llms.txt là gì: 3 bước khai báo để AI đọc đúng website 2026

Nửa năm nay tụi em nhận khá nhiều câu hỏi kiểu này từ anh chị chủ doanh nghiệp: nghe nói phải có file llms.txt thì ChatGPT mới đọc được web, có đúng không, làm mất bao lâu, giá bao nhiêu. Câu trả lời thật thà là làm mất khoảng một buổi chiều, không tốn đồng nào nếu anh chị tự viết, còn chuyện web của anh chị có được AI nhắc tên hay không thì do mấy yếu tố khác hẳn. Bài này giải thích llms.txt là gì theo đúng bản gốc của người đề xuất, đưa số liệu mới nhất về việc file đó có thật sự được đọc hay không, rồi hướng dẫn 3 bước tạo file. Phần cuối nói rõ chỗ mà đa số bài viết tiếng Việt đang chỉ sai: muốn chặn AI lấy nội dung thì phải viết ở chỗ khác.

llms.txt là gì và bên trong file đó có những gì

llms.txt do Jeremy Howard, người sáng lập Answer.AI, công bố ngày 03/09/2024 dưới dạng một đề xuất mở, bản đặc tả đặt tại llmstxt.org. Ý tưởng gốc rất đơn giản và nó xuất phát từ một cái vướng có thật của dân lập trình. Một trang web hiện đại có hàng trăm ki-lô-byte HTML, JavaScript, menu, banner, popup, trong khi phần chữ thật sự đáng đọc chỉ chiếm chừng vài phần trăm. Mô hình ngôn ngữ lớn thì bị giới hạn cửa sổ ngữ cảnh, đọc nguyên trang HTML là tốn token mà thu về toàn rác. Nên Jeremy Howard đề nghị: chủ website tự tay dọn sẵn một bản gọn, viết bằng Markdown, để máy lấy đúng phần cần.

Anh chị hình dung nó giống mục lục cuốn catalogue. Cuốn catalogue vẫn nằm đó nguyên vẹn. Cái mục lục chỉ nói giúp: phần giá nằm trang 12, phần bảo hành trang 30, phần liên hệ trang cuối. Máy đọc mục lục xong thì biết đi thẳng tới chỗ cần, khỏi lật từ đầu.

Khuôn của file, đúng như bản đặc tả gốc

Bản đặc tả quy định khuôn khá chặt, và chính vì chặt nên máy mới đọc được không cần đoán. Một file llms.txt hợp lệ gồm bốn phần theo đúng thứ tự sau đây.

• Một dòng H1 duy nhất, ghi tên doanh nghiệp hoặc tên dự án. Chỉ một, không có cái thứ hai.
• Một đoạn trích dẫn (blockquote, bắt đầu bằng dấu >) tóm tắt doanh nghiệp làm gì, trong khoảng 2 tới 5 câu.
• Các mục H2, mỗi mục gom một nhóm đường dẫn cùng loại, viết dạng - [Tên trang](https://...): mô tả một dòng.
• Một mục tên Optional ở cuối, chứa những trang ít quan trọng hơn, để máy nào bị hẹp ngữ cảnh thì bỏ qua phần này trước.

Có một chi tiết mà nhiều bài hướng dẫn tiếng Việt viết sai nặng, tụi em phải nói rõ ở đây vì nó là gốc của mọi hiểu lầm phía sau. llms.txt không có cú pháp User-agent, không có Allow, không có Disallow. Ba dòng lệnh đó là của file robots.txt, hoàn toàn khác. Ai viết Disallow: /admin/ vào llms.txt thì file đó vẫn hợp lệ về mặt văn bản, nhưng không con bot nào hiểu, và cũng không có gì bị chặn. Anh chị tưởng mình đã khoá cửa, thực tế cửa vẫn mở toang.

llms-full.txt là bản gộp cho ai muốn dán nguyên website vào chat

Đi kèm llms.txt còn có một quy ước phụ tên llms-full.txt. File này gộp toàn bộ phần chữ của website vào một file Markdown duy nhất, nặng hơn nhiều, có khi vài trăm ki-lô-byte tới vài mê-ga-byte. Công dụng thật của nó nằm ở chỗ khá đời thường: một anh kỹ sư đang mở Claude hay ChatGPT ra hỏi về sản phẩm của anh chị, ảnh dán đúng một đường dẫn llms-full.txt vào khung chat, thế là con AI có nguyên bộ tài liệu để trả lời, khỏi phải mò từng trang. Anthropic, Cloudflare, Vercel và nền tảng tài liệu Mintlify đều đang phát hành cả hai file này cho trang tài liệu kỹ thuật của họ.

