Оглавление

Специалисты по поисковой оптимизации и владельцы ресурсов, надеявшиеся на легкий путь в поисковую выдачу нового поколения, столкнулись с холодным душем реальности. Как сообщает издание Let’s Data Science, Джон Мюллер, старший аналитик Google, скептически оценил значимость файлов llms.txt для систем рекомендаций на базе больших языковых моделей.

В ходе подкаста Search Off the Record представитель поискового гиганта пояснил, что текстовые файлы-манифесты не могут служить надежным критерием для выбора контента. По мнению Мюллера, использование такого файла равносильно заявлению владельца сайта о том, что его ресурс является лучшим в мире, что само по себе не несет объективной ценности для алгоритмов ранжирования.

Хотя Google и добавил аудит llms.txt в инструменты Lighthouse, официальная документация компании прямо классифицирует эти файлы как второстепенные. В контексте генеративного поиска они не являются обязательным условием для появления сайта в ответах ИИ, что подтверждает общую стратегию компании по приоритезации качества контента над техническими декларациями.

Цифры против ожиданий

Эмпирические данные подтверждают слова аналитика: индустрия пока не спешит внедрять новый стандарт, а те, кто это сделал, не видят активности ботов. Исследователи из компании Ahrefs проанализировали логи 137 000 доменов, и результаты оказались весьма показательны для тех, кто верит в магию новых форматов.

Статистика использования файлов в мае 2026 года выглядит следующим образом:

  • Лишь 28% изученных доменов разместили у себя файл llms.txt.
  • Около 97% этих файлов получили ровно ноль запросов за месяц.
  • Большая часть зафиксированного трафика исходила от инструментов аудита, а не от реальных поисковых ИИ-агентов.

«По сути, вы просто говорите этим системам: у меня самый лучший сайт на свете, и вот страницы, на которые все обязаны зайти. Но для моделей это слабый сигнал», — Джон Мюллер, Google

Техническая роль и системные ограничения

Проблема доверия к самодекларируемым данным — это классическая дилемма в архитектуре информационных систем. Когда любой ресурс может опубликовать идентичные хвалебные метаданные, ценность такого сигнала для LLM стремится к нулю, напоминая судьбу тега meta keywords, который когда-то также считался панацеей, но был дискредитирован спамом.

Тем не менее, Мюллер допускает узкий сценарий использования: если ИИ-агент уже находится на сайте, файл llms.txt может сработать как дорожная карта, помогая боту быстрее сориентироваться в структуре страниц для выполнения конкретной задачи. Это делает файл полезным для технической документации или специфических платформ для разработчиков, но не для общего продвижения в сети.

Для большинства проектов стратегия остается неизменной: работа над семантической структурой HTML, качественной внутренней перелинковкой и каноническим контентом дает гораздо больше преимуществ, чем надежда на текстовый манифест. В мире, где агенты ИИ становятся все более изощренными, они предпочитают судить о сайте по его реальному наполнению, а не по записке, оставленной в корневом каталоге.