llms.txt, web sitenizin kök dizinine koyduğunuz, AI tarayıcılarına içerik keşfi ve kullanım tercihleri hakkında sinyal vermeyi amaçlayan Markdown tabanlı bir öneri dosyasıdır. Bu rehber tanımı, robots.txt’ten farkını, adım adım uygulamayı ve etkisini nasıl izleyeceğinizi — abartısız ve teknik olarak doğru biçimde — anlatır.
Hızlı Özet (TL;DR)
llms.txt; kök dizine konulan, insan tarafından da okunabilen, AI sistemlerine en değerli içeriğinizi ve kullanım tercihlerinizi işaret etmeyi amaçlayan gelişmekte olan bir öneridir — resmi ya da zorunlu bir standart değildir. Ne yapmaz: Erişim engellemez (bunun için robots.txt ve sunucu kontrolleri ayrı tutulmalıdır) ve görünürlük ya da trafik garantisi vermez; etkisi sınırlı ve dolaylı olabilir. Bu sayfada tanım, teknik kurulum, iki örnek şablon, karşılaştırma tablosu, izleme yöntemleri ve riskler var. llms.txt’i daha geniş hazırlığın bir parçası olarak konumlamak için ilgili rehbere bakın: AI Search Readiness Analizi.
Mini sözlük (teknik olmayan okuyucular için): user-agent = bir botu tanımlayan isim (ör. GPTBot); kanonik/canonical = bir içeriğin “asıl” kabul edilmesini istediğiniz adres; attribution = bir AI yanıtının kaynağınıza atıf yapması; AI crawler = LLM’ler için web içeriği toplayan bot.
llms.txt: Tanım, Amaç ve Benimsenme Durumu
llms.txt, 2024’te Jeremy Howard (Answer.AI) tarafından önerilen ve llmstxt.org‘da tanımlanan bir topluluk önerisidir. Amacı; dil modellerine ve AI tarayıcılarına, sitenizin en önemli içeriğini sade bir Markdown listesiyle sunmak — içerik keşfini kolaylaştırmak, tercih edilen (kanonik) kaynakları işaret etmek ve kullanım/lisans tercihlerinizi okunur biçimde beyan etmektir.
Benimsenme durumu konusunda net olalım: hiçbir büyük AI sağlayıcısı llms.txt’i resmen takip etmeyi taahhüt etmemiştir ve Google, arama tarafında llms.txt’i kullanmadığını açıkça belirtmiştir. Dolayısıyla “zorunlu” veya “evrensel olarak takip edilen” bir dosya değildir; düşük maliyetli, deneysel bir sinyaldir. Bu çerçeve, sayfanın geri kalanındaki her önerinin zemini.
Nasıl Çalışır? Teknik Gereksinimler, Konum ve Format
Çalışma mantığı pasiftir: dosyayı yayınlarsınız, okuyup okumamak botun tercihidir. Üç temel gereksinim: doğru konum (kök dizin), doğru ad (llms.txt), doğru format (düz metin / Markdown, UTF-8).
Dosya konumu, erişim ve sunucu gereksinimleri
Dosya https://siteniz.com/llms.txt adresinden, kimlik doğrulama olmadan, 200 OK ile erişilebilir olmalıdır. Pratik uyarılar: dosyayı CDN/önbellek kuralları engellemesin; text/plain veya text/markdown olarak sunulması yeterlidir; yönlendirme zincirine sokmayın. Önemli ayrım: erişimi kısıtlamak istiyorsanız llms.txt yanlış araçtır — bunun için robots.txt, sunucu kuralları veya kimlik doğrulama gerekir. Sunucu ayarları ve doğrulama adımlarının sistematik kontrolü için: Teknik SEO Denetimi.
Markdown yapısı ve sık kullanılan bölümler
Öneri formatı sadedir: bir # başlık (site adı), > ile kısa açıklama, ## bölümleri altında - [Başlık](URL): açıklama satırları. Toplulukta görülen ek bölümler arasında user-agent’a özel notlar, tercih edilen (kanonik) URL listeleri ve lisans/kullanım beyanları (ör. “no-distribute” benzeri ifadeler) bulunur — bu beyanların hukuki bağlayıcılığının sınırlı olduğunu Riskler bölümünde ayrıca ele alıyoruz. Kural: dosyaya yalnızca herkese açık ve paylaşmak istediğiniz sayfaları yazın; gizli URL, kişisel veri veya iç sistem adresi asla eklemeyin.
llms-full.txt ve varyantlar
Öneride iki dosya geçer: llms.txt (özet/indeks) ve llms-full.txt (ilgili içeriğin tamamını tek dosyada sunan genişletilmiş sürüm — çoğunlukla dokümantasyon siteleri için). Varyantların benimsenmesi ana dosyadan da belirsizdir; çoğu site için önce minimal llms.txt ile başlamak yeterlidir.
llms.txt vs robots.txt, sitemap.xml ve Structured Data — Ne Farkları Var?
