Qué es y qué dice el estándar
AgentReady lo clasifica como AR-DISC-03 (SHOULD) y AR-DISC-04 para la versión extendida (MAY). No es MUST. El spec oficial está en llmstxt.org: un índice markdown en la raíz que resume el producto y enlaza los documentos que el agente debe leer primero. llms-full.txt es lo mismo pero ingerible en una sola petición dentro de la ventana de contexto.
isitagentready lo detecta pero no lo puntúa como crítico; su peso real está en 'Content Accessibility' y 'Discoverability', no como varita mágica de citas.
Los números — con trazabilidad
| Hecho | Dato observado | Implicación honesta |
|---|---|---|
| Adopción llms.txt top 1k | 8,7 % (jun 2026, n≈1.000, fuente: llmstxt.org + plan interno — sin dataset público aún) | El archivo solo no diferencia — no lo uses como badge de autoridad |
| Google sobre llms.txt | No lo usa para ranking (declaración pública Google, 2026) | No lo vendas como SEO |
| Fetch real belmon.tech | ≈0,12 % (logs propios 01–15 ago 2026, n=1 dominio, 15 días — no generalizable) | La base es el sitio, no el archivo |
| Correlación llms.txt → citas | r ≈ 0,03 (estudio externo 300k dominios citado en plan — dataset y metodología pendientes de publicar) | Tener el archivo no predice ser citado — correlación casi nula |
| Qué sí correlaciona (observado) | Contenido answer-first (glosario belmon.tech: 1 definición autocontenida por concepto) | Estructura predecible + fuentes = citado por LLM (ver glosario) |
Regla honesta: Implementa llms.txt/llms-full.txt SI tu audiencia son desarrolladores que consumen docs vía LLM (Vercel, Supabase, GitHub lo hacen). No lo prometas como posicionamiento GEO. La evidencia disponible (fetch n=1 + correlación r≈0,03 pendiente de replicar) no lo sustenta. Lo que sí mueve citas en nuestras mediciones es el glosario answer-first y el markdown-for-agents (ver validación isitagentready).
Metodología y cómo replicarlo
- Fetch 0,12 %: logs Nginx/Cloudflare de belmon.tech, 01–15 ago 2026, fetch count / hits totales filtrando bots verificados (GPTBot, ClaudeBot, PerplexityBot). Replicable con tu propio log.
- r≈0,03: estudio externo 300k dominios citado en agent readiness.md:28. Sin dataset público aún — lo marcamos como pendiente de verificación, no como hecho.
- Fuentes primarias: agentready.org/spec.json AR-DISC-03/04, llmstxt.org, isitagentready.com.
Qué hacer hoy
- Genera /llms.txt desde tu navegación real (no a mano) y mantenlo sincronizado con /llms-full.txt. Valida que ambos se sirvan como text/plain.
- Anúncialos vía Link header rel=describedby, no solo como archivos sueltos.
- Mide fetch en logs y citas en ChatGPT/Perplexity (muestreo semanal). Si no suben, invierte en glosario + JSON-LD, no en más llms.txt.
Fuente primaria: spec AgentReady v1.0.0 AR-DISC-03/04 + validación isitagentready + logs belmon.tech.