Đây cũng là chỗ để nhìn cho đúng ai là người thật sự dùng llms.txt. Nó sinh ra trong giới làm tài liệu kỹ thuật, phục vụ lập trình viên và công cụ lập trình. Website bán hàng, website dịch vụ, website chuỗi cửa hàng thì lợi ích mỏng hơn hẳn, và anh chị nên biết điều đó trước khi bỏ tiền thuê ai làm.

Mở file llms.txt của mona.media ra xem thử

Nói suông thì khó hình dung, anh chị mở https://mona.media/llms.txt ra là thấy ngay. Tụi em kiểm lại file này ngày 05/08/2026: 2.018 byte, 28 dòng, gồm một dòng H1 tên công ty, một đoạn tóm tắt, rồi bốn mục là Dịch vụ chính, Ứng dụng AI, Liên hệ và Tài nguyên. Toàn bộ nằm gọn trong một màn hình. Không có gì phức tạp cả.

Và nhân lúc rà lại để viết bài này, tụi em bắt được hai con số sai ngay trong file của chính mình, viết từ tháng 6/2026: một chỗ khai số nhân sự mà MONA đã bỏ khỏi mọi tài liệu đối ngoại, một chỗ ghi nhầm “14.000+ khách hàng” trong khi con số chuẩn là 14.000+ dự án. Sửa xong trong ngày 05/08/2026, anh chị mở file ra bây giờ là thấy bản đã sửa. Kể chuyện này ra không phải để tự vả, mà để anh chị thấy một rủi ro rất thật: file llms.txt là thứ viết một lần rồi quên, mà nó lại là bản tóm tắt doanh nghiệp mà máy đọc trước tiên. Sai một con số trong đó là sai ở chỗ dễ bị chép lại nhất.

Sự thật khó nghe: Google nói llms.txt không giúp thứ hạng

Phần này tụi em viết ngược với đa số bài đang chạy trên mạng, và viết trước phần hướng dẫn, để anh chị có đủ dữ kiện rồi hãy quyết chi tiền hay không.

Ngày 15/06/2026, Google cập nhật tài liệu hướng dẫn tối ưu cho các tính năng AI, ghi thẳng rằng những file dạng máy đọc như llms.txt không có tác động nào, tốt lẫn xấu, tới thứ hạng Search và tới AI Overviews. Trước đó John Mueller của Google đã nói một câu khá phũ khi bị hỏi tới: với ông, llms.txt tương đương thẻ meta keywords ngày xưa, tức là chỗ chủ website tự khai mình bán cái gì. Thẻ meta keywords bị Google bỏ từ 2009 vì lý do ai cũng đoán được, người ta khai gian.

97% file llms.txt chưa nhận một lượt đọc nào trong tháng 5/2026

Ahrefs làm một khảo sát trên 137.210 tên miền có lưu lượng thật trong tháng 5/2026. Kết quả đọc xong hơi choáng.

• 28% số tên miền đó đã phát hành file llms.txt, tức khoảng 38.360 website.
• 97% số file ấy nhận đúng 0 lượt truy cập trong cả tháng 5/2026. Chỉ chừng 1.100 tên miền thấy có ai đó ghé qua.
• Trong nhóm ít ỏi có lượt truy cập, 96% lượt là bot, người thật chỉ chiếm 4%.
• Bóc tiếp nhóm bot đó: công cụ AI có tên tuổi chiếm 19,5% số lượt, trong đó tác nhân AI 10,5%, bot huấn luyện 5,3%, còn bot truy xuất trả lời thì chỉ 1,1%.
• Chiếm phần lớn lượt đọc lại là các công cụ kiểm tra SEO với 21,7%, bot dò web chung 13,1%, công cụ nhận diện công nghệ 11,6%.

Dịch cái bảng số đó ra tiếng người: phần lớn lượt truy cập vào file llms.txt của anh chị đến từ mấy con bot đi chấm điểm SEO, chứ không phải từ con AI đang soạn câu trả lời cho khách hàng. Một khảo sát khác của SE Ranking trên 300.000 tên miền cho tỷ lệ áp dụng 10,13%, còn nhóm website lớn nhất thì chỉ 0,3%. Sau gần hai năm bàn tán, chuẩn này vẫn chưa được bên nào trong bốn ông lớn xác nhận là có dùng.

Vậy tụi em có khuyên làm không

Có, nhưng khuyên theo đúng tầm của nó, và tụi em nói rõ lý do để anh chị khỏi bị bên nào bán đắt.

