llms.txt: Scope, Evidence, and Limitations

Document type: Protocol   |   Version: 1.0   |   Published: 28 July 2026

Executive Abstract

A neutral protocol note positioning llms.txt as a documentation interface rather than a universal AI ranking signal.

Definisi

llms.txt adalah proposal atau convention untuk menyediakan jalur dokumentasi yang mudah dibaca sistem AI pada konteks tertentu. Nilainya harus dinilai berdasarkan adoption dan use case aktual, bukan dianggap sebagai ranking factor universal.

Ruang Lingkup

• File location, content scope, documentation navigation, maintenance, and provider-specific support.
• Perbedaan antara crawlability, indexing, retrieval, documentation convenience, dan ranking.
• Evidence requirement untuk setiap claim manfaat.

Batas dan Pengecualian

• Tidak menyatakan Google Search menggunakan llms.txt.
• Tidak menganggap file tersebut menggantikan HTML, sitemap, robots, schema, atau API documentation.
• Tidak menjual file sebagai shortcut inclusion lintas model.

Model Operasional

Documentation Interface

File dapat merangkum jalur dokumentasi bagi consumer yang memilih membacanya.

Provider Adoption

Manfaat bergantung pada apakah engine atau tool tertentu benar-benar menggunakan file.

Maintenance

Isi harus sinkron dengan canonical documentation dan tidak menjadi shadow website.

Measurement

Pengujian harus membedakan fetch, citation, answer inclusion, dan ranking claim.

Disclosure

Website harus menjelaskan experimental status dan limitation.

Langkah Implementasi atau Pengujian

• 1. Tentukan consumer dan use case.
• 2. Pastikan semua link menuju canonical assets.
• 3. Catat access log jika memungkinkan.
• 4. Uji dengan dan tanpa file secara repeatable.
• 5. Hindari claim universal tanpa dokumentasi provider.

Evidence Requirements

• File version and change log.
• Server access logs.
• Provider documentation.
• Controlled test results.
• Canonical link inventory.

Governance dan Versioning

llms.txt harus dikelola sebagai optional interface. Keputusan implementasi tidak boleh mengalihkan sumber daya dari crawlability, content quality, internal architecture, dan structured data yang sudah terbukti relevan.

Keterbatasan

• Banyak sistem tidak mendokumentasikan dukungan.
• Fetch tidak membuktikan ranking impact.
• Google secara resmi menyatakan file AI khusus tidak diperlukan untuk tampil di fitur generative AI Search.

Sumber Primer

• Google guide to generative AI search

GEO.or.id operates as an independent research and methodology platform. This document does not provide a ranking guarantee, legal opinion, or permanent visibility claim.