecedor.

Esta última verificação é importante porque os identificadores dos agentes podem ser falsificados. A OpenAI, por exemplo, publica informações sobre os seus crawlers e respetivos intervalos de IP, incluindo GPTBot, OAI-SearchBot e ChatGPT-User.

Mesmo quando o acesso é legítimo, um pedido ao llms.txt confirma apenas que houve uma tentativa de consulta ao ficheiro, não que a empresa será mencionada numa resposta de IA.

Visitas vindas de assistentes de IA no GA4

O Google Analytics 4 permite acompanhar utilizadores que chegam ao website através de ligações apresentadas em determinados assistentes de inteligência artificial.

Desde maio de 2026, o GA4 inclui um canal dedicado, designado AI Assistant, para classificar visitas cuja origem corresponde a assistentes reconhecidos pelo Google.

Para consultar estes dados, aceda a Relatórios → Aquisição → Aquisição de tráfego e procure o canal AI Assistant. Pode também utilizar a dimensão de origem/meio da sessão para identificar referências de domínios como chatgpt.com, perplexity.ai ou claude.ai, quando disponíveis.

Dica de especialista: acompanhe dois indicadores separados

Monitorize os pedidos a /llms.txt nos logs do servidor e as sessões provenientes de assistentes de IA no GA4. Compare os resultados ao longo de vários meses, mas não atribua automaticamente um aumento de visitas à publicação do ficheiro.

Um assistente pode encaminhar visitantes para o seu site sem nunca consultar o llms.txt. E pode consultar o ficheiro sem gerar qualquer visita.

Há ainda limitações importantes. Algumas visitas chegam sem informação sobre a origem e são classificadas como tráfego direto. Além disso, os AI Overviews e o AI Mode do Google são normalmente contabilizados no canal de pesquisa orgânica, não no canal AI Assistant.

A abordagem mais útil é combinar os dois tipos de análise com a observação das páginas visitadas e das conversões geradas.

Assim, consegue perceber se existem acessos ao ficheiro e se os assistentes estão a enviar visitantes relevantes para o website, sem confundir estes sinais com uma prova de que o llms.txt melhora a visibilidade nas respostas de inteligência artificial.

Erros comuns ao escrever um llms.txt

Um ficheiro llms.txt pode estar tecnicamente correto e, ainda assim, ser pouco útil. Os problemas mais frequentes estão na seleção das páginas, na qualidade das descrições e na falta de atualização.

Como o objetivo é orientar agentes de IA para informação relevante, um ficheiro curto, preciso e bem organizado tende a ser mais útil do que uma lista extensa de ligações sem contexto.

Um dos erros mais comuns é copiar automaticamente todas as URLs do sitemap.xml. Embora ambos os ficheiros possam conter ligações, têm finalidades diferentes. O llms.txt deve destacar os recursos prioritários, não reproduzir indiscriminadamente a estrutura do website.

Outro problema é utilizar descrições demasiado genéricas, como "Saiba mais sobre os nossos serviços". Estas frases pouco acrescentam. Uma descrição como "Limpeza de escritórios: modalidades de serviço, espaços abrangidos e condições de contratação" ajuda a identificar melhor o conteúdo, desde que corresponda à informação da página.

Também importa evitar afirmações promocionais sem fundamento, ligações quebradas e informações contraditórias. Se uma empresa altera as suas zonas de atendimento ou elimina um serviço, o ficheiro deve refletir essas alterações.

Antes de publicar, convém também confirmar que o servidor apresenta o ficheiro como texto, sem o redirecionar para uma página de erro ou exigir autenticação. Uma resposta HTTP 200 OK é um bom sinal de acessibilidade, embora não confirme que o conteúdo seja utilizado por assistentes de IA.

Checklist antes de publicar o llms.txt

• O ficheiro chama-se exatamente llms.txt e contém texto Markdown.
• Existe um título H1 com o nome do website ou projeto.
• O resumo apresenta informações corretas e verificáveis.
• As secções H2 agrupam ligações relevantes.
• Todas as URLs funcionam e conduzem às páginas pretendidas.
• Não existem conteúdos duplicados, confidenciais ou desatualizados.
• O ficheiro está acessível publicamente, sem erros ou autenticação.

A especificação do llms.txt exige apenas o título H1 como elemento obrigatório. Os restantes elementos são opcionais, embora recomendáveis para produzir um ficheiro útil.

Por fim, defina um processo de manutenção. Sempre que forem criadas páginas importantes, alterados serviços ou removidos conteúdos, confirme se o llms.txt também precisa de ser atualizado.

A prioridade deve ser manter um ficheiro simples, acessível e consistente com o website, em vez de acrescentar conteúdos apenas para aumentar o seu tamanho.

Perguntas frequentes sobre o ficheiro para IA

O llms.txt ajuda a posicionar o site no Google?

Não existe evidência de que o llms.txt melhore diretamente o posicionamento no Google. A própria Google esclarece que não utiliza este ficheiro na Pesquisa, incluindo nos AI Overviews e no AI Mode.

Para melhorar a visibilidade, continua a ser mais importante investir em conteúdos úteis, indexação correta, boa estrutura do website e SEO técnico.

O llms.txt pode facilitar a descoberta de informação por agentes de IA compatíveis, mas não deve ser encarado como um fator de classificação ou uma garantia de presença nas respostas dos assistentes.

O llms.txt é um padrão oficial?

O llms.txt é uma proposta aberta de organização de conteúdos para modelos de linguagem, apresentada por Jeremy Howard em setembro de 2024.

Apesar de já ser utilizada por diferentes empresas e ferramentas, não é um padrão formal aprovado por organismos como o W3C ou o IETF. A sua adoção é voluntária e os fornecedores de IA não são obrigados a utilizá-lo.

Qual deve ser o tamanho de um llms.txt?

A especificação não estabelece um limite mínimo ou máximo de caracteres, palavras ou ligações.

O tamanho ideal depende da complexidade do website. Uma pequena empresa pode precisar apenas de um resumo e algumas ligações para os principais serviços. Já uma plataforma com documentação técnica extensa poderá beneficiar de várias secções organizadas por temas.

A prioridade deve ser a relevância, não a quantidade. Evite incluir todas as páginas automaticamente ou copiar textos completos que possam ser consultados nos respetivos endereços.

Com que frequência se deve atualizar o llms.txt?

Não existe uma periodicidade obrigatória. O mais importante é atualizar o ficheiro sempre que ocorram alterações relevantes no website.

Por exemplo, deve revê-lo quando adicionar ou eliminar serviços, modificar URLs, alterar informações institucionais ou publicar documentação importante.

Para empresas com conteúdos relativamente estáveis, uma revisão trimestral pode ser um ponto de partida razoável. Websites que publicam documentação ou atualizações frequentes podem beneficiar de processos automáticos de manutenção.

O llms.txt substitui os dados estruturados Schema.org?

Não. O llms.txt e os dados estruturados Schema.org têm funções diferentes e complementares.

O llms.txt disponibiliza um índice em Markdown com informações e ligações relevantes para agentes de IA compatíveis.

Os dados estruturados Schema.org utilizam vocabulários normalizados para identificar entidades e propriedades, como empresas, serviços, moradas, produtos e artigos. Podem ajudar os motores de pesquisa e outros sistemas a interpretar o conteúdo das páginas.

Uma empresa pode utilizar ambos, mas nenhum substitui a necessidade de manter informações claras, corretas e acessíveis no próprio website.