Lý do thứ nhất là chi phí gần bằng không. Một file 2 ki-lô-byte, một buổi chiều, không cần lập trình viên, không đụng gì tới mã nguồn website. Thứ hai là nó có ích thật trong tình huống người thật dùng, chẳng hạn khách hàng hoặc đối tác dán đường dẫn llms.txt vào ChatGPT để hỏi nhanh về công ty anh chị, hoặc đội bán hàng của anh chị nạp file đó vào một con trợ lý nội bộ. Thứ ba là quá trình viết file bắt anh chị phải ngồi trả lời hai câu hỏi mà lâu nay hay né: doanh nghiệp mình mô tả trong ba câu thì mô tả thế nào, và trong hai trăm trang trên web thì hai mươi trang nào là đáng đọc nhất. Riêng việc ngồi trả lời hai câu đó đã đáng công rồi.

Còn nếu có ai chào anh chị gói dịch vụ “khai báo llms.txt để lên top AI” với giá vài chục triệu, anh chị cứ chiếu thẳng cái số 1,1% ở trên vào mặt bảng báo giá. Web anh chị được AI trích dẫn hay không là do ba thứ khác quyết định: nội dung trả lời thẳng câu hỏi, có dữ liệu có cấu trúc khai báo đúng, và website có tín hiệu uy tín đủ mạnh. Tụi em tách hẳn ba thứ đó thành ba bài riêng, xếp thành một cụm để anh chị đọc theo thứ tự: cách viết content answer-first để AI trích dẫn, cách xây E-E-A-T trong thời đại AI, và bộ chỉ số để đo lường SEO khi Zero-Click tăng.

3 bước khai báo llms.txt cho website doanh nghiệp

Ba bước dưới đây tụi em viết theo đúng thứ tự thao tác, anh chị làm tới đâu kiểm tới đó. Giả sử website chạy WordPress, hosting có quyền truy cập file, không cần biết code.

Bước 1: Chọn 20 tới 40 trang đáng cho máy đọc

Đây là bước tốn thời gian nhất và cũng là bước quyết định file có giá trị hay không. Mở Google Search Console lên, vào phần Hiệu suất, sắp xếp theo số lần hiển thị trong 12 tháng gần nhất, lấy khoảng 40 trang đầu bảng. Bỏ ra khỏi danh sách những trang không nói gì về sản phẩm: trang giỏ hàng, trang đăng nhập, trang cảm ơn, trang thẻ tag, trang phân trang kiểu /page/2/.

Phần còn lại gom thành 4 tới 6 nhóm. Với một chuỗi spa nhiều chi nhánh mà tụi em từng dựng website, bốn nhóm ra như sau: dịch vụ và liệu trình, bảng giá, kiến thức chăm sóc da, thông tin chi nhánh và đặt lịch. Với một công ty bất động sản thì nhóm sẽ là dự án đang bán, thủ tục pháp lý, phân tích khu vực, liên hệ. Cách gom nhóm đúng là gom theo câu hỏi khách hay hỏi, không phải gom theo cấu trúc menu của website. Menu là cách công ty tự sắp xếp mình. Câu hỏi mới là cách khách nghĩ.

Bước 2: Viết file theo đúng khuôn

Mở Notepad trên Windows hoặc TextEdit trên Mac, nhớ chuyển TextEdit sang chế độ văn bản thuần trước khi gõ, rồi chép khuôn dưới đây và thay nội dung của anh chị vào.

# Tên Công Ty ABC

> Công ty ABC thành lập năm 2015, chuyên phân phối thiết bị bếp công nghiệp cho
> nhà hàng và khách sạn tại miền Nam. Có 3 kho tại TP.HCM, Cần Thơ, Đà Nẵng.
> Bảo hành tận nơi trong 24 giờ. Hotline 1900 xxxx.

## Sản phẩm

- [Bếp công nghiệp](https://abc.vn/bep-cong-nghiep/): Bếp gas, bếp từ công suất lớn cho nhà hàng, kèm thông số và giá.
- [Tủ mát, tủ đông](https://abc.vn/tu-mat/): Tủ bảo quản thực phẩm theo dung tích, có bảng so sánh điện năng.

## Hướng dẫn và kiến thức

- [Chọn công suất bếp theo số bàn](https://abc.vn/blog/chon-cong-suat-bep/): Bảng tra công suất theo 20, 50, 100 bàn.
- [Lịch bảo trì thiết bị bếp](https://abc.vn/blog/bao-tri/): Việc cần làm theo tuần, tháng, quý.

