Aktualizacja: wrzesień 2026. Redakcja merytoryczna: Damian Grądzki, Senior SEO/GEO w WBIZNES.
We wrześniu 2026 żaden z głównych dostawców modeli AI nie potwierdził, że plik llms.txt jest wykorzystywany produkcyjnie do wyboru źródeł i jako czynnik sprzyjający cytowaniom. Plik nie szkodzi i w niektórych zastosowaniach ma sens, ale nie jest czynnikiem widoczności w ChatGPT, Gemini czy Perplexity i nie powinien być pierwszym krokiem w pozycjonowaniu AI.
To jasne stanowisko potwierdzone konkretnymi argumentami. Przedstawiamy 5 znaczących faktów w tej kwestii, 5 mitów i listę rzeczy, które warto zrobić zamiast tego.
📎 Podstawy: Czym jest GEO (Generative Engine Optimization)?
Z tego artykułu dowiesz się
- Czym jest plik llms.txt i dlaczego nie jest standardem, tylko propozycją
- Czym różni się od robots.txt, z którym bywa mylony
- Co dokładnie powiedzieli o nim Google, OpenAI i Anthropic, z datami wypowiedzi
- Ile plików llms.txt jest faktycznie odczytywanych przez boty i kto je czyta
- Kiedy wdrożenie mimo wszystko ma sens i co zrobić w zamian
Czym jest plik llms.txt?
Plik llms.txt to propozycja formatu opublikowana 3 września 2024 roku przez Jeremy’ego Howarda, współzałożyciela Answer.AI i fast.ai. Zakłada umieszczenie w katalogu głównym witryny pliku w formacie Markdown, który wskazuje modelom najważniejsze podstrony: dokumentację, sekcję pytań i odpowiedzi, kluczowe materiały.
Uzasadnienie było technicznie sensowne. Nowoczesne strony zawierają nawigację, skrypty, reklamy i elementy szablonu, które zajmują miejsce w oknie kontekstowym modelu, nie wnosząc treści. Duże modele językowe mają ograniczoną możliwość czytania kontekstu, więc właściciel witryny, który wie, które podstrony są istotne, mógłby wskazać je wprost i pomóc modelowi lepiej zrozumieć strukturę serwisu.
W zamyśle plik miał być czymś w rodzaju mapy najważniejszych treści o firmie, przygotowanej z myślą o modelach językowych. Odróżnia go to od pliku sitemap.xml, który wymienia wszystkie adresy w serwisie bez wskazywania, które z nich są istotne, i jest przeznaczony dla robotów wyszukiwarek.
Format jest prosty: nagłówek pierwszego stopnia z nazwą, opcjonalny akapit opisu, potem sekcje z odnośnikami pogrupowanymi tematycznie. Bywa uzupełniany o wariant llms-full.txt, zawierający pełną treść zamiast samych odnośników.
A czym llms.txt nie jest? Nie jest standardem W3C ani IETF, tylko propozycją opublikowaną przez jedną osobę na stronie llmstxt.org. Nie jest regułą dla crawlerów, bo nie nakazuje ani nie zabrania niczego. Nie jest sygnałem rankingowym, bo żaden dostawca nie zadeklarował, że go używa.
To ostatnie odróżnia go od robots.txt w sposób, który przesądza o wszystkim.
llms.txt vs. robots.txt: cztery różnice
Oba pliki leżą w katalogu głównym i oba adresują boty, ale na tym podobieństwa się kończą.
| Wymiar | robots.txt | llms.txt |
| Status | Protokół wykluczania robotów, opisany w RFC 9309, obsługiwany od lat dziewięćdziesiątych | Propozycja z 2024 roku, bez ciała standaryzacyjnego |
| Kto się zobowiązał | Google, OpenAI, Anthropic i Perplexity deklarują przestrzeganie w dokumentacji | Żaden dostawca nie zadeklarował produkcyjnego użycia |
| Co robi | Ogranicza dostęp: mówi, czego bot nie powinien pobierać | Sugeruje treść: mówi, co jest ważne |
| Format | Zwykły tekst, dyrektywy User-agent, Disallow, Allow | Markdown z nagłówkami i listami odnośników |
| Odpowiednik dla wyszukiwarek | – | Najbliżej mu do pliku sitemap.xml, ale ten może wymieniać wszystkie adresy, a nie wybrane |
Warto dodać trzeci punkt odniesienia. Plik sitemap.xml wymienia wszystkie adresy URL w serwisie i służy robotom wyszukiwarek do sprawniejszego odnajdywania podstron. Jest obsługiwany od dwudziestu lat i wspierany przez wszystkie główne wyszukiwarki. Trzy pliki, trzy różne zadania: robots.txt ogranicza dostęp, sitemap.xml wymienia wszystko, llms.txt miałby wskazywać najważniejsze treści.
