C’è un momento, quando navighi tra release notes, changelog e documentazioni infinite, in cui vorresti prendere per mano l’Intelligenza Artificiale e dirle: “Ehi, le risposte che cerchi sono qui, non due cartelle più in là”. Nel 2024 qualcuno ha provato a farlo davvero. Jeremy Howard – nome che i geek di fast.ai conoscono bene – ha proposto llms.txt, un file testuale che ricorda nel nome il celebre robots.txt ma che, nella sostanza, gioca un’altra partita. Se robots.txt parla ai crawler dei motori di ricerca e sitemap.xml elenca “tutto quello che esiste”, llms.txt si rivolge ai modelli linguistici durante l’inference e sussurra: “Queste sono le pagine che vale la pena leggere e citare”. È una curatela, non un divieto; una mappa, non un semaforo.
L’idea nasce da una constatazione che chiunque abbia integrato un LLM in un prodotto conosce sulla propria pelle: i modelli sono bravissimi a masticare enormi quantità di testo, ma quando li lasciamo a spasso per il web finiscono spesso impigliati tra script, banner, layout complessi, footer chilometrici. Gli LLM non “vedono” la pagina come un essere umano: la disassemblano. E se la struttura è confusa, la risposta lo diventa. llms.txt prova a raddrizzare il tiro: un documento in Markdown, posizionato – come convenzione – alla radice del dominio, che presenta in modo pulito il cuore del sito, con un titolo che dichiara chi sei, una breve descrizione che mette i paletti narrativi e una serie di sezioni in cui inserire i collegamenti davvero utili a capire e citare il tuo lavoro.
Immagina un portale di documentazione software. Senza llms.txt, il modello atterra su una pagina a caso, esamina menu, sidebar, componenti interattivi e magari fatica a raggiungere il riferimento API che avrebbe risolto il quesito in un lampo. Con llms.txt lo accompagni tu: prima lo orienti con due righe chiare, poi gli indichi le pagine chiave – la guida rapida, il reference, le policy – e gli spieghi in una frase cosa troverà dietro quel link. In pratica gli stai regalando una bussola semantica. Non è magia, è redazione: meno rumore, più segnale.
Qui arriva il primo malinteso da smontare. Nonostante il nome simile, llms.txt non sostituisce robots.txt e non è un’estensione per bloccare o permettere la lettura di certe pagine. Non ordina, non vieta, non minaccia. È, semmai, un invito. Se robots.txt decide “chi entra e dove può mettere il naso” e sitemap.xml dice “questo è l’inventario completo della casa”, llms.txt fa la parte della guida turistica che ti porta dritto alla sala che ti interessa, saltando sotterranei e ripostigli. È un file opt-in: elenca ciò che vuoi che un LLM consideri prioritario quando deve capire, citare, rispondere.
Naturalmente, come ogni nuova pratica che tocca SEO e AI, divide. C’è chi lo considera una genialata pragmatica e chi lo bolla come il “nuovo meta keywords”. I sostenitori notano che, in un panorama dove le risposte conversazionali di ChatGPT, Claude, Gemini o Perplexity stanno diventando la prima interfaccia con l’utente, offrire una versione curata, lineare e “AI-digestibile” dei propri contenuti riduce fraintendimenti, migliora la qualità delle citazioni e preserva l’identità del brand. I critici ribattono che nessun grande player ha ufficialmente dichiarato supporto al file come segnale di ranking o come fonte privilegiata; che un llms.txt mal scritto rischia di essere solo un’altra pagina testuale poco amichevole per l’utente; e che, essendo facile da generare da una sitemap, può diventare un veicolo di spam o di “keyword stuffing” in guanti bianchi. La verità, come spesso accade, vive nel mezzo: llms.txt non ti farà scalare Google, ma può rendere più probabile che un LLM trovi, capisca e citi la tua risposta – che è poi il nuovo campo di battaglia dell’attenzione.