## Chính sách

- [Bảo hành và đổi trả](https://abc.vn/bao-hanh/): Điều kiện, thời hạn, quy trình gửi yêu cầu.
- [Giao hàng và lắp đặt](https://abc.vn/giao-hang/): Phí, thời gian, khu vực phục vụ.

## Optional

- [Về chúng tôi](https://abc.vn/gioi-thieu/): Lịch sử công ty và đội ngũ.
- [Tuyển dụng](https://abc.vn/tuyen-dung/): Vị trí đang mở.

Ba lỗi mà tụi em thấy nhiều nhất khi soi file của khách. Một là viết mô tả kiểu quảng cáo, “uy tín, chất lượng, giá tốt”, máy đọc xong không rút được thông tin nào, viết như vậy thà bỏ trống. Hai là nhét cả trăm đường dẫn vào cho oai, làm file phình lên chục ki-lô-byte và mất luôn tác dụng chắt lọc vốn là lý do file này ra đời. Ba là để lẫn đường dẫn trỏ tới trang 404 hoặc trang đã đổi tên, cái này rất hay xảy ra với web chạy nhiều năm.

Bước 3: Đưa lên thư mục gốc rồi kiểm bằng ba lệnh

Đặt tên file đúng là llms.txt, viết thường toàn bộ, rồi tải lên thư mục gốc của website, tức là cùng chỗ với file robots.txt và index.php. Với WordPress trên hosting cPanel thì đó là thư mục public_html. Dùng FileZilla, Cyberduck, hoặc trình quản lý file của hosting đều được, đừng bỏ file vào thư mục con vì máy chỉ tìm ở gốc.

Xong thì kiểm ba thứ, mất chừng hai phút. Thứ nhất, mở trình duyệt vào tenmien.com/llms.txt, phải thấy chữ hiện ra dạng văn bản thô, nếu trình duyệt tải file về máy thì máy chủ đang trả sai kiểu nội dung, báo bên hosting sửa thành text/plain. Anh chị dùng hosting Mona.Host thì nhắn kỹ thuật là chỉnh trong vài phút. Thứ hai, bấm thử từng đường dẫn trong file, không được có link chết. Thứ ba, đặt lịch nhắc rà lại mỗi quý một lần, đúng ngày rà bảng giá.

Việc tương tự cũng áp dụng cho: chuỗi bán lẻ thời trang, công ty sản xuất và phân phối vật liệu xây dựng, chủ đầu tư bất động sản, hệ thống phòng khám, trung tâm đào tạo trực tuyến, công ty du lịch lữ hành.

Muốn chặn AI lấy nội dung thì viết ở robots.txt, không viết ở llms.txt

Tới đây là phần mà tụi em nghĩ đáng giá nhất trong cả bài, vì nó sửa đúng cái hiểu lầm đang làm nhiều doanh nghiệp yên tâm giả. Nhiều anh chị nghĩ tạo file llms.txt xong là nội dung độc quyền được bảo vệ. Không hề. llms.txt là lời mời, hoàn toàn không có tính chặn.

Chỗ ra lệnh chặn vẫn là robots.txt, và các hãng AI lớn đều đã công bố tên bot riêng để chủ website nhắm vào. Danh sách dưới đây tụi em kiểm lại ngày 05/08/2026.

• OpenAI: GPTBot (thu thập để huấn luyện), ChatGPT-User (khi người dùng bấm vào link trong chat), OAI-SearchBot (lập chỉ mục cho tìm kiếm trong ChatGPT).
• Anthropic: ClaudeBot, Claude-User, Claude-SearchBot.
• Google: Google-Extended, dùng riêng cho việc huấn luyện Gemini và Vertex AI.
• Các bên khác: PerplexityBot, CCBot của Common Crawl, Bytespider của ByteDance, Amazonbot, Applebot-Extended, meta-externalagent của Meta.

Muốn cấm một bot đọc thư mục tài liệu nội bộ, anh chị thêm vào robots.txt đúng ba dòng, ví dụ User-agent: GPTBot rồi xuống dòng Disallow: /tai-lieu-doi-tac/. Lặp lại cho từng bot muốn chặn. Đây mới là cú pháp thật, và nó chỉ chạy trong file robots.txt.

Google-Extended chặn huấn luyện, không gỡ bài khỏi AI Overview

Chỗ này gài bẫy nhiều người, tụi em nói kỹ. Chặn Google-Extended chỉ ngăn Google dùng nội dung của anh chị để huấn luyện mô hình Gemini. Nó không gỡ trang của anh chị ra khỏi AI Overviews, vì AI Overviews lấy dữ liệu từ chỉ mục Search bình thường, do Googlebot thu thập. Muốn bài không bị trích vào AI Overviews thì phải dùng thẻ nosnippet hoặc max-snippet, mà làm vậy là mất luôn đoạn mô tả ngoài kết quả tìm kiếm thường. Còn chặn thẳng Googlebot thì trang biến khỏi Google. Không có nút nào tách riêng hai thứ đó, tính tới ngày 05/08/2026.

