llms.txt چیست؟ راهنمای عملی ai-profile.json و آماده‌سازی سایت برای موتورهای مولد

وقتی از ChatGPT یا Perplexity درباره کسب‌وکار شما سؤال می‌شود، پاسخ آن‌ها فقط به کیفیت محصول شما وابسته نیست. به این هم وابسته است که آیا سایت شما برای خواندن، فهمیدن و راستی‌آزمایی توسط موتورهای مولد طراحی شده یا نه.

llms.txt یک فایل متنی عمومی در ریشه دامنه است که مهم‌ترین صفحات، منابع و مسیرهای قابل استناد یک وب‌سایت را برای مدل‌های زبانی بزرگ معرفی می‌کند. ai-profile.json یک فایل ساخت‌یافته JSON است که هویت، حوزه فعالیت، ادعاهای قابل راستی‌آزمایی، منابع و سیاست استفاده از محتوای سایت برای سیستم‌های AI را توصیف می‌کند.

این دو فایل معجزه نمی‌کنند. هیچ فایل متنی، سایت ضعیف را به منبع معتبر تبدیل نمی‌کند. اما ساختار درست، هزینه فهم سایت را برای انسان و ماشین پایین می‌آورد.

llms.txt چیست و چرا سایت‌ها باید داشته باشند

فایل llms.txt را می‌توان یک نقشه راه فشرده برای مدل‌های زبانی بزرگ (Large Language Models یا LLMs) دانست. این فایل معمولاً در نشانی https://example.com/llms.txt قرار می‌گیرد و به صفحات مهم سایت ارجاع می‌دهد.

هدف آن کنترل خزیدن نیست. هدف آن هدایت فهم است.

یک مدل مولد هنگام پاسخ‌دادن باید بفهمد سایت شما چه کسی است، چه مسئله‌ای حل می‌کند و کدام صفحه برای یک ادعا قابل اتکاتر است. اگر این مسیرها پراکنده باشند، مدل ممکن است به صفحه‌ای کم‌ارزش، قدیمی یا فاقد زمینه برسد.

مسئله‌ای که اغلب نادیده گرفته می‌شود

بسیاری از سایت‌ها ده‌ها صفحه دارند، اما هیچ مدل روشنی برای اولویت‌بندی اطلاعات ندارند. صفحه خدمات، مطالعات موردی، تعریف محصول و اطلاعات تماس در منوهای مختلف پنهان شده‌اند.

انسان صبور شاید مسیر را پیدا کند. یک سیستم بازیابی یا عامل AI لزوماً این صبر را ندارد.

llms.txt به‌جای تکرار کل سایت، مسیرهای اصلی را معرفی می‌کند. این کار به‌ویژه برای سایت‌های شخصی حرفه‌ای، SaaSهای تخصصی، شرکت‌های B2B و مجموعه‌هایی که ادعاهای فنی دارند مهم است.

تعریف مستقل llms.txt در برابر robots.txt

llms.txt فایل راهنمای محتوایی برای معرفی صفحات و منابع مهم به مدل‌های زبانی است. در مقابل، robots.txt فایل سیاست دسترسی خزنده‌ها است و مشخص می‌کند کدام مسیرها مجاز یا غیرمجاز هستند.

این تفاوت ساده است اما عملیاتی است. robots.txt می‌گوید «کجا نرو». llms.txt می‌گوید «اگر دنبال فهم سایت هستی، از اینجا شروع کن».

همچنین باید با احتیاط صحبت کرد: llms.txt هنوز یک استاندارد الزام‌آور و یکپارچه برای همه موتورهای AI نیست. هیچ تضمینی وجود ندارد که هر مدل یا هر خزنده آن را بخواند یا مطابق آن رفتار کند.

پس ارزش واقعی آن در نظم اطلاعاتی است، نه در وعده رتبه‌گیری فوری.

ai-profile.json چیست و چه اطلاعاتی دارد

ai-profile.json یک سند JSON قابل‌خواندن برای ماشین است که هویت دیجیتال، تخصص، منابع معتبر و مرزهای ادعای یک کسب‌وکار یا فرد را توصیف می‌کند.

اگر llms.txt نقشه مسیر باشد، ai-profile.json کارت مشخصات سیستم است. این فایل به موتورهای مولد کمک می‌کند بین «نام»، «تخصص»، «شواهد» و «صفحات منبع» ارتباط برقرار کنند.

برای Hossein Narimani، این نوع ساختار می‌تواند پیوند میان نقش‌های Quant System Designer، Operational Intelligence Architect و کارهای منتشرشده را روشن‌تر کند. هدف، تبلیغ نیست. هدف، کاهش ابهام هویتی است.

ساختار پیشنهادی فیلدهای ai-profile.json

یک فایل خوب باید کوتاه، قابل نگهداری و مبتنی بر شواهد باشد. داده تزئینی معمولاً فقط بار نگهداری ایجاد می‌کند.

