Content Signals e Markdown para agentes: o que vem depois do llms.txt

Este artigo é a continuação natural do nosso guia sobre llms.txt: lá mostramos como resumir o site pras IAs; aqui, como declarar regras pro que elas fazem com o conteúdo e como entregar esse conteúdo no formato mais barato que existe pra elas. Se você caiu aqui direto, vale também o panorama de como fazer sua empresa aparecer no ChatGPT — os dois padrões deste artigo são camadas em cima daquela base.

O que são Content Signals?

Em 24 de setembro de 2025, a Cloudflare anunciou a Content Signals Policy: uma extensão do robots.txt pra resolver uma limitação antiga dele. O robots.txt clássico só sabe dizer quem pode acessar o quê — ele nasceu em 1994, quando "acessar" era a única coisa que um robô fazia. Em 2025, o mesmo acesso pode virar link numa busca, resposta gerada por IA ou material de treinamento de modelo — usos muito diferentes, sobre os quais o dono do site nunca teve como se pronunciar. O Content-Signal dá a sintaxe pra isso:

User-Agent: *
Content-Signal: search=yes, ai-train=no
Allow: /

São três sinais, com definições oficiais publicadas em contentsignals.org:

Detalhe importante da especificação: sinal omitido é neutralidade — você nem concede nem restringe aquele uso. Só se posiciona sobre o que declarar. A adoção começou grande: segundo a Cloudflare, mais de 3,8 milhões de domínios que usam o robots.txt gerenciado dela receberam a nova linguagem automaticamente.

Content Signals funcionam? A resposta honesta

Aqui a gente não vende fumaça — e a resposta tem duas metades.

Metade um: não é cadeado. A própria Cloudflare é explícita no anúncio: content signals expressam preferências, "não são contramedida técnica contra scraping". Um robô que quiser ignorar a linha, ignora — como sempre pôde ignorar o robots.txt inteiro. E o Google já se pronunciou da forma mais seca possível: John Mueller, da equipe de busca, afirmou que a diretiva "não tem efeito nenhum para qualquer crawler ou LLM" e que, por ora, "só adiciona peso e manutenção futura ao seu robots.txt". É o mesmo padrão de ceticismo que ele aplica ao llms.txt — e é informação que você merece ter antes de decidir.

Metade dois: sinalização tem valor próprio. Três motivos pra levar a sério mesmo assim:

• É uma declaração legível por máquina da sua vontade — e a Cloudflare aponta que ela pode constituir reserva expressa de direitos sob o Artigo 4 da Diretiva 2019/790 da União Europeia (a diretiva de direito autoral que rege mineração de texto e dados). Não é garantia jurídica no Brasil, mas é registro público da sua posição, datado e versionável.
• O assunto está em processo de padronização de verdade: existe um grupo de trabalho na IETF (o aipref) discutindo exatamente vocabulários de preferência de uso de conteúdo por IA. Quem já declara hoje entra no padrão amanhã sem retrabalho.
• Custo zero. É uma linha num arquivo de texto que você já tem. A conta assimétrica do llms.txt vale idêntica aqui.

Como escolher os seus sinais?

Essa é a parte que os artigos gringos não respondem — porque a resposta depende do seu negócio. Pra um negócio local ou de serviços que QUER ser encontrado e citado (a maioria dos nossos leitores), dois sinais são óbvios:

• search=yes — você quer estar no índice. Sempre.
• ai-input=yes — é assim que você aparece nas respostas do ChatGPT, do Gemini e do Perplexity. Bloquear ai-input sendo um negócio que vive de ser encontrado é atirar no próprio pé: quando alguém pergunta "melhor clínica perto de mim", você quer que a IA possa ler e citar o seu site.

O ai-train é o único trade-off real. no protege seu conteúdo de virar material de treinamento permanente sem crédito nem tráfego — posição legítima, e a mais comum entre editores. yes aposta no oposto: modelo que "conhece" sua marca de dentro pode citá-la mesmo sem buscar. Pra negócio local pequeno, nossa leitura na Rhodium: o efeito prático do ai-train é marginal nos dois sentidos — decida pelo princípio, não pela tática. Quem produz conteúdo autoral em volume (blog forte, pesquisa própria) tende a preferir no; quem só tem páginas institucionais perde pouco com qualquer escolha.

O robots.txt completo pra esse perfil, pronto pra copiar:

# Preferências de uso de conteúdo (Content Signals Policy)
# search: pode indexar e listar em buscas
# ai-input: pode usar em respostas de IA (RAG/grounding)
# ai-train: NAO treinar modelos com este conteudo
User-Agent: *
Content-Signal: search=yes, ai-input=yes, ai-train=no
Allow: /

Sitemap: https://seusite.com.br/sitemap.xml

Publicou? Teste abrindo seusite.com.br/robots.txt numa aba anônima. Se o seu site está atrás da Cloudflare com robots.txt gerenciado, a linha pode já estar lá sem você saber — vale conferir se os valores refletem a sua decisão, não o default de quem gerencia.