Chặn hết có mất khách không

Tụi em không khuyên chặn sạch, và đây là quan điểm tụi em dám chốt. Chặn hết bot AI nghĩa là khi khách hàng hỏi ChatGPT “công ty nào ở TP.HCM làm việc X”, tên anh chị chắc chắn không nằm trong câu trả lời, còn tên đối thủ không chặn thì nằm. Đổi lấy cái gì? Đổi lấy việc nội dung marketing công khai của anh chị không bị đưa vào tập huấn luyện, thứ mà thực tế đã bị chép đi khắp nơi từ lâu rồi.

Cách tụi em hay tư vấn là chặn có chọn lọc, chỉ ba nhóm. Nhóm một là thư mục tài liệu dành riêng cho đối tác, bảng giá nội bộ, biểu mẫu nghiệp vụ. Nhóm hai là khu vực có dữ liệu cá nhân của khách, kể cả khi anh chị nghĩ nó đã ẩn. Nhóm ba là tài sản mà bán chính nó ra tiền, chẳng hạn giáo trình của trung tâm đào tạo hay bộ ảnh trước sau của chuỗi spa. Phần còn lại, tức là bài blog, trang dịch vụ, trang giới thiệu, thì mở toang, càng nhiều máy đọc càng tốt. Đó là chỗ anh chị muốn được nhắc tên.

Từng ngành nên đưa trang nào vào llms.txt

Cùng một cái khuôn, nhưng đưa trang nào vào thì mỗi ngành khác nhau. Dưới đây là cách tụi em hay chọn khi làm cho khách.

• Thương mại điện tử. Đưa các trang danh mục lớn, trang chính sách đổi trả, trang hướng dẫn chọn size hoặc chọn thông số. Đừng đưa từng trang sản phẩm lẻ, hết chỗ ngay. Nền tảng đi kèm: website bán hàng và MONA eCommerce.
• Bất động sản. Đưa trang từng dự án đang mở bán, trang thủ tục pháp lý, trang bảng giá và tiến độ. Bỏ hẳn phần phân tích thị trường nội bộ nếu đó là thứ đội sale dùng để chốt. Xem thêm phần mềm quản lý bất động sản.
• Giáo dục và đào tạo. Đưa trang giới thiệu chương trình, học phí, hồ sơ giảng viên, lịch khai giảng. Giáo trình và đề thi thì để ngoài, đồng thời chặn ở robots.txt. Nền tảng: phần mềm LMS tích hợp AI của Mona.Software.
• Nhà hàng và khách sạn. Đưa thực đơn, giá, giờ mở cửa, địa chỉ từng chi nhánh, chính sách đặt bàn. Đây là nhóm hưởng lợi rõ nhất vì khách hay hỏi máy đúng mấy thứ này. Nền tảng: phần mềm quản lý nhà hàng.
• Spa, salon, phòng khám. Đưa danh mục dịch vụ, bảng giá, quy trình một buổi trị liệu, chính sách hoàn tiền. Bộ ảnh trước sau và hồ sơ khách thì chặn. Nền tảng: phần mềm quản lý spa.

Một điểm chung cho mọi ngành: trang nào đưa vào llms.txt thì trang đó phải trả lời thẳng câu hỏi ngay đoạn đầu. Đưa một trang viết vòng vo vào file mục lục thì máy đọc xong vẫn không rút được gì. Cách viết cho đúng nằm ở bài viết content answer-first, và cơ chế bot đọc web thì xem thêm crawl là gì cùng Googlebot là gì.

Tuần này anh chị làm được gì

Gói gọn lại thành ba việc, làm trong một buổi chiều là xong hết.

Việc thứ nhất, mở tenmien.com/llms.txt và tenmien.com/robots.txt của mình lên đọc. Chỉ đọc thôi, chưa sửa gì. Nếu file llms.txt có chữ Disallow thì anh chị vừa tìm ra một lỗ hổng mình tưởng đã bịt. Việc thứ hai, lấy 40 trang có nhiều lượt hiển thị nhất từ Google Search Console rồi gom nhóm theo câu hỏi khách hay hỏi, viết file theo khuôn ở phần trên. Việc thứ ba, quyết dứt khoát ba nhóm nội dung nào cần chặn ở robots.txt, và chỉ ba nhóm đó thôi.