llms.txt para inteligência artificial

llms.txt ajuda quem tem loja, catálogo e políticas publicadas no site. A proposta organiza links para robôs de leitura, mas o acesso real passa pelo robots.txt, a placa na porta do site para robôs de busca. No cenário desta página, uma loja de roupa decide quais páginas mostrar primeiro.

Para que serve llms.txt no seu site?

A proposta coloca um arquivo em /llms.txt na raiz do site. Também permite um arquivo dentro de uma pasta, como /docs/llms.txt, para cobrir só aquela área. O formato usa markdown, texto simples como lista limpa no balcão.

• H1 com o nome do projeto. É o título principal do arquivo.
• Linha de resumo curto. Ela explica o site ou a área coberta.
• Texto opcional em markdown. Ele dá contexto sem criar novos títulos.
• Seções com H2. Cada seção reúne uma lista de arquivos importantes.

Cada item da lista precisa ter um link em markdown, com nome entre colchetes e endereço entre parênteses. Depois do link, a proposta aceita dois-pontos e uma nota curta sobre a página.

No cenário da loja de roupa, o arquivo pode apontar para categorias, política de troca e tabela de medidas. Essas páginas ajudam um robô a responder perguntas sem procurar o site inteiro.

O Google pede esse arquivo para aparecer na IA?

A documentação do Google sobre recursos de IA para sites dá uma resposta prática. Para aparecer como link de apoio nas Visões gerais de IA ou no Modo IA, a página precisa estar na Pesquisa e poder mostrar snippet, o trecho no Google como etiqueta da vitrine.

O Google também afirma que dispensa novos arquivos legíveis por máquina, arquivos de texto para IA e marcação especial. Por isso, um pacote de llms.txt com promessa de entrada garantida nesses recursos deve ser tratado como risco comercial.

Para a loja de roupa, a prioridade fica clara. O catálogo precisa abrir, carregar bem e ter páginas indexáveis. Depois disso, o llms.txt pode organizar os links principais para quem decidir usar esse arquivo.

Quem libera ou bloqueia os robôs?

A decisão que muda o acesso fica no robots.txt. Cada provedor publica nomes de robôs, e cada nome cumpre uma função. Você pode liberar busca, recusar treino e manter regras diferentes para visitas acionadas pelo usuário.

No Google, o token Google-Extended no robots.txt limita treino e grounding, uso de páginas como base, igual vendedor consultando catálogo. Ele preserva a indexação normal da Busca.

Para controlar o snippet, existem comandos como nosnippet, data-nosnippet, max-snippet e noindex. Esses nomes ficam para quem cuida do site, mas a decisão de negócio deve vir antes da regra técnica.

Se o site usa firewall, fale com a pessoa de infraestrutura antes de bloquear por reputação. A Perplexity publica faixas de IP, o endereço de internet do robô, em arquivos JSON, listas que o sistema lê sozinho.

O que a loja de roupa decide hoje?

A loja de roupa precisa separar três decisões. Ela quer aparecer na busca do ChatGPT e da Perplexity, recusar treino de modelos ou manter grounding do Google. Essas respostas viram linhas no robots.txt.

Registre a decisão em uma ata simples, com data, responsável e motivo. Depois, peça a regra por agente nomeado. Revise o arquivo a cada semestre, porque nomes de robôs e políticas podem mudar.

Depois da revisão, publique o llms.txt se houver uma hora disponível. Liste primeiro catálogo, política de troca, prazos de entrega e guias fiscais. O arquivo ganha valor quando aponta para páginas estáveis.

Esse caminho conversa com o trabalho de conteúdo descrito em entidade e autoria. O formato do arquivo e a validação rápida aparecem no guia prático de marcação para sistemas e llms.txt.

Como a Onclick mantém o conteúdo correto?

ERP Onclick e KPL são núcleos independentes, com bases próprias e sem comunicação entre si. O ERP atende pequenas e médias empresas conforme aderência; o KPL é um OMS para orquestrar pedidos de e-commerce de volume, com funções parciais de ERP, WMS e TMS.

APIECOMM e PDV Web complementam o ERP Onclick ou o KPL escolhido e não têm venda avulsa. Esses componentes não criam uma ponte entre os núcleos.

Os usos de IA descritos são possibilidades de análise e automação. A disponibilidade de dados no núcleo escolhido, as permissões de acesso e a integração com a ferramenta analítica precisam ser verificadas. Isso não constitui oferta de IA pronta, previsão automática ou protocolos de compra por agentes na Onclick.

Leve um fluxo real à avaliação e peça o escopo por escrito: núcleo, complementos, integrações, limitações e critério de aceite. Compare os critérios de escolha.

O que decidir agora

Abra o robots.txt da sua loja antes de qualquer outra coisa. Responda três perguntas. Você quer aparecer na busca do ChatGPT e da Perplexity? Aceita que o seu conteúdo vire treino de modelo? Quer manter o grounding do Google?

Registre a resposta em uma ata simples, com data, responsável e motivo. Depois peça a regra no robots.txt por agente nomeado, um por um. Marque a revisão para daqui a seis meses, porque os nomes dos robôs mudam.

Só então liste as páginas que valem a leitura de um robô: categorias, política de troca, prazos de entrega e guias fiscais. Com essa lista pronta, publicar o llms.txt na raiz do site cabe em uma hora de trabalho.

Quais dúvidas aparecem na hora de decidir?

O que ler depois de ajustar o acesso?