llms-full.txt: het bestand met alle content dat AI-assistenten voedt in 2026

llms-full.txt is een voorgesteld, onofficieel bestandsformaat dat de complete content van de belangrijkste pagina's van een site verpakt in één goed georganiseerd markdowndocument in de root van de site. Het is de zwaardere tegenhanger van llms.txt: waar dat bestand een samengestelde lijst links biedt, levert llms-full.txt de eigenlijke tekst, zodat een AI-systeem alles in één keer kan inlezen zonder van pagina naar pagina te navigeren of door HTML te waden.

Het idee bestaat omdat AI-assistenten niet browsen zoals mensen en hun contextvensters vaak te klein zijn voor een hele website. Door schone content vooraf te verpakken, willen deze bestanden een site makkelijker leesbaar maken voor een groot taalmodel op het moment dat een gebruiker om hulp vraagt. Voor marketeers is het een extra hefboom in de bredere inzet op AI-zoekzichtbaarheid, al is het, zoals we zullen zien, een onbewezen hefboom.

Wat is llms-full.txt?

llms-full.txt is een bundelbestand: een enkel markdowndocument met de volledige tekst van je documentatie of belangrijkste pagina's, inclusief koppen en soms ingesloten afbeeldingen, in plaats van alleen verwijzingen ernaar. Het staat meestal in de root van een domein, zodat AI-tools het voorspelbaar kunnen vinden, net als andere bestanden op rootniveau. Het formaat gebruikt standaard markdown zodat machines het netjes kunnen verwerken.

Het groeide uit het llms.txt-voorstel dat Jeremy Howard in september 2024 publiceerde om modellen een toegangspunt op expertniveau en leesbaar voor machines tot een site te geven. llms-full.txt breidt dat concept uit van een plattegrond naar de volledige content, en past vanzelf bij het doel om LLM-ready content te publiceren die AI-systemen zonder wrijving kunnen gebruiken.

llms.txt versus llms-full.txt

De twee bestanden lossen verwante problemen op op een verschillende diepte. llms.txt is een lichte, samengestelde inhoudsopgave: een H1 met de sitenaam, een korte samenvatting en lijsten met links, elk teruggebracht tot een beschrijving van één zin. Het geeft een model een routekaart naar je belangrijke content zonder zijn contextvenster te overweldigen.

llms-full.txt kiest de tegenovergestelde aanpak en levert alles in één keer, met de volledige tekst van die pagina's ingesloten in één bestand. De grondigste implementaties bieden beide aan, zodat een AI-tool kan terugvallen op de lichte plattegrond of de volledige lading kan kiezen op basis van zijn mogelijkheden en de grootte van zijn contextvenster.

Hoe het bestand is opgebouwd

Beide bestanden volgen een eenvoudige markdownhiërarchie. Eén H1 noemt het project of de site, een optioneel citaatblok geeft een korte samenvatting en H2-secties ordenen de content. Links volgen het patroon van een naam, een volledige URL en een optionele toelichting, en volledige URL's hebben de voorkeur boven relatieve paden, zodat een model ze overal kan oplossen.

Het verschil zit in wat er na de structuur komt. In llms.txt staan in de H2-secties links; in llms-full.txt bevatten die secties de eigenlijke paginacontent, inclusief koppen, geschreven in schone markdown. Die tekst goed georganiseerd en vrij van opmaakruis houden maakt het een model makkelijk om haar op te delen, vergelijkbaar met goede content chunking op een gewone pagina.

Hoe AI-systemen deze bestanden gebruiken

AI-tools laden een pagina niet zoals een browser. Als ze een llms-full.txt-bestand lezen, krijgen ze een directe stroom content zonder HTML, navigatie en scripts, wat het tokenverbruik verlaagt en antwoorden kan versnellen. Van sommige crawlers, waaronder GPTbot, is waargenomen dat ze llms.txt-bestanden ophalen, wat wijst op groeiende belangstelling voor de conventie.

Toch is de ondersteuning ongelijk. De bestanden zijn een opkomende communitystandaard, geen universele, en niet elke assistent haalt ze op of houdt er rekening mee. Ze bestaan naast, en vervangen niet, de systemen die AI-antwoorden voeden, waaronder gewone AI-crawlers en het live ophalen waarop veel assistenten draaien.

Hoe het verschilt van robots.txt en sitemaps

Het helpt om deze bestanden naast bekende te zetten. robots.txt bepaalt welke crawlers je site mogen bezoeken en welke trainingssignalen je uitzendt; het regelt toestemming. Een sitemap somt elke indexeerbare URL voor zoekmachines op, maar biedt geen voor LLM's geschikte tekst of selectie. llms.txt en llms-full.txt doen iets anders: ze bepalen wat een AI-agent ontvangt zodra hij er is, door content te selecteren en te bundelen voor inferentie.

Kort gezegd bepaalt robots.txt wie binnenkomt, somt de sitemap pagina's op voor indexering en verpakken de llms-bestanden content zodat een model haar daadwerkelijk kan lezen. Elk heeft een eigen rol, en llms-full.txt gebruiken maakt de andere niet overbodig, net zomin als gezonde AI-indexering van je gewone pagina's.