چرا این فایل به موتورهای مولد کمک می‌کند

مدل‌های مولد با عدم‌قطعیت کار می‌کنند. هر جا داده‌های هویتی پراکنده، متناقض یا فاقد منبع باشند، احتمال پاسخ نادقیق بیشتر می‌شود.

یک ai-profile.json خوب، ادعا را به منبع وصل می‌کند. این همان چیزی است که در معماری سیستم اهمیت دارد: هر جزء باید مسیر اعتبارسنجی داشته باشد.

مثلاً اگر صفحه‌ای درباره طراحی سیستم‌های کوانت داشته باشید، فایل پروفایل باید آن را به‌عنوان منبع تخصص معرفی کند؛ نه اینکه صرفاً چند کلیدواژه عمومی مثل AI یا SaaS را تکرار کند.

نمونه واقعی: narimani.me چگونه از این ساختار استفاده می‌کند

صفحه for-ai در narimani.me نمونه‌ای از یک نقطه مرجع قابل‌مشاهده برای سیستم‌های AI و خوانندگان فنی است. چنین صفحه‌ای باید هویت حرفه‌ای، مسیرهای مهم و منابع قابل بررسی را در یک محل جمع کند.

این رویکرد یک اصل ساده دارد: ادعای مهم باید به شواهد نزدیک باشد.

برای نمونه، صفحه Quant System Design می‌تواند زمینه تخصصی طراحی سیستم‌های کمی را ارائه کند. صفحه Case Studies نیز باید ادعاها را با تصمیم‌ها، محدودیت‌ها و خروجی‌های واقعی پشتیبانی کند.

ساختار صفحه for-ai و کاربرد عملی آن

یک صفحه /for-ai خوب، جایگزین معماری اطلاعات سایت نیست. نقش آن ایجاد یک لایه مرجع فشرده است.

• تعریف کوتاه و دقیق از کسب‌وکار یا فرد
• لینک به صفحات پایه مانند خدمات، مطالعات موردی و نوشته‌های تخصصی
• توضیح حوزه‌های تخصصی بدون فهرست‌سازی اغراق‌آمیز
• لینک به فایل‌های llms.txt و ai-profile.json
• تاریخ بازبینی و مسیر تماس یا منبع رسمی

موتورهای مولد به «یک صفحه جادویی» نیاز ندارند. آن‌ها به نشانه‌های منسجم نیاز دارند: محتوای عمیق، ساختار شفاف، روابط هویتی و شواهدی که در صفحات دیگر قابل بررسی باشند.

چگونه llms.txt و ai-profile.json خود را بسازید

قبل از ساخت فایل، وضعیت سایت را بررسی کنید. اگر صفحات اصلی شما مبهم، تکراری یا فاقد شواهد هستند، اول آن مسئله را حل کنید.

گام‌های ساخت llms.txt

1. سه تا ده صفحه‌ای را انتخاب کنید که واقعاً هویت و ارزش سایت را توضیح می‌دهند.
2. یک فایل متنی UTF-8 با نام llms.txt بسازید.
3. نام سایت و یک توضیح یک‌خطی دقیق در ابتدای فایل بنویسید.
4. برای هر صفحه مهم، عنوان، URL و توضیح کوتاه اضافه کنید.
5. لینک‌های کم‌ارزش، صفحات تکراری، فیلترهای دسته‌بندی و مسیرهای آزمایشی را وارد نکنید.
6. فایل را در ریشه دامنه منتشر کنید: https://yourdomain.com/llms.txt.
7. هر بار که جایگاه، خدمات یا معماری محتوای سایت تغییر کرد، فایل را بازبینی کنید.

نمونه ساختار:

# Example Company

> A concise description of what the organization does.

## Primary Sources
- [About](https://example.com/about): Company identity and operating focus.
- [Case Studies](https://example.com/case-studies): Evidence of implemented systems.
- [Technical Notes](https://example.com/insights): Long-form technical analysis.

## Optional
- [Contact](https://example.com/contact): Official contact path.

گام‌های ساخت ai-profile.json

1. یک منبع واحد برای نام رسمی، URL اصلی، توضیح کوتاه و حوزه تخصص تعیین کنید.
2. فقط ادعاهایی را وارد کنید که صفحه مرجع یا شواهد قابل مشاهده دارند.
3. فایل JSON را با نام ai-profile.json بسازید.
4. برای هر حوزه تخصص، دست‌کم یک URL مرجع در primarySources قرار دهید.
5. فیلد sameAs را فقط با پروفایل‌های رسمی و فعال پر کنید.
6. تاریخ بازبینی را ثبت کنید تا داده قدیمی به‌عنوان هویت فعلی باقی نماند.
7. فایل را در ریشه دامنه منتشر و اعتبار JSON آن را بررسی کنید.