Różnica druga jest tą, która przesądza. Standard działa wtedy, gdy przyjmie go strona odbierająca. Protokół robots.txt funkcjonuje, bo crawlery zgodziły się go czytać. Plik llms.txt wdrożył połowę uzgodnienia, na którą nikt po drugiej stronie nie przystał.
📎 Konfiguracja dostępu botów AI to osobny temat i tam decyzje mają realne konsekwencje: boty AI w robots.txt
Dlaczego jeden pomiar widoczności w AI nic nie znaczy?
Bo modele generują odpowiedzi z rozkładu prawdopodobieństwa, a nie odczytują ich z bazy. Ten sam prompt zadany dwa razy potrafi zwrócić dwie różne listy firm, i to bez żadnej zmiany po Twojej stronie.
Skalę zjawiska opisują cztery niezależne badania.
- SparkToro wspólnie z Gumshoe.ai przeprowadziło 2 961 uruchomień tych samych pytań w ChatGPT, Claude i Google AI. Szansa na uzyskanie identycznej listy marek w dwóch odpowiedziach wyniosła poniżej 1 na 100. Ta sama lista w tej samej kolejności: poniżej 0,1%.
- QAnswer w benchmarku z kwietnia 2026 sprawdził powtarzalność przy temperaturze zero, czyli w ustawieniu najbardziej przewidywalnym z możliwych. Przy dłuższych, otwartych pytaniach identyczną odpowiedź uzyskano w 70% przypadków w Gemini 2.5 Flash, 20% w Claude 4.5 i 0% w GPT-5 oraz GPT-4o.
- AirOps zbadał, ile marek utrzymuje obecność w dwóch następujących po sobie uruchomieniach tego samego zapytania. Wynik: około 30%.
- Citation drift, czyli zmiana zestawu cytowanych źródeł, wynosi 40–60% miesięcznie. Obrazowy przykład tej zmienności: udział Reddita w cytowaniach ChatGPT spadł z 60% do 10% w ciągu kilku tygodni.
Wariancja siedzi na poziomie uruchomienia, nie promptu
To ustalenie odwraca intuicję, którą ma większość firm. Naturalnym odruchem jest budowanie coraz dłuższej listy pytań kontrolnych, tymczasem zestaw pięćdziesięciu (a najlepiej 10 najlepiej dopasowanych do celu biznesowego) promptów uruchomiony dziesięć razy mówi o stabilności więcej niż pięćset promptów uruchomionych raz.
Powód jest prosty: zmienność mieści się w tym, co dzieje się między jednym uruchomieniem a drugim, a nie w tym, ile różnych pytań zadałeś. Dodając kolejne pytania, poszerzasz zakres. Dodając powtórzenia, zmniejszasz błąd pomiaru.
Praktyczna arytmetyka dla firmy B2B: 30 promptów × 3 platformy × 4 uruchomienia w tygodniu = 360 obserwacji tygodniowo. Przy takiej próbie różnice rzędu kilku punktów procentowych zaczynają być odróżnialne od szumu. Dla wyniku istotnego statystycznie na poziomie pojedynczego pytania SparkToro rekomenduje 60–100 uruchomień, co przy trzydziestu promptach oznacza kilka tygodni zbierania danych.
5 faktów, które musisz wziąć pod uwagę
Kalendarium wypowiedzi i danych, w kolejności chronologicznej. Wszystkie pochodzą z wypowiedzi przedstawicieli dostawców albo z badań na dużych próbach.
