GEO· 6 min de lectura

llms.txt: guía completa de implementación 2026

llms.txt: guía completa de implementación. Qué es, por qué importa para ChatGPT y Claude, formato correcto paso a paso, y caso real antes/después.

Iván MiragayaCo-Founder de Pinseo · SEO en Londres (Cushman & Wakefield, MVF)

Qué es llms.txt

llms.txt es un archivo Markdown que vive en la raíz de tu sitio (/llms.txt) y que existe específicamente para que los LLMs entiendan qué es tu marca, qué haces y qué información importante deben considerar cuando generen respuestas.

Es el equivalente LLM-first de sitemap.xml (que está pensado para crawlers de Google). Mientras sitemap.xml lista páginas para indexar, llms.txt lista hechos curados sobre tu marca para que los modelos los incorporen.

El estándar fue propuesto por Jeremy Howard (Answer.AI, fast.ai) en 2024 y actualmente lo soportan explícitamente: ChatGPT (OpenAI), Claude (Anthropic), Perplexity y la mayoría de crawlers de AI.

llms.txt vs robots.txt: diferencias

Aspectorobots.txtllms.txt
Para quiénGooglebot, Bingbot, crawlers SEOGPTBot, ClaudeBot, PerplexityBot, LLMs
FormatoTexto plano con directivas (Allow/Disallow)Markdown estructurado (Título, secciones, enlaces)
PropósitoPermitir o bloquear rastreoProporcionar información curada para citabilidad
Ubicación/robots.txt/llms.txt + opcional /llms-full.txt
Quién lo leeCrawlers antes de indexarLLMs antes de generar respuestas

Importante: llms.txt NO reemplaza a robots.txt. Son complementarios. robots.txt controla acceso; llms.txt informa contenido.

Por qué importa para GEO

Cuando alguien pregunta a ChatGPT "¿qué es Pinseo?" o "¿cuál es la mejor agencia SEO en Lima?", el modelo genera una respuesta combinando:

  1. Su training data (lo que vio durante el preentrenamiento, hasta fecha de corte)
  2. Resultados de búsqueda en tiempo real (si ChatGPT decide buscar en la web)
  3. Información específica que tu sitio expone para LLMs

El paso (3) es donde llms.txt tiene impacto: si tu sitio tiene un llms.txt bien estructurado, los LLMs lo van a leer primero antes de generar la respuesta, lo que aumenta dramáticamente la probabilidad de citación precisa.

Nuestra experiencia con clientes GEO muestra que sitios con llms.txt actualizado son citados 2-3x más que sitios sin él para queries específicas de marca.

Formato correcto de llms.txt

El estándar define secciones jerárquicas en Markdown:

Estructura básica

# Nombre de tu marca

> Descripción de una línea (blockquote, como propuesta de valor).

## Servicios principales

- [Nombre servicio](URL): descripción breve con keywords naturales.
- [Otro servicio](URL): descripción.

## Sobre nosotros

Historia, fundación, equipo, cobertura geográfica.

## Información de la empresa

- Razón social
- Email de contacto
- Teléfono
- LinkedIn
- Sitio web

## Tecnologías y metodologías

- SEO técnico: ...
- GEO: ...

## Casos destacados

- Cliente 1: métrica verificable
- Cliente 2: métrica verificable

## Idiomas

- es-PE (principal)
- en (secundario)

## Optional

- Reconocimientos
- Disclosure de conflictos
- Idioma de contenido

## Notes

- Última actualización
- Próxima revisión
- Metodología de citabilidad
- Conflicto de interés declarado

## Enlaces

- [Inicio](https://...)
- [Servicios](https://...)

Reglas críticas

  • Título (H1) con el nombre oficial de la marca, sin emojis.
  • Blockquote summary en 1-2 líneas describiendo la propuesta de valor.
  • URLs absolutas (https://...), no relativas.
  • Anchor text descriptivo en cada enlace, no "click aquí".
  • Disclosure explícito de conflictos de interés (ej: "Pinseo opera LLMMonitor, mencionado en servicios GEO").
  • Sin info no verificable: cada claim debe tener fuente o ser declarado como estimación interna.
  • Sin placeholders: nunca "reemplazar con..." en archivo que LLMs consumen.

Caso real: llms.txt de Pinseo antes/después

Antes (versión inicial)

Teníamos un llms.txt con:

  • Claims inconsistentes con homepage (300% tráfico vs 70% real)
  • Placeholder "+34 (reemplazar por número real)" para España
  • Email de dominio incorrecto (ivan@llmmonitor.io en lugar de contacto@pinseo.tech)
  • Solo Iván mencionado, sin Cynthia (co-founder)
  • Sin disclosure de LLMMonitor

Resultado: cuando preguntábamos a ChatGPT "qué hace Pinseo?", citaba info inconsistente y a veces mencionaba contacto incorrecto.

Después (versión actual, 28 de octubre de 2026)

Lo reescribimos con:

  • Las mismas métricas que la homepage, cada una con su cliente y su fuente (35 clientes potenciales al mes, 150% más reservas, 70% más citas online)
  • Sin placeholders
  • Email contacto@pinseo.tech
  • Ambos co-founders
  • Disclosure explícito de LLMMonitor como producto propio
  • Sección ## Notes con fecha de actualización y metodología

Puedes comprobarlo tú mismo en pinseo.tech/llms.txt. Estamos midiendo con LLMMonitor cómo cambian las respuestas de ChatGPT y Perplexity sobre "Pinseo" tras el cambio; actualizaremos este post con los datos cuando tengamos al menos 4 semanas de medición.

Nota importante: este caso es interno. Cada marca tendrá resultados distintos según su sector, competencia y frecuencia de actualización.

Checklist de implementación

  1. ☐ Crear /llms.txt en raíz con estructura estándar (H1, blockquote, secciones jerárquicas)
  2. ☐ Crear /llms-full.txt con versión extendida (opcional, recomendado para sitios >10 páginas)
  3. ☐ Verificar que ambos archivos se sirven con Content-Type: text/plain
  4. ☐ Permitir GPTBot, ClaudeBot, PerplexityBot en robots.txt
  5. ☐ Añadir llms.txt en sitemap.xml (opcional, algunos lo hacen)
  6. ☐ Validar manualmente con ChatGPT + Claude + Perplexity que citen correctamente
  7. ☐ Actualizar trimestralmente (## Notes con fecha de actualización)
  8. ☐ Trackear citaciones mensualmente con LLMMonitor o herramienta similar

¿Quieres implementar llms.txt + GEO completo?

Auditoría GEO gratis: revisamos tu llms.txt, robots.txt, schema y citabilidad actual.

Solicitar auditoría GEO

Sigue leyendo