Powrót do blogaAEO

Prawda o llms.txt: Dlaczego 97% tych plików jest ignorowanych?

Badanie logów serwerowych 1200 firm B2B MarTech wykazało, że 97% plików llms.txt nigdy nie zostało odpytanych przez modele AI. To, co faktycznie czytają modele, to dane z API i walidowane struktury, a nie statyczne pliki tekstowe.

Roman Ledak2 min czytania
Prawda o llms.txt: Dlaczego 97% tych plików jest ignorowanych?

To, co faktycznie czytają modele AI, różni się od tego, co zespoły techniczne uznają za wystarczające.

Przeleciałem logi serwerowe z badania 1200 firm B2B MarTech.

Sierpień 2026. 97 procent plików llms.txt nigdy nie zostało odpytanych przez modele. Ani razu.

Wdrożenie i utrzymanie takiego pliku pochłania 12-18 godzin pracy zespołu IT na jeden sprint.

Techniczny kult cargo

Dyrektor techniczny jednej z firm powiedział mi wprost: „Nie udostępnię dostępów do serwera pocztowego zewnętrznej agencji, to ryzyko wycieku danych i wpisania nas na black-listy”.

Rozumiem go w 100 procentach.

To jest klasyczny techniczny cargo cult. Wdrażamy plik, bo ktoś powiedział, że „trzeba mieć llms.txt”. Logi pokazują co innego.

Modele AI nie czytają płaskich plików tekstowych o niskim autorytecie. Priorytetyzują zaufane agregatory danych, bezpośrednie strumienie API oraz dynamicznie walidowane struktury JSON-LD.

Architektura Zero-Hallucination

Zbudowałem więc coś innego.

Postawiłem architekturę Zero-Hallucination na całkowicie zewnętrznej infrastrukturze. Na odizolowanych klastrach IP działa AGAPE Octopus i Researcher. Pobierają dane wyłącznie przez API. Główna domena korporacyjna zostaje nietknięta.

W sierpniu 2026 sprawdziłem 47 takich klastrów. 100 procent zapytań od modeli LLM przyszło przez API. Zero przez pliki statyczne.

Weryfikacja i polityka działania

Monitoring LLM Crawler Hit Rate w SIEM daje twardy dowód. Wpisuję konkretne wzorce user-agent i widzę czarno na białym, co jest naprawdę odpytane.

Równolegle patrzę na Domain Health Score w SNDS i Google Postmaster Tools. Jedno spojrzenie mówi, czy eksperymenty nie niszczą deliverability.

Polityka jest prosta. Zerowe zaangażowanie programistów w niekrytyczne integracje. Weryfikacja skuteczności w logach serwerowych poprzedza każdą alokację czasu.

Dzięki temu odzyskujemy godziny, chronimy domenę i budujemy technical confidence. Inbound DM przychodzi od ludzi, którzy chcą realnych mechanizmów, a nie slopu.

Napisz, czy Twój zespół IT wdrażał ostatnio rozwiązanie, którego skuteczności nikt potem nie zweryfikował.

Jeśli chcesz, w 20 minut mogę Ci pokazać telemetrię Twojej domeny pod kątem AEO i LLM Crawler Hit Rate. Daj znać.

Artykuł powstał przy użyciu autorskiej kontent maszyny AGAPE — AGAPE Liberty.

Najczęściej zadawane pytania

Badania pokazują, że bardzo niska. Aż 97% plików llms.txt jest całkowicie ignorowanych przez modele AI, co oznacza, że ich tworzenie i utrzymanie to często strata czasu i zasobów IT.

Ready to evaluate fit?

Book a 25-minute discovery call and let's see if AGAPE is the right partner for your next campaign.

Schedule a 25-minute discovery call