Kto i co naprawdę czyta pliki llms.txt?
Ahrefs przeanalizował logi serwerów i ruch na 137 210 domenach, które odnotowały odwiedziny w maju 2026 roku. Sprawdził, które z nich mają w katalogu głównym plik llms.txt zwracający kod 200, a następnie prześledził każde żądanie do tej ścieżki.
28% domen miało taki plik. Ahrefs zaznacza, że jego klienci są bardziej techniczni niż przeciętny właściciel witryny, więc tę liczbę należy traktować jako górną granicę, nie jako obraz całej sieci.
Z około 38 000 poprawnych plików 97% nie odnotowało w maju ani jednego żądania. Ani od bota, ani od człowieka. Ruch trafił do mniej więcej 1 100 plików.
Najciekawszy jest jednak rozkład tych, które ktoś pobrał.
| Kto pobierał | Udział |
| Narzędzia do audytu SEO | 21,7% |
| Nazwane narzędzia AI (GPTBot, Claude-Code, PerplexityBot) | 19,5% |
| Boty niezidentyfikowane | 14,9% |
| Ogólne crawlery wyszukiwarek | 13,1% |
| Narzędzia profilujące technologie | 11,6% |
| Agenci AI i infrastruktura agentowa | 10,5% |
Największą grupą odbiorców są narzędzia audytowe, czyli dokładnie te, które obniżają ocenę witrynie za brak pliku llms.txt. Rynek zamyka się sam w sobie: plik istnieje głównie po to, żeby zaspokoić narzędzia sprawdzające, czy plik istnieje.
Boty odpowiadające za pobieranie treści do odpowiedzi stanowiły około 1,1% wszystkich żądań. Do tego dochodzi obserwacja rozstrzygająca sprawę: crawlery AI nie pytają o llms.txt na domenach, które go nie mają. Gdyby któryś system szukał tego pliku, w logach pojawiłyby się błędy 404. Nie pojawiają się.
Niezależnie SE Ranking przeanalizował około 300 000 domen. W ich modelu predykcyjnym usunięcie zmiennej opisującej obecność llms.txt poprawiło trafność przewidywania cytowań — plik wnosił szum, nie sygnał.
Pięć mitów o llms.txt
Mit 1: llms.txt poprawia widoczność w ChatGPT i Perplexity
Nie ma na to dowodu, a dane logów przemawiają przeciw. Boty pobierające treść do odpowiedzi odpowiadały za około jeden procent żądań do tych plików i nie sprawdzają ich na witrynach, które ich nie mają. Modele językowe budują odpowiedzi z treści, którą już mają zindeksowaną, a plik z autoopisem nie jest dla nich bardziej wiarygodny niż same podstrony. Analiza SE Ranking na 300 000 domen nie wykazała istotnej statystycznie zależności między obecnością pliku a częstotliwością cytowań.
Mit 2: Skoro Google ma llms.txt na swoich domenach, to znaczy, że go używa
Google odpowiedział na to wprost. W grudniu 2025 plik pojawił się w dokumentacji deweloperskiej i zniknął tego samego dnia – była to konsekwencja aktualizacji systemu zarządzania treścią, nie decyzja zespołu wyszukiwarki. W styczniu 2026 John Mueller zapytany, czy obecność tych plików oznacza poparcie, odpowiedział jednym słowem: nie.
Mit 3: Anthropic wymienia llms.txt w dokumentacji, więc Claude go czyta
Anthropic rzeczywiście odnotował ten format w dokumentacji Claude w listopadzie 2024 i jest to najdalej idące odniesienie ze strony któregokolwiek dostawcy. Wymienienie formatu w dokumentacji nie jest jednak deklaracją, że model korzysta z pliku przy wyborze źródeł do odpowiedzi. Takiej deklaracji nie złożył żaden z dostawców.
Mit 4: To nowy standard, więc trzeba się przygotować
Nie jest standardem. Nie przeszedł przez W3C ani IETF, nie ma ciała standaryzacyjnego ani procesu wersjonowania. Jest propozycją opublikowaną na prywatnej stronie. Dla porównania protokół robots.txt został sformalizowany w dokumencie RFC 9309, a jego przestrzeganie deklarują wszyscy główni dostawcy.