Her araç farklı bir sorunu çözer: robots.txt erişimi yönetir, sitemap.xml keşif kataloğu sunar, structured data içeriği makine-okunur kılar, llms.txt ise tercih/kanonizasyon sinyali verir. Birbirinin yerine geçmezler.
| Boyut | llms.txt | robots.txt | sitemap.xml | Structured data (JSON-LD) |
|---|---|---|---|---|
| Amaç | AI’lara içerik keşfi + kullanım tercihi sinyali | Tarama erişimini izinle/engelle | URL envanterini bildirme | İçeriğin anlamını makineye tanımlama |
| Dosya/Meta | Kökte Markdown dosyası | Kökte düz metin dosyası | Kökte XML dosyası | Sayfa içinde script/işaretleme |
| Kontrol tipi | Tercih (bağlayıcı değil) | Erişim (yaygın kabul gören protokol) | Bildirim | Anlamsal tanım |
| AI için sinyal | “Önemli içerik burada, tercihim şu” | “Buraya girme/girebilirsin” | “Bunlar mevcut URL’ler” | “Bu içerik şu varlık/türde” |
| Zorunluluk/benimsenme | Öneri; benimsenme değişken, Google aramada kullanmıyor | Fiili standart; yaygın | Yerleşik standart | Yerleşik standart (schema.org) |
| Birlikte kullanım | Diğer üçünü tamamlar, ikame etmez | Erişim politikasının temeli | Keşfin temeli | Cevaplanabilirliğin temeli |
Structured data ve makine-okunur içerik tarafının derinliği için: machine-readable içerik.
Uygulama: Adım Adım llms.txt Oluşturma Rehberi
Akış dört adımdır: hazırlık → oluşturma → yayınlama → doğrulama.
Hazırlık: amaç, kapsam ve hangi botlara sinyal vereceksiniz?
Üç soruya yanıt verin:
(1) Amaç ne? İçerik keşfi mi, kanonik kaynak işaretleme mi, kullanım tercihi beyanı mı?
(2) Kapsam ne? Hangi 5–15 sayfa sizi en iyi temsil ediyor?
(3) Hedef botlar? Yaygın AI crawler’ları (ör. GPTBot, ClaudeBot, Google-Extended) genel kurallarla mı, ayrı notlarla mı ele alacaksınız?
Hangi sayfaların “kanonik” sayılacağı bir içerik yönetimi kararıdır; kanonizasyon notları için: İçerik Stratejisi.
Örnek: Minimal llms.txt
Örnek amaçlıdır — kendi alan adınız ve sayfalarınızla uyarlayın; hassas veri veya gizli URL eklemeyin.
# Markethinkers Agency
> Türkiye merkezli dijital pazarlama ve SEO ajansı.
<!-- Tek cümlelik site tanımı -->
## Temel İçerik
<!-- En değerli sayfalarınız -->
- [AI SEO Rehberi](https://markethinkers.com/tr/ai-seo-nedir/): AI destekli SEO'ya genel bakış.
- [llms.txt Rehberi](https://markethinkers.com/tr/ai-caginda-yeni-standart-llms-txt-nedir-ne-ise-yarar/): Bu dosyanın uygulama kılavuzu.
Örnek: Geniş şablon llms.txt
Örnek amaçlıdır; bölümleri ihtiyacınıza göre silin/uyarlayın ve yayın öncesi gözden geçirin. Hassas veri eklemeyin.
# Markethinkers Agency
> Türkiye merkezli dijital pazarlama ve SEO ajansı.
## Temel İçerik
- [AI SEO Rehberi](https://markethinkers.com/tr/ai-seo-nedir/): Kavramsal çerçeve.
- [Teknik SEO Denetimi](https://markethinkers.com/tr/teknik-seo-denetimi/): Teknik kontrol listesi.
## Tercih Edilen Kaynaklar <!-- Kanonik işaret: "asıl sürüm budur" -->
- [GEO Rehberi](https://markethinkers.com/tr/generative-engine-optimization-geo-nedir/): Konunun güncel ana sayfası.