نمونه ساختار:

{
  "name": "Example Company",
  "url": "https://example.com",
  "description": "A concise, evidence-based description.",
  "areasOfExpertise": [
    "AI systems",
    "Operational analytics"
  ],
  "primarySources": [
    {
      "name": "Case Studies",
      "url": "https://example.com/case-studies"
    },
    {
      "name": "Technical Notes",
      "url": "https://example.com/insights"
    }
  ],
  "sameAs": [
    "https://www.linkedin.com/company/example"
  ],
  "lastUpdated": "2026-08-05"
}

تفاوت llms.txt با robots.txt و sitemap.xml

این چهار فایل جای هم را نمی‌گیرند. هرکدام مسئله متفاوتی را حل می‌کند.

اشتباه رایج این است که تصور کنیم یک فایل جدید، جای محتوای معتبر را می‌گیرد. نمی‌گیرد. این فایل‌ها فقط لایه کشف و تفسیر را بهتر می‌کنند.

محدودیت‌ها و خطاهای رایج

ساخت فایل بدون منبع معتبر

اگر در ai-profile.json تخصصی را ادعا کنید اما هیچ صفحه عمیق، مطالعه موردی یا شواهد عملی نداشته باشید، فایل فقط یک ادعانامه می‌شود. موتورهای خوب به‌دنبال هم‌خوانی بین داده ساخت‌یافته و محتوای قابل مشاهده هستند.

تبدیل فایل به انبار کلیدواژه

تکرار عبارت‌هایی مثل «بهترین AI»، «متخصص برتر» یا «رهبر بازار» اعتبار نمی‌سازد. این زبان هم برای انسان ضعیف است و هم برای سیستم‌های ارزیابی مبتنی بر شواهد.

فراموش‌کردن نگهداری

داده هویتی قدیمی، بدتر از نبود داده است. اگر خدمات، حوزه تمرکز یا صفحات کلیدی تغییر کرده‌اند، فایل‌های AI نیز باید هم‌زمان تغییر کنند.

نادیده‌گرفتن دسترسی‌پذیری محتوا

فایل‌های راهنما زمانی مفیدند که صفحات معرفی‌شده واقعاً قابل دسترسی، سریع، قابل خواندن و بدون وابستگی افراطی به JavaScript باشند. مسیر خوب به صفحه خراب، فقط یک خطای بهتر مستندشده است.

نکات کلیدی

• llms.txt صفحات و منابع اصلی سایت را برای فهم مدل‌های زبانی معرفی می‌کند.
• ai-profile.json هویت، تخصص و منابع قابل استناد را در قالب JSON ساخت‌یافته بیان می‌کند.
• هیچ‌کدام تضمین نمی‌کنند ChatGPT، Claude، Gemini یا Perplexity سایت شما را نقل کنند.
• ارزش واقعی این فایل‌ها در کاهش ابهام، منظم‌کردن منابع و تقویت معماری اطلاعات است.
• محتوای عمیق، شواهد قابل بررسی و ساختار فنی سالم همچنان پایه اصلی دیده‌شدن هستند.

سؤالات متداول

آیا llms.txt و ai-profile.json روی رتبه گوگل هم اثر دارند؟

اثر مستقیم و تضمین‌شده‌ای برای رتبه‌گیری گوگل ندارند. اثر احتمالی آن‌ها غیرمستقیم است: سایت را منسجم‌تر می‌کنند، صفحات مرجع را روشن‌تر نشان می‌دهند و نگهداری معماری محتوا را بهتر می‌سازند.

آیا هر سایتی به این فایل‌ها نیاز دارد؟

نه، اما برای سایت‌هایی با ادعاهای تخصصی، محتوای عمیق، فروش B2B، برند شخصی حرفه‌ای یا چندین منبع کلیدی، ارزش بیشتری دارند. یک سایت کوچک و ساده باید ابتدا محتوای اصلی، ساختار URL، سرعت و sitemap را درست کند.

آیا موتورهای مولد حتماً این فایل‌ها را می‌خوانند؟

خیر. پشتیبانی از این الگوها میان ابزارها و موتورهای مختلف یکسان نیست و ممکن است تغییر کند. این فایل‌ها را به‌عنوان زیرساخت اطلاعاتی بسازید، نه ترفند رتبه‌گیری.

بهترین محل انتشار این فایل‌ها کجاست؟

بهترین محل، ریشه دامنه است: /llms.txt و /ai-profile.json. سپس از صفحه‌ای مانند /for-ai به آن‌ها لینک دهید تا مسیر کشف و زمینه استفاده روشن‌تر شود.

از کجا شروع کنم؟

ابتدا یک صفحه مرجع مانند for-ai نریمانی را ببینید. سپس سه تا پنج صفحه‌ای را انتخاب کنید که واقعاً کسب‌وکار، تخصص و شواهد شما را توضیح می‌دهند؛ بعد فایل‌ها را بر اساس همان منابع بسازید.

برای موتورهای مولد، ساختار جایگزین اعتبار نیست. اما اعتبار بدون ساختار، سخت‌تر کشف و سخت‌تر نقل می‌شود.