Mit 5: Nie zaszkodzi, więc warto na wszelki wypadek
Sam plik faktycznie nie szkodzi i jego przygotowanie zajmuje niewiele czasu. Koszt leży gdzie indziej: w przekonaniu, że coś się zrobiło. Firma, która ma llms.txt i uważa temat widoczności w AI za odhaczony, nie sprawdziła dostępu botów, nie przebudowała opisów produktów i nie zajęła się wzmiankami. To nie plik jest problemem, tylko to, co przez niego nie zostało zrobione.
Jest też drobne ryzyko techniczne, o którym warto wiedzieć: llms.txt w wersji pełnej ułatwia konkurencji zebranie całej treści serwisu w jednym miejscu.
Kiedy plik llms.txt mimo wszystko ma sens?
W dwóch zastosowaniach i oba są dalekie od marketingu.
Dokumentacja techniczna dla narzędzi programistycznych. To był pierwotny cel propozycji. Kiedy programista korzysta z asystenta w środowisku programistycznym i pyta o Twoją bibliotekę albo interfejs programistyczny API, dobrze przygotowany llms.txt wskazujący dokumentację ma praktyczną wartość: skraca czas i pozwala modelowi lepiej zrozumieć strukturę interfejsu, oszczędzając przy tym tokeny. Tak też tłumaczy jego sens sam Mueller, nazywając go tymczasową podpórką dla narzędzi programistycznych.
Własne systemy oparte na wyszukiwaniu w dokumentach. Jeśli budujesz wewnętrznego asystenta na własnych treściach, plik porządkujący strukturę materiałów jest wygodnym punktem wyjścia. Tutaj kontrolujesz obie strony uzgodnienia, więc pytanie o adopcję nie występuje.
Dla producenta maszyn, wykonawcy czy dostawcy usług technicznych priorytet jest niski. Firma B2B nie sprzedaje interfejsu programistycznego, a jej dokumentacja nie jest konsumowana przez asystentów kodu. Jeśli masz wolne dwie godziny i wybierasz między llms.txt a przeniesieniem tabeli parametrów z pliku PDF do treści strony, drugie da nieporównanie więcej.
Jeśli mimo to chcesz wdrożyć: sześć zasad
Plik jest tani w przygotowaniu, więc decyzja o wdrożeniu bywa uzasadniona choćby wygodą. Sześć zasad, które oddzielają wersję sensowną od bezużytecznej.
- Umieść w katalogu głównym, pod adresem twojadomena.pl/llms.txt. Inne lokalizacje nie mają sensu, bo nikt tam nie zajrzy
- Zachowaj format Markdown: nagłówek pierwszego stopnia z nazwą firmy, akapit opisu, sekcje z odnośnikami pogrupowane tematycznie
- Wskazuj konkretne adresy URL, nie kategorie. Odnośnik do listy produktów wnosi mniej niż pięć adresów najważniejszych kart z krótkim opisem każdej. Plik llms.txt nie ma powielać pliku sitemap.xml, tylko wybierać z niego to, co istotne
- Opisz każdy odnośnik jednym zdaniem. Sama lista adresów nie niesie informacji, której nie ma w mapie witryny
- Nie dubluj treści bez potrzeby. Wariant llms-full.txt z pełną treścią serwisu ułatwia pobranie całości jednym żądaniem, co bywa niepożądane
- Zaplanuj aktualizację albo zrezygnuj. Plik wskazujący nieistniejące podstrony jest gorszy niż jego brak, bo wprowadza w błąd narzędzia, które go czytają
Zasada siódma, nieformalna: nie licz na efekt w widoczności i nie sprzedawaj go zarządowi jako działanie w tym obszarze.
Co zrobić zamiast tego?
Czas, który poświęciłbyś na llms.txt, lepiej zainwestować w pięć rzeczy o udokumentowanym wpływie.
Sprawdź, czy boty AI mają wstęp na stronę. Poprawny plik robots.txt to za mało, gdy zapora zwraca kod 403 albo 429. To najczęstsza przyczyna niewidoczności, jaką spotykamy w audytach, i jednocześnie jedyna z tej listy, którą sprawdzisz w dwadzieścia minut.
