llms-full.txt: az a teljes tartalmú fájl, amely 2026-ban táplálja az AI-asszisztenseket

Az llms-full.txt egy javasolt, nem hivatalos fájlformátum, amely az oldal kulcsfontosságú oldalainak teljes tartalmát egyetlen, jól szervezett markdown-dokumentumba csomagolja az oldal gyökerében. Ez az llms.txt nehezebb párja: ahol az utóbbi a hivatkozások válogatott listáját kínálja, az llms-full.txt a tényleges szöveget szolgáltatja, így az AI-rendszer mindent egyszerre be tud olvasni, anélkül hogy oldalról oldalra navigálna vagy HTML-en gázolna át.

Az ötlet onnan ered, hogy az AI-asszisztensek nem úgy böngésznek, mint az emberek, és a kontextusablakuk gyakran túl kicsi ahhoz, hogy egy egész weboldalt befogadjon. Ha a tiszta tartalmat előre becsomagolják, ezek a fájlok azt célozzák, hogy egy nagy nyelvi modell számára könnyebb legyen elolvasni a weboldalt abban a pillanatban, amikor a felhasználó segítséget kér. Marketingesnek ez egy újabb eszköz az AI-keresési láthatóság növelésére, bár, ahogy látni fogjuk, egyelőre nem bizonyított hatású.

Mi az llms-full.txt?

Az llms-full.txt egy összesítő fájl: egyetlen markdown-dokumentum, amely a dokumentációd vagy a kulcsfontosságú oldalaid teljes szövegét tartalmazza, a címsorokkal és néha beágyazott képekkel együtt, nem csak a rájuk mutató hivatkozásokat. Jellemzően a domain gyökerébe helyezik, hogy az AI-eszközök kiszámíthatóan megtalálják, hasonlóan a többi gyökérszintű fájlhoz. A formátum szabványos markdown, így a gépek tisztán fel tudják dolgozni.

A javaslat az llms.txt-ből nőtt ki, amelyet Jeremy Howard tett közzé 2024 szeptemberében, hogy a modelleknek szakértői szintű, géppel olvasható belépési pontot adjon egy weboldalhoz. Az llms-full.txt ezt a koncepciót a térképről a teljes tartalomra terjeszti ki, és természetesen illeszkedik ahhoz a célhoz, hogy az olyan LLM-re felkészített tartalmat publikálj, amelyet az AI-rendszerek súrlódás nélkül tudnak használni.

Az llms.txt és az llms-full.txt összehasonlítása

A két fájl kapcsolódó problémákat old meg, de eltérő mélységben. Az llms.txt egy könnyű, válogatott tartalomjegyzék: egy H1 az oldal nevével, egy rövid összefoglaló és hivatkozáslisták, amelyek mindegyike egyetlen mondatos leírást kap. Ez útiterv a modellnek a fontos tartalmaidhoz anélkül, hogy túlterhelné a kontextusablakát.

Az llms-full.txt az ellenkező megközelítést választja, és mindent egyszerre ad át: az oldalak teljes szövegét egyetlen fájlba ágyazza. A legalaposabb megvalósítások mindkettőt biztosítják, tartalékot teremtve, hogy az AI-eszköz a képességei és a kontextusablaka mérete alapján a könnyű térképet vagy a teljes tartalmat válassza.

Hogyan épül fel a fájl?

Mindkét fájl egyszerű markdown-hierarchiát követ. Egyetlen H1 nevezi meg a projektet vagy az oldalt, egy opcionális idézetblokk rövid összefoglalót ad, a H2 szakaszok pedig rendszerezik a tartalmat. A hivatkozások a név, a teljes URL és egy opcionális megjegyzés mintáját követik, és a teljes URL-eket a relatív útvonalak helyett részesítik előnyben, hogy a modell bárhol fel tudja oldani őket.

A különbség a szerkezet után jön. Az llms.txt-ben a H2 szakaszok hivatkozásokat listáznak; az llms-full.txt-ben ezek a szakaszok viszik a tényleges oldaltartalmat, a címsorokkal együtt, tiszta markdownban. Ha ez a szöveg jól szervezett és mentes az elrendezési zajtól, a modell könnyen szegmentálni tudja, hasonlóan egy jó tartalomdarabolási megoldáshoz egy normál oldalon.