Adoptie en gebruik in de praktijk

De adoptie is snel gegroeid vanuit bijna niets. Volgens een telling van BuiltWith bieden meer dan 2000 websites een llms.txt-bestand aan, tegen bijna geen begin 2024, en opvallende bedrijven als Anthropic, Cloudflare en Hugging Face hebben versies gepubliceerd. Het patroon komt het meest voor bij sites met veel documentatie, waar het bundelen van API-docs, onboardinggidsen en supportpagina's in één bestand echt nuttig is.

Het beste past het bij content waarover een AI-assistent rechtstreeks moet kunnen redeneren, zoals ontwikkelaarsdocumentatie. Voor een typische marketingsite is de waarde kleiner, en je tijd kun je beter steken in de basis van structuur, duidelijkheid en een AI-contentstrategie die werkt ongeacht één bestandsformaat.

Helpt llms-full.txt bij SEO en GEO?

Hier telt eerlijkheid. Een veelgehoorde bewering is dat het hosten van deze bestanden ervoor zorgt dat AI-assistenten je merk vaker aanbevelen, maar het beschikbare bewijs ondersteunt dat niet. Omdat grote crawlers de conventie niet allemaal ondersteunen, is het toevoegen van het bestand geen betrouwbaar ranking- of citatiesignaal, en als je het zo behandelt, investeer je te veel voor weinig rendement.

De duurzame weg naar AI-zoekzichtbaarheid blijft duidelijke, goed gestructureerde, citeerbare content, consistente entiteiten en sterke signalen van derden, en dat is de kern van optimalisatie voor AI-citaties. llms-full.txt kan een verstandig gemak zijn voor AI-tools die het lezen, vooral voor documentatie, maar het is een aanvulling op goede content en geen vervanging.

Best practices en beperkingen

Als je het implementeert, houd het bestand dan juist en actueel, want verouderde gebundelde content kan elke tool die haar leest verkeerd informeren. Bied llms.txt en llms-full.txt allebei aan waar dat zinvol is, gebruik schone markdown met volledige URL's en richt het bestand op de content die een assistent het meest waarschijnlijk nodig heeft. Houd de bestandsgrootte in de gaten ten opzichte van de contextvensters van de tools waar het je om gaat.

De belangrijkste beperkingen zijn ongelijke ondersteuning, onderhoudslast naarmate je content verandert en het ontbreken van bewezen rankingvoordeel. Behandel llms-full.txt als een goedkoop experiment voor sites in documentatiestijl en niet als prioriteit voor elke site, en meet of de tools die je target het echt gebruiken voordat je er fors in investeert.

Hoe maak en onderhoud je een llms-full.txt-bestand?

Om een llms-full.txt-bestand te maken, exporteer je je nuttigste pagina's als schone markdown, voeg je ze samen in één tekstbestand onder één H1 met een korte samenvatting en publiceer je het in de root van je domein naast llms.txt. Het echte werk is het bestand synchroon houden met de site.

1. Kies de reikwijdte. Houd documentatie, gidsen, product- en prijspagina's en FAQ's. Laat dunne pagina's, duplicaten, tagarchieven en juridische standaardteksten weg, die lengte toevoegen zonder informatie.
2. Zet om naar schone markdown. Haal navigatie, footers, cookiebanners en scripts weg. Behoud koppen, lijsten, tabellen en codeblokken, want die dragen de structuur die een model nodig heeft.
3. Stel het bestand samen. Begin met een H1 met de sitenaam en een samenvatting van één alinea als citaatblok, zoals het llms.txt-voorstel beschrijft, en voeg dan per pagina een sectie toe met de titel als kop en de volledige URL, zodat elke passage te herleiden is.
4. Publiceer het op /llms-full.txt. Lever het als UTF-8-platte tekst of markdown en vermeld het in llms.txt, zodat beide bestanden naar elkaar verwijzen.
5. Genereer het automatisch opnieuw. Bouw het bestand bij elke publicatie opnieuw op, via een buildstap of een CMS-hook. Een bestand dat de prijzen of functies van vorig jaar beschrijft, doet meer kwaad dan geen bestand.
6. Let op grootte en gebruik. Beperk het bestand op grote sites tot de kerndocumentatie of splits het op per sectie. Bekijk je logbestanden van AI-crawlers om te zien of een bot het daadwerkelijk opvraagt.

Zie het bestand als een goedkope aanvulling: het vervangt de crawlbare HTML-pagina's niet, die de belangrijkste bron blijven die AI-assistenten lezen. Een stapsgewijze installatie van het kortere bestand vind je in onze gids over een llms.txt-bestand installeren.

Conclusie

llms-full.txt is een enkel markdownbestand dat de volledige content van een site in één schoon, goed verwerkbaar document aan AI-tools levert, en de lichtere llms.txt-plattegrond uitbreidt tot het hele gebied. Het speelt in op een echte behoefte, want modellen kunnen niet browsen zoals mensen en hebben beperkte context, en het is het nuttigst voor sites met veel documentatie.

Wil je verder, combineer dit dan met LLM-ready content en bredere optimalisatie voor AI-citaties, en gebruik de onderzoeks- en contentplanningstools van Sorank om de duurzame content te bouwen die AI echt beloont. Bronnen ter referentie: llms-txt-voorstel en Airefs.