Przenieś parametry z plików PDF do treści strony. Modele czytają pliki PDF, gdy ktoś im je poda, ale nie sięgają po nie, wybierając źródła do odpowiedzi. 📎 jak pisać opisy produktów technicznych
Wdróż dane strukturalne. Nie jako gwarancję cytowań, bo tej nie ma, ale po to, żeby systemy odczytywały fakty o firmie jednoznacznie. 📎 dane strukturalne dla B2B i firm technicznych
Zadbaj o wzmianki poza własną domeną. W badaniu Ahrefs na 75 000 marek wzmianki korelowały z widocznością w AI na poziomie 0,664, a linki zwrotne 0,218. To korelacja, nie dowód sprawczości, ale kierunek jest jednoznaczny. 📎 wzmianki o marce a widoczność w AI (wkrótce)
Zmierz punkt wyjścia. Bez stałego zestawu promptów nie da się po trzech miesiącach ocenić, czy cokolwiek się zmieniło. 📎 jak sprawdzić widoczność firmy w AI
„Pytanie o llms.txt pada na co drugim spotkaniu i zwykle brzmi: czy mamy to wdrożyć. Odpowiadam, że mogą, to godzina pracy, ale niech nie liczą, że coś się zmieni. Gorsze jest to, co dzieje się potem. Firma odhacza temat AI, bo ma plik, i przez pół roku nikt nie sprawdza, że zapora blokuje GPTBota. Plik nie kosztuje. Kosztuje przekonanie, że temat jest załatwiony. Zdecydowanie ważniejszy jest audyt dostępności pod LLM-y np. ten dostępny za darmo w narzędziu deweloperskim Chrome czyli Lighthouse. Audyt może zrobić każdy, za darmo. Nazywa się “Przeglądanie agentowe”. Ten plik daje lepszy pogląd na blokady niż tylko ocena: llms.txt - jest lub go nie ma."
📚 Skoro tu jesteś, te treści Cię zainteresują
- Pozycjonowanie AI a klasyczne SEO: 7 różnic
- Google AI Overviews w Polsce: co zmieniają dla firm przemysłowych
- Marketing przemysłowy i skuteczna sprzedaż B2B
- Zrealizowane projekty WBIZNES
🎬 Materiały wideo Wojtka Bizuba
- Co naprawdę DZISIAJ działa w marketingu internetowym
- 6 liczb, bez których marketing to tylko przepalanie pieniędzy
- Kanał YouTube Wojciecha Bizuba
Podsumowanie
Plik llms.txt jest dobrym pomysłem, który nie znalazł odbiorcy. Propozycja jest technicznie spójna, format sensowny, a uzasadnienie logiczne. Brakuje jednej rzeczy: zgody strony, która miałaby te pliki czytać.
- Żaden dostawca modeli nie zadeklarował produkcyjnego użycia przy wyborze źródeł do odpowiedzi
- 97% plików nie odnotowało ani jednego żądania w maju 2026, przy próbie 137 210 domen
- Największą grupą czytelników są narzędzia audytu SEO — te same, które obniżają ocenę za brak pliku
- Crawlery AI nie pytają o ten plik na domenach, które go nie mają
- Sensowne zastosowania istnieją, ale dotyczą dokumentacji dla narzędzi programistycznych, nie widoczności marki
Zamiast pliku, który nic nie zmienia, sprawdź pięć rzeczy, które działają. Zacznij od najprostszej: wpisz w terminalu curl -A „GPTBot” -I https://twojadomena.pl/ i zobacz, jaki kod zwraca serwer. Jeśli inny niż 200, masz problem pilniejszy niż jakikolwiek plik w katalogu głównym.
Jeśli wolisz to zlecić: sprawdzimy, co realnie blokuje widoczność Twojej firmy w modelach AI — dostęp botów, strukturę treści, dane strukturalne i obecność marki poza własną domeną. Bez sprzedawania Ci plików, które nikt nie czyta.