## Kullanım Notları <!-- Tercih beyanı; hukuki bağlayıcılığı sınırlıdır -->
- İçerik alıntılanırken kaynak gösterilmesi tercih edilir.
## İletişim
- E-posta: info@ornek-alanadi.com <!-- Genel kurumsal adres; kişisel e-posta yazmayın -->
Yayınladıktan sonra https://siteniz.com/llms.txt adresini tarayıcıda ve curl -I ile doğrulayın (200 OK + düz metin beklenir).
İzleme, Test ve Etkinlik Ölçümü
Dürüst beklenti yönetimi: llms.txt’in etkisi sınırlı ve dolaylı olabilir; doğrulanmış kamuya açık etki verisi henüz kıttır. Bu yüzden yayımlanmış bir vaka sunmak yerine gözlemsel bir deneme planı öneriyoruz: dosyayı yayınlayın, aşağıdaki iki sinyali 4–8 haftalık periyotlarla kaydedin ve eğilimleri çeyreklik değerlendirin — tek haftalık veriden sonuç çıkarmayın.
Log analizi ve user-agent takibi
Sunucu erişim loglarında AI bot user-agent’larını filtreleyin. Örnek (Apache/Nginx logları için):
# Örnek amaçlıdır. Yaygın AI bot user-agent'larını say:
grep -E "GPTBot|ClaudeBot|Google-Extended|PerplexityBot" access.log | wc -l
# llms.txt dosyasına gelen istekleri listele:
grep "GET /llms.txt" access.log
Temel KPI’lar: bot ziyaret sayısı (user-agent bazında, haftalık), llms.txt isteği sayısı, taranan sayfa dağılımı. KVKK notu: Loglar IP gibi kişisel veri içerir; analizde anonimleştirme ve veri minimizasyonu uygulayın, erişimi yetkiyle sınırlayın. Bot kimlikleri ve davranışı için yalnızca resmi dokümantasyona güvenin — ör. Google’ın crawler dokümantasyonu ile OpenAI ve Anthropic’in kendi bot/crawler sayfaları.
Attribution ve referans kullanımını izleme
Markanız ve ana konularınız için 10–20 örnek sorgu belirleyin; AI yüzeylerinde aylık kontrol edip kaynak olarak gösterilme sayısını (attribution tespiti) kaydedin. Mention/AI-görünürlük araçları yardımcı olabilir; ancak bu verinin örnekleme temelli ve eksik olabileceğini unutmayın. Daha geniş öz-denetim ve doğrulama adımları için: AI Search Hazırlık Kontrol Listesi; uçtan uca değerlendirme için: AI Search Readiness Analizi.
Riskler, Gizlilik ve Telif Hakkı — Ne Yapmalı?
- Hukuki bağlayıcılık sınırlıdır. llms.txt içine lisans veya “no-distribute” benzeri notlar ekleyebilirsiniz; ancak bunlar tek taraflı beyanlardır ve hukuki bağlayıcılıkları sınırlıdır. Telif/lisans koruması kritikse hukuki danışmanlık alın.
- Erişim kontrolü değildir. İçeriğe erişimi gerçekten kısıtlamak için robots.txt, sunucu düzeyi kurallar veya kimlik doğrulama kullanın.
- Veri sızıntısı riski. Dosyaya gizli URL, kişisel veri (PII) veya iç sistem bilgisi yazmayın; yayın öncesi bir gözden geçirme adımı zorunlu olsun.
- Eskime riski. Listelediğiniz sayfalar değişir; dosyayı güncelleme takvimine bağlayın (aşağıdaki checklist’te).
Uygulama Kontrol Listesi (Checklist)
☐ Amaç ve kapsam tanımlandı (hangi 5–15 sayfa, hangi tercih) ·
☐ Minimal örnek hazırlandı ·
☐ Hassas veri/gizli URL incelemesi yapıldı ·
☐ Dosya kök dizinde yayınlandı ·
☐ 200 OK erişim testi geçti (curl -I) ·
☐ Log takibi kuruldu (user-agent filtresi) ·
☐ Attribution izleme sorgu seti hazır ·
☐ 3–6 aylık gözden geçirme takvimi atandı.
→ Sonraki adım için ilgili rehbere bakın: AI Search Readiness Analizi.
Sıkça Sorulan Sorular (SSS)
llms.txt nedir ve neden kullanmalıyım?