Hogyan használják az AI-rendszerek ezeket a fájlokat?

Az AI-eszközök nem úgy töltenek be egy oldalt, mint a böngészők. Amikor egy llms-full.txt fájlt olvasnak, a tartalom közvetlen folyamát kapják, a HTML-t, a navigációt és a szkripteket eltávolítva, ami csökkenti a tokenfogyasztást és gyorsíthatja a válaszokat. Több feltérképező robotról, köztük a GPTbot-ról is megfigyelték, hogy llms.txt fájlokat tölt le, ami jelzi a konvenció iránti növekvő érdeklődést.

Ennek ellenére a támogatás egyenetlen. A fájlok feltörekvő közösségi szabványok, nem egyetemesek, és nem minden asszisztens keresi vagy tartja tiszteletben őket. Ezek a rendszerek az AI-válaszokat tápláló rendszerek mellett működnek, nem pedig helyettük, ideértve a hagyományos AI-feltérképező robotokat és azt az élő visszakeresést, amely sok asszisztenst működtet.

Miben különbözik a robots.txt-től és a sitemapektől?

Érdemes ezeket a fájlokat a megszokottak mellé helyezni. A robots.txt szabályozza, hogy mely feltérképező robotok férhetnek hozzá az oldaladhoz, és milyen tanítási jeleket sugárzol; a jogosultságot vezérli. A sitemap minden indexelhető URL-t felsorol a keresőmotoroknak, de nem kínál LLM-barát szöveget vagy válogatást. Az llms.txt és az llms-full.txt mást tesz: azt alakítja, hogy mit kap egy AI-ügynök, amint megérkezik, és a tartalmat az következtetéshez válogatja és összesíti.

Röviden: a robots.txt dönti el, ki léphet be, a sitemap felsorolja az oldalakat az indexeléshez, az llms-fájlok pedig úgy csomagolják a tartalmat, hogy a modell ténylegesen el tudja olvasni. Mindegyiknek más a szerepe, és az llms-full.txt használata nem szünteti meg a másik kettő, sem a normál oldalaid egészséges AI-indexelésének szükségességét.

Elterjedtség és valós használat

Az elterjedtség szinte a semmiből gyorsan nőtt. A BuiltWith egyik becslése szerint több mint 2000 weboldal tesz közzé llms.txt fájlt, miközben 2024 elején szinte egy sem volt, és jelentős cégek, mint az Anthropic, a Cloudflare és a Hugging Face közzétettek változatokat. A minta leginkább a dokumentációban gazdag oldalaknál gyakori, ahol az API-dokumentáció, a bevezető útmutatók és a támogatási oldalak egyetlen fájlba rendezése valóban hasznos.

A legerősebb illeszkedést azok a tartalmak mutatják, amelyekről egy AI-asszisztens közvetlenül érveléseket kérhet, például a fejlesztői dokumentáció. Egy tipikus marketingoldalnál az érték kisebb, és az erőfeszítést érdemesebb a szerkezet, az egyértelműség és egy olyan AI-tartalomstratégia alapjaira fordítani, amely bármely egyedi fájlformátumtól függetlenül működik.

Segít-e az llms-full.txt a SEO-nak és a GEO-nak?

Itt az őszinteség számít. Gyakori állítás, hogy ezeknek a fájloknak a közzététele arra készteti az AI-asszisztenseket, hogy gyakrabban ajánlják a márkádat, de a rendelkezésre álló bizonyítékok ezt nem támasztják alá. Mivel a nagy feltérképező robotok nem egységesen támogatják a konvenciót, a fájl puszta hozzáadása nem megbízható rangsorolási vagy idézési jel, és ha annak tekintjük, könnyen túlinvesztálhatunk kevés megtérülésért.

A tartós út az AI-keresési láthatósághoz továbbra is a világos, jól strukturált, hivatkozható tartalom, a következetes entitások és az erős harmadik féltől származó jelek, ami az AI-hivatkozások optimalizálásának magja. Az llms-full.txt kényelmes segítség lehet azoknak az AI-eszközöknek, amelyek olvassák, különösen a dokumentációnál, de a jó tartalom kiegészítője, nem pótléka.