📎 Zobacz zakres pozycjonowania AI (GEO) dla firm przemysłowych, budowlanych i technicznych
FAQ: najczęściej zadawane pytania
Czy llms.txt jest potrzebny do widoczności w AI?
Nie. Google stwierdza w przewodniku po optymalizacji pod funkcje generatywne, w sekcji poświęconej obalaniu mitów, że pliki tworzone dla AI nie są potrzebne do pojawienia się w generatywnych wynikach wyszukiwania. Żaden z pozostałych dostawców nie zadeklarował, że korzysta z tego pliku przy wyborze źródeł do odpowiedzi.
Czy llms.txt szkodzi stronie?
Sam plik nie szkodzi i nie wpływa negatywnie na pozycje w wyszukiwarce. Dwa drobne ryzyka to nieaktualne odnośniki, jeśli nikt pliku nie utrzymuje, oraz ułatwienie konkurencji pobrania całej treści serwisu w wariancie llms-full.txt. Realnym kosztem jest jednak przekonanie, że temat widoczności w AI został załatwiony.
Czym llms.txt różni się od robots.txt?
Robots.txt to protokół opisany w dokumencie RFC 9309, którego przestrzeganie deklarują wszyscy główni dostawcy, i który ogranicza dostęp botów. Llms.txt to propozycja z 2024 roku, bez ciała standaryzacyjnego i bez deklaracji użycia ze strony dostawców, która sugeruje treść zamiast ograniczać dostęp.
Ile plików llms.txt jest faktycznie czytanych?
Według badania Ahrefs na próbie 137 210 domen, opublikowanego 15 czerwca 2026, 97% poprawnych plików nie odnotowało w maju 2026 ani jednego żądania. Wśród 3%, które zostały pobrane, największą grupę stanowiły narzędzia do audytu SEO z udziałem 21,7%, a boty pobierające treść do odpowiedzi około 1,1% wszystkich żądań.
Czy Anthropic używa llms.txt, skoro wymienia go w dokumentacji?
Anthropic odnotował ten format w dokumentacji Claude w listopadzie 2024 i jest to najdalej idące odniesienie ze strony któregokolwiek dostawcy. Wymienienie formatu nie jest jednak równoznaczne z deklaracją, że model korzysta z pliku przy wyborze źródeł do odpowiedzi w wyszukiwaniu.
Kiedy warto wdrożyć llms.txt?
Przy dokumentacji technicznej konsumowanej przez asystentów programistycznych oraz w budowie własnych systemów opartych na wyszukiwaniu w dokumentach. W obu przypadkach kontrolujesz odbiorcę pliku albo znasz jego zastosowanie. Dla typowej firmy B2B priorytet jest niski, a te same dwie godziny lepiej wykorzystać na przeniesienie parametrów technicznych z plików PDF do treści strony.
Źródła
- llmstxt.org, propozycja Jeremy’ego Howarda z 03.09.2024: https://llmstxt.org/
- Ahrefs, „Analyzing llms.txt Adoption and Bot Traffic Across 137K Domains”, https://ahrefs.com/blog/llmstxt-study/
- Ahrefs, „What Is llms.txt, and Should You Care About It?”, https://ahrefs.com/blog/what-is-llms-txt/
- Matt G. Southern, 97% Of LLMS.txt Files Got No Requests, Ahrefs Data Shows, https://www.searchenginejournal.com/97-of-llms-txt-files-got-no-requests-ahrefs-data-shows/579478/
- Search Engine Roundtable, stanowisko Johna Muellera w sprawie plików na domenach Google, Google Search Team Does Not Endorse LLMs.txt Files, seroundtable.com/google-does-not-endorse-llms-txt-40789.html
- Google Search Central, przewodnik po optymalizacji pod funkcje generatywne, sekcja o obalaniu mitów, https://developers.google.com/search/docs/fundamentals/ai-optimization-guide?hl=pl
- Wypowiedź Gary’ego Illyesa, Search Central Live, lipiec 2025, https://www.searchenginejournal.com/google-search-central-apac-2025-everything-from-day-two/551941/
- SE Ranking, Does LLMs.txt impact your AI visibility and citations? No, according to research, analiza około 300 000 domen, https://seranking.com/blog/llms-txt/
