llms.txt 完全ガイド：何であり、なぜ登場し、どこまで期待すべきか

なぜ今 llms.txt に目を向けるべきか

アクセスログを開いてみると、以前はなかった行が増えています。GPTBot や PerplexityBot、ClaudeBot といった名前です。人が検索して訪れた痕跡ではなく、生成エンジンが誰かの質問に答えを作ろうとしてあなたのページを読んでいった記録です。検索エンジンだけを相手にしていたサイトに、新しい読者がもう一種類加わったわけです。

この読者は従うルールが違います。検索エンジンはリンクをたどって順位をつけ、その順位をそのままユーザーに見せてきました。一方、生成エンジンはページを読んで要点を抜き出し、自らの回答の中に取り込んで引用します。それなら、この新しい読者に「うちのサイトで本当に重要なのはこの部分です」とあらかじめ伝える方法はないものでしょうか。llms.txt はまさにその問いに対する一つの答えとして生まれました。

ただ、本題に入る前に期待値をすり合わせておくのがよいでしょう。llms.txt は万能の鍵ではありません。ファイルを一つ上げたからといって、AI が突然あなたのブランドを引用し始めるわけではありません。とはいえ無視してよいものでもありません。作成コストはほとんどかからず、基礎がしっかり整ったサイトなら損をする余地もほとんどないからです。この記事では、その間の正確な立ち位置を見定めようと思います。

llms.txt とは正確には何か

llms.txt はサイトのルート（例：example.com/llms.txt）に置く一枚もののマークダウンファイルです。大規模言語モデル（LLM）があなたのサイトを理解する際の参考にするために作る、キュレーション済みの案内文です。ひとことで言えば、選んで見せる「キュレーション」であり、形式は「マークダウン」です。

短く例えてみましょう。sitemap.xml が建物のすべての部屋を記した全体目録だとすれば、llms.txt は初めて訪れた人に手渡す一枚ものの受付メモに近いものです。すべての部屋を並べる代わりに「お探しのものは、たいていこの三か所です」と絞り込んで道筋を示すほうです。

なぜマークダウンなのでしょうか。HTML ページにはナビゲーションバーや広告、フッター、JavaScript、スタイルが入り混じっています。人の目には自然に映っても、機械が要点となるテキストだけを取り出すにはそれなりの手間がかかります。一方、マークダウンは見出しと本文、リンクの階層構造がそのまま表れるすっきりした形式なので抽出が容易です。だから llms.txt は、余計なものをそぎ落とした、機械が読みやすい入口の役割を果たします。

構造そのものは単純です。最上段に H1 でサイトやプロジェクトの名前を記し、その下に引用句（blockquote）で一文要約を添えます。続いて文脈を説明する自由記述の段落をつなぎ、最後に H2 でまとめたリンクセクションを置きます。形式が軽いので、誰でもテキストエディタで直接書けます。

robots.txt、sitemap.xml と何が違うのか

三つともサイトのルートに置くテキストファイルです。ただ、担う役目はそれぞれ異なります。混同しないよう表に整理すると次のとおりです。

一行にまとめると、robots.txt は門番、sitemap.xml は全体索引、llms.txt はおすすめ動線というわけです。三者は競合するのではなく互いを補完します。ただし順序が重要です。robots.txt で AI ボットのアクセスを遮断していると、llms.txt をどれだけうまく書いても読まれません。ですから、まず立ち入りを許可したうえで sitemap で全体を伝え、最後に llms.txt で要点を強調するという流れが自然です。

よくある誤解を一つ押さえておきましょう。llms.txt は robots.txt を置き換えるものではありません。アクセスを制御したいなら、その仕事は依然として robots.txt（あるいはボットごとの User-agent ポリシー）の役目です。llms.txt は遮断するファイルではなく、案内するファイルだからです。

実際の書き方：最小の例から

形式は例を見るのが一番早く理解できます。以下に架空の会社「Yuyake」の llms.txt の骨格を一つ用意しました。

# Yuyake

> Yuyake は日本の中小カフェ向けの在庫・発注自動化 SaaS です。店舗オーナーがエクセルなしで豆や副資材の発注を管理します。

Yuyake は小規模店舗の発注データを学習して適正在庫を提案し、取引先との発注を自動化します。以下のドキュメントは、製品を正確に理解するうえで核心となるページです。

## 主要ドキュメント

- [製品概要](https://yuyake.example.com/product)：何を解決するのか、誰のためのツールなのか
- [料金プラン](https://yuyake.example.com/pricing)：プラン別の機能と価格
- [導入ガイド](https://yuyake.example.com/docs/getting-started)：最初の発注自動化まで10分の案内

## よくある質問

- [FAQ](https://yuyake.example.com/faq)：データセキュリティ、取引先連携、解約ポリシー

## 任意の参考

- [ブログ](https://yuyake.example.com/blog)：カフェ運営のインサイト
- [採用](https://yuyake.example.com/careers)：チームへの参加

じっくり読んでみると意図が見えてきます。最初の行の H1 は何についてのサイトかを、引用句はアイデンティティを一文で、その次の段落は文脈を、リンクセクションは「ここから見てください」という優先順位を伝えます。「主要ドキュメント」が上に来て「任意の参考」が下に置かれている配置も偶然ではなく、意図した階層です。

