В начале мая Google обновил Lighthouse - свой главный инструмент аудита сайтов - и добавил туда нечто неожиданное: категорию «Агентный просмотр». Одной из ключевых проверок стал аудит файла llms.txt. Это сигнал: веб-инфраструктура начинает перестраиваться под автономные ИИ-системы, и технические стандарты меняются быстрее, чем к ним успевают привыкнуть.
Что такое агентный просмотр и зачем это вообще нужно
Термин «агентный просмотр» обозначает способность ИИ работать с сайтом без участия человека - самостоятельно находить информацию, анализировать структуру, извлекать нужные данные. Классическая поисковая оптимизация заточена под алгоритмы ранжирования. Здесь задача другая: сделать контент понятным для нейросети, которая действует как агент. псж турнирная таблица
Файл llms.txt - это структурированная карта важных страниц сайта, написанная в формате Markdown. Идея простая. Языковая модель не сканирует ресурс так же методично, как поисковый робот. Она берёт то, что лежит на поверхности и легко парсится. Спрятал ключевые разделы за сложными скриптами - агент их просто не увидит. Формат Markdown выбран неслучайно: машина читает его без труда, человек - тоже.
Почему Google включил это в Lighthouse прямо сейчас
Здесь важен контекст. Ни один из крупных игроков - ни OpenAI, ни Anthropic, ни сам Google - официально не подтвердил, что llms.txt используется в поисковых или чат-продуктах. Представитель Google Джон Мюллер сравнил этот файл с тегом keywords, который давно утратил влияние на выдачу из-за злоупотреблений. Жёсткое сравнение.
Тем не менее компания добавила проверку в свой аудитор. Скорее всего, это проактивный шаг: Google формирует у рынка привычку к новым стандартам качества данных заблаговременно - до того, как они станут обязательными. Своего рода разметка дороги перед тем, как по ней пустят трафик.
Где llms.txt уже работает по-настоящему
Пока поисковики выжидают, файл нашёл реальное применение в инструментах для разработчиков. Редакторы кода с поддержкой ИИ - Cursor, Windsurf, GitHub Copilot, Claude Code - активно обращаются к этому файлу. Когда программист просит нейросеть помочь с интеграцией библиотеки, агент смотрит в документацию проекта. Наличие llms.txt позволяет мгновенно понять структуру и не блуждать по сайту вслепую.
Вот простая матрица приоритетов для разных типов проектов:
- SaaS, документация, API, сервисы для разработчиков - внедрять в первую очередь. Прямое влияние на удобство работы с вашим продуктом через AI-инструменты.
- Корпоративные сайты и интернет-магазины - низкий приоритет. Пока нет данных о влиянии на видимость в поиске или качество ответов чат-ботов.
- Медиа и блоги - средний приоритет. Имеет смысл в долгосрочной перспективе, если важно, чтобы материалы цитировались нейросетями как авторитетные источники.
Стоит ли тратить на это время
С технической точки зрения создание файла занимает минут десять. Простой текстовый документ в корне сайта - заголовок первого уровня, список ключевых разделов, Markdown-форматирование. Это не трудоёмкая задача. Совсем другой вопрос - объяснять клиенту, зачем тратить бюджет на файл, который «никто официально не использует». Здесь коммуникация сложнее самой реализации.
Появление аудита llms.txt в Lighthouse - не повод для паники и не срочное техническое задание. Это индикатор направления. Веб движется от эпохи поиска людей к эпохе поиска машин, и структура данных теперь должна работать не только на глаз пользователя, но и на логику агента. Массово внедрять файл на все проекты прямо сейчас нет смысла. Но держать руку на пульсе и тестировать на пилотах - вполне разумная стратегия для тех, кто не хочет догонять.
