Nosso llms-full.txt é a URL mais vista em nosso site. Contribui zero para as respostas de IA do Google.

Publicamos um llms.txt e um llms-full.txt na raiz do hashlock.markets. O arquivo completo tem cerca de 123 KB de Markdown simples. Nós o escrevemos para agentes de IA, com a teoria de que um agente perguntando "o que é Hashlock e o que ele faz" deve receber uma resposta clara em vez de analisar nosso HTML.

Ontem abrimos o Google Search Console e lemos 28 dias de dados corretamente pela primeira vez. Dois números surgiram disso, e eles apontam em direções opostas.

No search web comum, /llms-full.txt recebe mais impressões do que qualquer outra URL que possuímos. Mais do que a página inicial. Mais do que /about. Mais do que a documentação.

Nas funcionalidades de IA generativa do Google, /llms-full.txt tem zero impressões. Não poucas. Zero. Ele não aparece no relatório de forma alguma.

Aqui está a tabela completa, não editada, de 30 de julho a 26 de agosto de 2026.

O que as funcionalidades de IA do Google realmente usaram

O relatório de desempenho de IA generativa do Search Console cobre impressões dentro de Visões Gerais de IA e Modo IA. O Google lançou isso em 3 de junho de 2026. Nossos dados, ao longo de 28 dias:

Vinte e duas impressões no total. Somos um site pequeno; esse é um número pequeno e não vamos enfeitá-lo. Mas a forma do número é a parte interessante, e a forma não depende da magnitude.

Três coisas surgem disso.

O arquivo escrito para máquinas é invisível na superfície voltada para máquinas. Tudo que as funcionalidades de IA do Google tocaram é uma página HTML legível por humanos. O arquivo em Markdown simples que construímos especificamente para que um modelo não tivesse que analisar HTML é a única coisa que eles não tocaram.

Nossa superfície de AEO é /about, não a página inicial. Treze contra nove. Temos otimizado a porta da frente enquanto o Google tem citado a segunda sala.

/methodology supera /docs seis a um. Uma página, escrita para explicar como contamos o volume para uma listagem de terceiros, produz seis vezes a visibilidade de IA de toda a nossa árvore de documentação.

Isso não é uma surpresa se você tem lido a pesquisa

Nossos números são pequenos, e números pequenos mentem. Portanto, o movimento honesto é compará-los com pessoas que têm tamanhos de amostra reais. Eles concordam, e concordam fortemente.

SE Ranking rastreou aproximadamente 300.000 domínios e encontrou llms.txt em 10,13% deles, sem relação entre ter o arquivo e com que frequência um domínio é citado nas principais respostas de LLM. Entre os cinquenta domínios mais citados por IA, um tinha o arquivo.

Limy analisou 515.382.577 eventos de tráfego de bot LLM. Filtrando para os agentes de usuário que realmente geram citações, GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, Google-Extended, apenas 408 solicitações em uma janela de 90 dias tocaram /llms.txt de alguma forma.

E o Google já disse isso em voz alta. Gary Illyes confirmou que a Pesquisa não suporta llms.txt e não está planejando fazê-lo. John Mueller comparou isso à meta tag de palavras-chave, com a justificativa de que um arquivo que o operador do site controla totalmente é um arquivo que nenhum mecanismo de busca pode confiar. Sua segunda objeção é a mais contundente: se o rastreador já buscou seu HTML e seus dados estruturados, o que a cópia em Markdown está adicionando, além de uma superfície na qual você poderia mostrar uma coisa para os bots e outra para os humanos?

Portanto, a questão "o llms.txt ajuda a busca de IA" está resolvida, e já está resolvida há um tempo. Nossos dados são mais uma pequena confirmação de um site que ninguém estava medindo.

A metade que fica de fora

Aqui é onde a maioria dos artigos para. e onde eles erram.

llms.txt não está indo mal em seu trabalho. Ele está indo bem em um trabalho diferente do que as pessoas continuam medindo.

Jeremy Howard propôs o formato na Answer.AI em setembro de 2024, e a camada que o adotou não é a busca. É o uso de ferramentas. Cursor, Claude Code, GitHub Copilot, Windsurf, Cline e Aider procuram por /llms.txt e /llms-full.txt quando você os aponta para um site de documentação. LangChain lançou mcpdoc, um servidor MCP cujo único propósito é expor arquivos llms.txt para aplicativos host como uma ferramenta fetch_docs. Mintlify, Fern, GitBook, Vercel e Supabase geram o arquivo por padrão, que é o motivo pelo qual Anthropic, Stripe, Cloudflare e Coinbase todos enviam um.

Isso é uma base de consumidores real e crescente. Não é uma base de consumidores de busca, e nenhum produto de análise no mercado relata isso para você. O Search Console não mostrará uma busca do Cursor. O GA4 não mostrará um agente que leu seu arquivo, respondeu ao seu usuário e nunca enviou um navegador.

Que é a descoberta real, e não se trata de llms.txt de forma alguma.

Passamos 138 dias medindo a camada de agentes com um instrumento de camada humana

Dois dias atrás, descobrimos que nossa contagem de downloads do npm havia sido lida incorretamente. Ontem, descobrimos que nossos números do Search Console estavam errados por um fator de doze, porque nossa sondagem somou a tabela de consultas em vez de ler o cartão de resumo, e o Google anonimiza qualquer consulta abaixo de um limite de divulgação. Em nossa propriedade, 92% das impressões e todos os onze de nossos cliques vivem nessa piscina anônima. As buscas que convertem são, por construção, aquelas que não conseguimos ver.

O relatório de IA generativa tem uma versão mais difícil do mesmo problema: é apenas UI. Em 11 de agosto de 2026, nem a API de Análise de Pesquisa nem a exportação em massa do BigQuery retornam dados de IA generativa, o que pode ser verificado por qualquer um com uma propriedade. É por isso que nossa sondagem automática diária não relatou nada sobre a visibilidade de IA por 138 dias consecutivos. Não porque não havia nada. Porque o canal não existe e nunca verificamos se ele existia.

Três instrumentos, três maneiras de estar cego, tudo em uma semana. O padrão não é que somos descuidados com os números, embora tenhamos sido. O padrão é que todas as ferramentas de medição que buscamos foram construídas para contar humanos chegando em navegadores, e a coisa que estamos tentando construir não chega em um navegador.

Isso não é um problema de marketing. É o mesmo problema estrutural em que trabalhamos.

Por que uma equipe de liquidação atômica se importa com um arquivo Markdown

Construímos a camada de liquidação para a economia de agentes: RFQ de lance selado fundido com liquidação atômica HTLC, para que dois agentes que não têm razão para confiar um no outro possam negociar entre cadeias sem uma ponte, um custodiante ou um árbitro. A liquidação funciona ao vivo de ponta a ponta na mainnet do Ethereum hoje. Nossos contratos Sui estão implantados e testados via CLI, com a fiação do gateway em andamento, e eles não estão ao vivo. O Bitcoin é validado por signet com a mainnet pendente.

A razão pela qual essa arquitetura existe é que, quando um agente transaciona, ninguém está assistindo. Não há humano para notar que a contraparte ficou quieta no passo três, nenhuma fila de suporte, nenhuma janela de chargeback que uma pessoa se lembra de abrir. A segurança tem que estar no mecanismo, porque não há observador para pegar a falha.

llms.txt é a versão de baixo risco do mesmo fato. Um agente lê seu arquivo, o utiliza e não deixa nenhum rastro em nenhum painel que você possua. Isso é aceitável para documentação. Não é aceitável para dinheiro. Se seu