# Nome del Progetto o del Sito
> Breve descrizione del progetto
Dettagli opzionali sul contenuto del sito
## Documentazione
– [Guida Utente](https://esempio.com/guida): Introduzione all’uso del sito
## Contenuti Aggiuntivi
– [Articoli del blog](https://esempio.com/blog)
## Notizie in Primo Piano
– [Ultime Notizie](https://esempio.com/notizie)
– [Approfondimenti](https://esempio.com/analisi)
– [Editoriali](https://esempio.com/opinioni)
A livello pratico, la struttura proposta è disarmante nella sua semplicità. Il file inizia con un unico H1 che nomina progetto o sito: è l’etichetta sul dorso della tua enciclopedia. Subito sotto, un blockquote sintetizza scopo e perimetro: poche righe, niente slogan, solo contesto utile. Poi arrivano le sezioni – H2 – che raggruppano i link per aree tematiche. Ogni collegamento è scritto in Markdown, con un titolo leggibile e, dopo i due punti, una micro-descrizione che orienta il modello prima ancora che apra la pagina. Esiste anche una sezione speciale, chiamata convenzionalmente “Optional”, che raccoglie materiali utili ma non essenziali: se il contesto è stretto, un LLM può saltarla senza sensi di colpa. Il risultato, quando è fatto bene, è un documento che potresti leggere anche tu, come indice ragionato del tuo sito.
C’è poi un fratello maggiore, llms-full.txt, che vale la pena citare perché spiega fino a che punto si può spingere questa filosofia. Se llms.txt è la mappa del tesoro, llms-full.txt è il forziere aperto: un unico file, spesso molto lungo, che accorpa il contenuto testuale rilevante in Markdown – manuali, guide, FAQ, reference – così da poter essere caricato o consultato in blocco da strumenti e IDE che integrano LLM. È una scelta sensata per documentazioni tecniche e knowledge base, meno per blog o magazine generalisti. È utile, ma va maneggiato con cura: pesa, invecchia, rischia di finire in SERP se non lo tieni lontano dall’indicizzazione classica. E soprattutto richiede manutenzione costante per restare allineato alle pagine originali.
La domanda da un milione di crediti galattici è: serve davvero? Se hai un e-commerce, una tech company, una piattaforma con policy, resi, termini di servizio e una documentazione che gli utenti chiedono continuamente agli assistenti AI, la risposta pragmatica è “probabilmente sì”. Non per la SEO classica, ma per la AI visibility: la capacità di far sì che un assistente, quando deve rispondere su di te, ti legga e ti citi in modo fedele. Se sei un blog o un magazine, il valore si fa più sottile: llms.txt non ti porterà traffico diretto né posizionamenti migliori; può però aiutare a fissare alcune “porte d’ingresso” del tuo lavoro – le pagine “Chi siamo”, le policy editoriali, le rubriche cardine – evitando che l’AI si perda in filtri, infinite scroll e pop-up che piacciono al marketing ma confondono i modelli.
Arrivati qui, è utile ragionare su cosa rende davvero “LLM-friendly” una pagina. Non è questione di schema.org o di magie markup: è la leggibilità. Paragrafi brevi, titoli chiari, gerarchie prevedibili, concetti esplicitati presto, distrazioni ridotte al minimo. Più il testo è segmentato e semanticamente trasparente, più è facile che un LLM lo “mantichi” senza allucinare, lo riusi correttamente e lo citi con precisione. llms.txt, in fondo, è un invito a fare quello che dovremmo fare comunque: scrivere bene, organizzare meglio, scegliere con cura le nostre “pagine bandiera”.
Un’altra area in cui conviene essere onesti è la coabitazione con robots.txt. llms.txt non sovrascrive le regole sui crawler: se hai bloccato certi agent nel robots, restano bloccati. llms.txt entra in scena dopo il permesso d’accesso, quando un modello ha la facoltà di leggerti e gli vuoi semplicemente indicare dove guardare. Allo stesso modo, non ha effetti sulla indicizzazione tradizionale: Google non ti premia per averlo, e probabilmente non gli interessa. Il suo raggio d’azione è l’inference, cioè quel momento in cui un utente chiede a un assistente “Come funziona il reso su Acme Shop?” e tu vuoi che la risposta citi la tua pagina “Spedizioni e Resi” e non quella di un forum del 2018.