もう一歩進んで：本文まで束ねるパターン

一部の実装では、各ページのきれいなマークダウン本文を別途提供することもあります。たとえばページ URL の末尾に .md を付けると本文だけをマークダウンで返す方式で、こうしておくと AI が HTML をパースするコストなしに本文を直接読めます。ただしこの方式は、静的サイトジェネレーターやドキュメントサイトでは比較的容易な一方、一般的なサイトでは追加の作業が発生します。ですから最初から無理して全部そろえる必要はありません。

何を入れ、何を外すべきか

llms.txt は埋めることではなく、削ぎ落とすことに価値が生まれます。sitemap をそのまま書き写してすべての URL を並べると、キュレーションという意味そのものが失われるからです。次の基準で判断すると整理しやすくなります。

• 入れるもの：製品やサービスのアイデンティティを説明するページ、価格やポリシーのように事実関係が明確なページ、FAQ やガイドのように回答にそのまま使われる情報、権威ある主要ドキュメント。
• 外すもの：ログイン・カート・決済のようなトランザクションページ、自動生成されたタグ・ページネーション URL、重複したり古くなったページ、マーケティング用のランディングのバリエーション数十個。

作成時に守るとよい原則を四つ添えます。

1. 一文要約を本当に一文で。引用句の一行は、AI があなたを一行で紹介するときにそのまま引いてくる可能性が高いものです。ですから曖昧なスローガンではなく、明確な定義を書きましょう。
2. リンクごとに説明を添える。URL だけを並べるのではなく、そのページが何を扱っているかを短く書いておきましょう。この説明を見て機械がページの用途を推し量ります。
3. 事実は正確に。価格、機能、ポリシーは実際のページと一致していなければなりません。複数の出典で矛盾が見つかると信頼性が下がります。llms.txt は信頼できる一次情報を自任する場なので、誇張はかえって毒になります。
4. 最新の状態を保つ。ページを移動したり削除したのに llms.txt がそのままだと、壊れたリンクだけが残ります。変更が頻繁なサイトなら、ビルド過程で自動生成するほうが安全です。

現在の限界と現実的な期待値

この記事で最も率直であるべき箇所です。llms.txt への期待は誇張されることが多いものです。大きく三つに分けてみると輪郭がつかめます。

第一に、標準ではなく提案です。robots.txt は長い時間をかけて事実上の慣例として定着しました。一方、llms.txt は比較的最近登場したコミュニティ主導の提案です。だからこそ、すべての AI サービスがこのファイルを読むという保証はありません。あるエンジンは参照し、あるエンジンは無視します。

第二に、強制力がありません。sitemap と同じく、llms.txt も結局はヒントにすぎません。AI がこのファイルに必ず従わなければならないというルールはどこにもありません。うまく書けば役立ち得ても、設置そのものが引用を保証するわけではありません。

第三に、効果をきれいに測定するのが難しいです。llms.txt を追加したあとに引用が増えたとしても、その原因が llms.txt なのか、コンテンツ品質の改善なのか、はたまた別の変化なのかを切り分けるのは厄介です。だから「llms.txt を入れたら引用率が二倍になった」といった断定は、ひとまず疑ってかかるのがよいでしょう。変数が一つだけ変わるケースはほとんどないからです。

では、なぜわざわざやるのか。費用対効果が見合うからです。作成に一、二時間、維持にはほとんど手がかからないうえに損をするリスクが小さく、一部の AI ツールが参照するならその分だけ得になります。ただし「これをやったから GEO は終わり」という思い込みは警戒すべきです。llms.txt は土台の上に載せる仕上げにすぎず、土台そのものではないからです。

llms.txt は良いコンテンツをより読まれやすくすることはできても、存在しないコンテンツをあるかのように見せることはできない。優先順位は、いつでもコンテンツが先だ。

実務チェックリスト

今すぐ適用したい方のための点検リストです。上から下へ順番に確認すれば流れが合います。

• robots.txt で AI 検索ボットのアクセスを許可しているか。遮断していると、その後のすべての作業が無意味になる。
• sitemap.xml が最新で、発行したページを漏れなく収めているか。
• llms.txt をサイトのルート（/llms.txt）に置き、200 応答でマークダウンとして提供されているか、自分で開いて確認したか。
• H1 一行、引用句の一文要約、文脈段落、リンクセクションという基本構造を備えているか。
• 主要なページだけを選んで載せたか。sitemap をそのままコピーしていないか。
• 各リンクに一行の説明を添えたか。
• 価格・ポリシー・機能などの事実関係が実際のページと一致しているか。
• ページ構造が変わったときに llms.txt も更新されるよう（できれば自動生成で）しておいたか。
• 導入の前後で AI エンジンの引用状況を比較できる基準点を取っておいたか。

最後の項目が実質的に肝心です。何かを変えたなら、その効果を確認できなければなりません。ですから llms.txt を含むすべての GEO 作業は、「やった」ではなく「効果があったか」で評価するのが正しいのです。

だから出発点は測定です。ChatGPT や Perplexity、Google AI Overview のような生成エンジンが、あなたのカテゴリの質問に対して今どのブランドを引用しているのか、その中にあなたが入っているのかをまず確認するのが順序です。llms.txt のようなインフラ作業も、結局はこの基準線の上でしか効果を測れないからです。推測ではなく測定から始めましょう。NUDGEO は、まさにその引用状況を確認するところからお手伝いします。