Bevált gyakorlatok és korlátok

Ha bevezeted, tartsd pontosan és naprakészen a fájlt, mert az elavult összesített tartalom félrevezetheti bármely eszközt, amely olvassa. Ahol van értelme, adj mindkét fájlt, az llms.txt-t és az llms-full.txt-t, használj tiszta markdownt teljes URL-ekkel, és a fájlt arra a tartalomra összpontosítsd, amelyre az asszisztensnek a legvalószínűbben szüksége lehet. Figyeld a fájlméretet a számodra fontos eszközök kontextusablakához képest.

A fő korlátok az egyenetlen támogatás, a karbantartási teher, ahogy a tartalmad változik, és a bizonyított rangsorolási előny hiánya. Az llms-full.txt-t olcsó kísérletként kezeld dokumentáció jellegű oldalaknál, nem minden oldal prioritásaként, és mérd meg, hogy a célzott eszközök valóban fogyasztják-e, mielőtt nagyot költesz rá.

Hogyan hozol létre és tartasz karban egy llms-full.txt fájlt?

Az llms-full.txt fájl létrehozásához exportáld a leghasznosabb oldalaidat tiszta markdownként, rakd össze őket egyetlen szövegfájlba egyetlen H1 alatt egy rövid összefoglalóval, és tedd közzé a domain gyökerében, az llms.txt mellett. A valódi munka az, hogy szinkronban tartsd az oldallal.

1. Válaszd ki a terjedelmet. Tartsd meg a dokumentációt, az útmutatókat, a termék- és árazási oldalakat és a GYIK-et. Hagyd ki a vékony oldalakat, a duplikátumokat, a címkearchívumokat és a jogi sablonszöveget, amely hosszat ad információ nélkül.
2. Alakítsd tiszta markdownra. Távolítsd el a navigációt, a láblécet, a sütibannereket és a szkripteket. Tartsd meg a címsorokat, a listákat, a táblázatokat és a kódblokkokat, mert ezek hordozzák azt a szerkezetet, amelyre a modellnek szüksége van.
3. Állítsd össze a fájlt. Kezdd egy H1-gyel, amely megnevezi az oldalt, és egy egy bekezdéses idézetblokk összefoglalóval, ahogy a llms.txt javaslat leírja, majd oldalanként adj egy szakaszt, a cím címsorként és a teljes URL-jével, hogy minden rész visszavezethető legyen.
4. Tedd közzé a /llms-full.txt útvonalon. UTF-8 szövegként vagy markdownként szolgáld ki, és említsd meg az llms.txt-ben, hogy a két fájl egymásra mutasson.
5. Generáld újra automatikusan. Minden közzétételnél építsd újra a fájlt, build lépésen vagy CMS-hookon keresztül. Az a fájl, amely tavalyi árakat vagy funkciókat ír le, több kárt okoz, mint az, ha nincs fájl.
6. Figyeld a méretet és a használatot. Nagy oldalaknál korlátozd a fájlt a fő dokumentációra, vagy bontsd szakaszok szerint. Ellenőrizd az AI-feltérképező robotok naplóit, hogy lásd, tényleg kéri-e valamelyik robot.

Kezeld a fájlt olcsó kiegészítőként: nem helyettesíti a feltérképezhető HTML-oldalakat, amelyek továbbra is a fő forrást jelentik, amelyet az AI-asszisztensek olvasnak. A rövidebb fájl beállításához lépésről lépésre útmutatónk segít: llms.txt fájl telepítése.

Összegzés

Az llms-full.txt egyetlen markdown fájl, amely egy tiszta, feldolgozható dokumentumban juttatja el a weboldal teljes tartalmát az AI-eszközöknek, és a könnyebb llms.txt térképet a teljes területre bővíti ki. Valós igényt tükröz, mert a modellek nem tudnak úgy böngészni, mint az emberek, és korlátozott a kontextusuk, és a dokumentációban gazdag oldalaknál a leghasznosabb.

A továbblépéshez kösd ezt össze az LLM-re felkészített tartalommal és az AI-hivatkozások optimalizálásának egészével, és a Sorank kutatási és tartalomtervezési eszközeivel építsd fel azt a tartós tartalmat, amelyet az AI valóban jutalmaz. Hivatkozott források: llms-txt javaslat és Airefs.