Sul fronte dell’adozione, siamo nella fase che i fan della fantascienza chiamerebbero early warp. Esistono già esempi pubblici, directory che raccolgono implementazioni, piattaforme di documentazione – Mintlify è spesso citata – che offrono strade comode per generare il file anche partendo da una sitemap. Qualcuno ha creato generatori “one-click”, qualcuno ha scritto plugin e script. L’idea circola, viene sperimentata, viene fraintesa (non è un robots.txt!) e lentamente trova una propria grammatica d’uso. Ma è bene non farsi illusioni: non c’è un bollino ufficiale dei grandi fornitori che ne garantisca l’efficacia universale. È uno strumento giovane, con un potenziale chiaro e dei limiti altrettanto chiari.
E allora come si porta a casa valore, senza cadere nell’ennesima moda passeggera? Si parte dal progetto editoriale. Definisci quali sono le pagine che rappresentano davvero il tuo sapere: quelle che, citate fuori contesto, non tradiscono il senso; quelle aggiornate, robuste, “evergreen”. Scrivi una descrizione onesta in cima al file, che spieghi in due righe chi sei e cosa troverà un lettore – umano o artificiale. Organizza i collegamenti in sezioni intelligibili: documentazione, guide, policy, contatti, risorse per la stampa, ciò che serve a capire te prima ancora di capire il singolo articolo di giornata. Se hai contenuti utili ma non fondamentali, mettili in coda, in una sezione che non pretenda attenzione quando l’attenzione è poca. E, soprattutto, mantieni: un llms.txt stantio è peggio di nessun llms.txt.
Un inciso importante riguarda le versioni testuali pulite dei contenuti. Non è obbligatorio, ma se puoi offrire endpoint Markdown o pagine “ridotte all’osso” senza orpelli grafici, fallo. Non stai solo aiutando gli LLM: stai costruendo una strada di servizio per tutte le forme di fruizione automatizzata del tuo sito, dai reader agli strumenti di accessibilità. È un investimento che paga in resilienza.
In controluce, llms.txt racconta qualcosa anche del nostro rapporto con l’AI. Per mesi abbiamo subìto l’idea che i modelli arrivassero, raspessero, digerissero e restituissero – spesso senza chiederci il permesso e quasi mai seguendo la mappa mentale che avevamo in testa. llms.txt è un piccolo atto di regia: non impedisce la navigazione, ma prova a darle una trama. È come lasciare sul tavolo di un ospite una guida scritta a mano: “Se hai dieci minuti, leggi questa; se ne hai trenta, passa anche di qua; se devi citarmi, cita questo”.
La chiosa, da magazine nerd, è inevitabile. Nelle storie che amiamo – da The Legend of Zelda a Mass Effect, da Dune a Neon Genesis Evangelion – le mappe non servono a sostituire l’esplorazione: la rendono significativa. Ti indicano i punti di interesse, ti evitano i vicoli ciechi, ti mettono nella condizione di scoprire, non di vagare. llms.txt promette questo agli LLM che oggi stanno diventando l’interfaccia del sapere online. Non è una bacchetta magica, non è un trucco SEO, non è un lasciapassare. È un invito curato a leggere meglio. E in un web che soffoca di frizioni, non è poco.
Se gestisci un progetto con documentazione tecnica, API, policy o una knowledge base che gli utenti interrogano spesso via assistenti, ha senso metterlo in prova, misurare l’effetto sulle risposte e iterare. Se sei un magazine o un blog, può essere un modo per fissare le tue porte d’accesso editoriali e per raccontarti con coerenza agli agenti che – piaccia o no – stanno diventando i nostri nuovi “meta-lettori”.
La domanda finale non è “llms.txt mi farà crescere in SERP?”, ma “quando un’AI parlerà di me, cosa leggerà per prima?”. Se la risposta oggi è “non lo so”, questa piccola mappa potrebbe essere il primo, utile, passo.
Parliamone: stai pensando di sperimentare llms.txt sul tuo sito? Hai già provato una versione “full” per una documentazione corposa? Raccontaci nel commenti cosa ha funzionato, cosa no e quali strumenti ti hanno aiutato a generarlo. La community di CorriereNerd vive di questi crash test: più condividiamo, più cresciamo tutti.