Kök dizine konulan, AI tarayıcılarına içerik keşfi, kanonizasyon ve kullanım tercihleri hakkında sinyal vermeyi amaçlayan Markdown tabanlı bir öneri dosyasıdır. Benimsenmesi değişkendir; görünürlük garantisi vermez ama düşük maliyetli bir sinyal olarak AI Search hazırlığının parçası olabilir. Sonraki adım: AI Search Hazırlık Kontrol Listesi.
llms.txt ile robots.txt arasındaki fark nedir?
robots.txt erişim ve tarama izinlerini yönetir (engelleme buradadır); llms.txt yalnızca tercih ve keşif sinyali verir, hiçbir şeyi engellemez. Erişim kontrolü gerekiyorsa robots.txt + sunucu kuralları şarttır; ikisi birlikte ve farklı amaçlarla kullanılır. Teknik doğrulama için: Teknik SEO Denetimi.
llms.txt dosyası nasıl oluşturulur? (kısa özet)
Amaç ve hedef botları belirleyin → kök dizinde llms.txt adlı düz metin/Markdown dosyası oluşturun → temel bölümleri ekleyin (site tanımı, temel içerik, varsa tercih/lisans notu) → yayımlayıp curl -I ve log kontrolüyle doğrulayın. Yukarıdaki minimal şablonla 15 dakikada başlayabilirsiniz.
Hangi AI botları llms.txt’i okuyor?
Mevcut bilgi sınırlıdır ve değişkendir: Google, aramada llms.txt’i kullanmadığını belirtmiştir; diğer sağlayıcılar için topluluk raporları olsa da resmi taahhüt yoktur. Güncel durum için bot sağlayıcılarının resmi dokümantasyonlarını izleyin (ör. Google crawler dokümanları, OpenAI ve Anthropic’in crawler sayfaları) ve kendi loglarınızda GET /llms.txt isteklerini takip edin.
llms.txt zorunlu mu? Eklemeli miyim?
Zorunlu değildir. Düşük maliyetli, riski yönetilebilir bir sinyaldir; ama tek başına görünürlük sağlamaz ve önceliğiniz teknik erişim + cevaplanabilirlik temelleri olmalıdır. Bütünsel çerçeve için: AEO 2026 Rehberi.
Gizlilik veya telif endişem var — llms.txt yardımcı olur mu?
Sınırlı ölçüde: lisans/kullanım notu ekleyebilirsiniz ama bağlayıcılığı sınırlıdır. Gerçek koruma için erişim kontrolünü sunucu düzeyinde (robots.txt, kimlik doğrulama) kurun, dosyaya hassas veri yazmayın ve hukuki konularda danışmanlık alın.
Uygulamanın etkisini nasıl ölçerim?
Loglarda AI bot user-agent’larını ve llms.txt isteklerini izleyin; örnek sorgu setiyle aylık attribution kontrolü yapın; eğilimleri çeyreklik değerlendirin. Etkinin sınırlı ve dolaylı olabileceğini baştan kabul edin. Sistematik izleme adımları: AI Search Hazırlık Kontrol Listesi.
Kaynaklar, İleri Okumalar ve Notlar
Dış kaynaklar (tür belirtilmiştir): llmstxt.org — önerinin birincil kaynağı (topluluk önerisi; resmi standart kuruluşu değildir) · Google Search Central — crawler dokümantasyonu (resmi sağlayıcı dokümanı) · Google Search Central — AI özellikleri ve siteniz (resmi sağlayıcı dokümanı). Bot davranışına dair iddialarda yalnızca bu tür birincil kaynaklara güvenin; benimsenme düzeyi değişkendir ve hızla güncellenebilir.
İç kaynaklar: Erişim/teknik doğrulama → Teknik SEO Denetimi · Yapılandırılmış içerik bağlamı → machine-readable içerik · Cevap optimizasyonu bağlamı → AEO 2026 Rehberi · Kanonizasyon/içerik yönetimi → İçerik Stratejisi.
Bir Sonraki Adımlar: Testi Genişletme ve Teknik Denetim
llms.txt’i yayınladıysanız doğal devam adımları şunlar: sitenizin AI aramaya bütünsel hazırlığını görmek için AI Search Readiness Analizi; dosya yerleşimi, sunucu ayarları ve kalan teknik doğrulamaları sistematik kapatmak için Teknik SEO Denetimi. Her ikisi de eğitim/denetim odaklıdır; bu sayfa gibi, garanti değil yöntem sunar.
