Validatore di llms.txt

llms.txt è un file di testo nella radice del sito che elenca, in markdown, le pagine che vuoi far leggere a un'AI e cosa contiene ognuna. La proposta è del 2024 ed è nata per un problema concreto: un modello che deve rispondere su di te non riesce a digerire il tuo sito intero, e l'HTML è pieno di menu, banner e cookie. Un indice scritto a mano gli risparmia il lavoro.

Va detto chiaramente, perché in giro si legge il contrario: nessun motore di ricerca ha dichiarato di usarlo. Google ha detto in più occasioni di non tenerne conto, e OpenAI e Anthropic non hanno mai annunciato di leggerlo per le risposte. Chi lo usa davvero oggi sono le piattaforme di documentazione e gli assistenti di codice, dove il file viene passato al modello insieme alla domanda.

Vuol dire che è inutile? No, ma cambia il conto: è un investimento da mezz'ora che oggi rende poco e potrebbe rendere di più. Se stai scegliendo dove mettere il tempo, prima vengono le pagine leggibili, il robots.txt che non blocca i crawler che citano e i contenuti che rispondono a una domanda vera. llms.txt viene dopo, e ha senso soprattutto se hai documentazione, un catalogo o un blog con dentro risposte che vuoi far trovare.

L'ordine dei pezzi è fisso: un H1 con il nome del progetto, subito sotto un blockquote di riepilogo, poi eventuali paragrafi liberi, poi le sezioni H2 con dentro le liste di link. Ogni voce si scrive - [Titolo](https://indirizzo-intero): descrizione, con l'indirizzo completo e una frase che spiega quando quella pagina serve.

Le due righe che pesano di più sono le prime. Il riepilogo dopo l'H1 è quello che un modello legge per primo e spesso l'unico che finisce in una risposta: se dice «il sito ufficiale di Azienda Srl» hai buttato l'occasione, se dice cosa fai, per chi e dove, hai dato qualcosa da citare. Le descrizioni delle voci fanno lo stesso lavoro un livello più giù: sono loro a far scegliere quale pagina aprire fra le tue.

Poi c'è una sola parola con un significato speciale, ed è Optional. Una sezione chiamata così dice a chi legge che quei link si possono saltare quando lo spazio è poco: ci vanno la storia dell'azienda, le note legali, le pagine di contorno. Va scritta in inglese anche in un file italiano, perché è il nome che i parser cercano. Gli H3 non esistono nello standard: chi li usa scopre che una parte dei lettori li ignora e attacca i link alla sezione precedente.

Il più grave non è nel file, è nel server: all'indirizzo /llms.txt risponde una pagina HTML. Succede quando il file non c'è e il sito mostra la sua pagina «non trovato» con stato 200, oppure quando il markdown viene servito come text/html. In tutti e due i casi chi legge riceve del markup: qui lo riconosciamo perché il corpo comincia con un tag invece che con del testo.

Subito dopo viene il riepilogo assente. È la riga che manca in quasi tutti i file che controlliamo, e siccome non rompe niente nessuno se ne accorge: il file resta valido come markdown e perde la sua frase più importante. Terzo, gli indirizzi relativi. Il file viene letto fuori dal tuo sito, a volte incollato dentro un prompt: da lì /blog/guida non porta da nessuna parte.

Poi c'è l'errore di quantità. Esportare la sitemap e infilarci trecento link trasforma un indice in un elenco: nessuno lo legge tutto, e le pagine che contano affogano fra le altre. Se devi tagliare, tieni quello che risponde a una domanda che ti fanno davvero i clienti e sposta il resto sotto Optional. Ultimo, i doppioni: la stessa pagina in due sezioni con due descrizioni diverse dice a chi legge che non hai deciso nemmeno tu a cosa serve.