O que é Markdown para agentes?

O segundo padrão ataca outro problema: desperdício. Uma página HTML carrega menu, script, CSS, tracking — ruído que um agente de IA paga em tokens pra depois descartar. Em fevereiro de 2026, a Cloudflare lançou o "Markdown for Agents": com o recurso ativo, qualquer cliente que enviar o header HTTP Accept: text/markdown recebe a mesma página convertida pra markdown puro, na hora, na borda da rede.

O número que importa, do exemplo oficial: um artigo que custa 16.180 tokens em HTML cai pra 3.150 tokens em markdown — 80% de redução. Um ## Sobre nós gasta ~3 tokens; o <h2 class="section-title" id="about"> equivalente, 12 a 15. A resposta convertida ainda vem com um header x-markdown-tokens informando o tamanho estimado — o agente sabe de antemão quanto contexto aquilo vai custar. É o mesmo raciocínio do llms.txt (markdown é a língua franca dos modelos), só que aplicado a todas as páginas, sob demanda.

Como testar se um site já responde markdown

curl -s -H "Accept: text/markdown" https://seusite.com.br/ -o /dev/null \
  -w "content-type: %{content_type}\n"

# Se voltar "text/markdown": o site negocia conteudo pra agentes.
# Se voltar "text/html": nao negocia (comportamento padrao da web hoje).
# Bonus: com -i voce ve o header x-markdown-tokens quando existir.

Como implementar

• Na Cloudflare: o recurso está em beta, sem custo adicional, pros planos Pro, Business, Enterprise e SSL for SaaS — liga e pronto, a conversão é automática. A Cloudflare também expõe AI.toMarkdown() no Workers AI e um endpoint /markdown na Browser Rendering API pra casos programáticos.
• Fora da Cloudflare: não existe mágica equivalente — mas dá pra servir versões .md das páginas-chave geradas no build (a especificação do llms.txt já sugeria exatamente isso). Mais trabalho manual, mesmo espírito: o conteúdo importante disponível limpo.
• Detalhe que conecta os dois padrões: as respostas markdown da Cloudflare saem com o header Content-Signal embutido — os dois padrões foram desenhados pra andar juntos.

E os Link headers (RFC 8288)?

Pra fechar o inventário de "sinais pra agentes", existe um terceiro mecanismo circulando nas discussões: usar o header HTTP Link — padronizado pela RFC 8288 (Web Linking, 2017) — pra anunciar recursos como catálogo de API ou a ficha de um servidor MCP. Honestidade direta: isso só interessa a quem vende produto técnico com API pública. Se o seu negócio é uma clínica, um restaurante ou uma consultoria, pode ignorar esta seção sem culpa — os dois padrões anteriores, mais schema e llms.txt, são o seu jogo completo.

Onde isso entra na sua pirâmide de presença digital

Juntando a série toda, a ordem de prioridade que aplicamos nos nossos próprios ativos e nos clientes da Presença Blindada:

1. Base: site indexável, rápido, com conteúdo que responde perguntas — sem isso, nada abaixo importa (o guia completo está aqui).
2. robots.txt + sitemap.xml: permissão e inventário — o básico de 30 anos de web.
3. schema.org: os fatos do negócio estruturados nas páginas — comprovadamente usado por buscadores e IAs.
4. llms.txt: o resumo canônico pra modelos de IA.
5. Content-Signal + markdown para agentes: a camada nova — suas regras declaradas e seu conteúdo no formato nativo dos agentes. É onde a web está indo; custa uma linha e um toggle chegar antes.

O plano de 15 minutos (faça hoje)

1. Abra o seu robots.txt (seusite.com.br/robots.txt). Não existe? Esse é o passo zero — crie um, nem que seja só com User-Agent: * e Allow: /. Existe? Confira se algum gestor (Cloudflare, agência, plugin) já inseriu um Content-Signal sem você decidir os valores.
2. Decida os três sinais em voz alta. "Quero aparecer em busca?" (quase sempre sim). "Quero que IAs usem meu conteúdo pra me citar em respostas?" (se você vive de ser encontrado: sim). "Aceito treinar modelos?" (sua escolha de princípio). Adicione a linha com a sua decisão — o bloco pronto está acima.
3. Rode o curl do teste de markdown no seu site e nos 2 principais concorrentes. Saber quem já trata agente como cidadão de primeira classe no seu mercado é inteligência competitiva de graça.
4. Se estiver na Cloudflare em plano pago, ative o Markdown for Agents (é um toggle, está em beta sem custo). Se não estiver, anote pra próxima conversa com quem cuida do seu site.
5. Confira as outras camadas da pirâmide: schema nas páginas e llms.txt na raiz. Content-Signal declarando ai-input=yes num site que não dá às IAs nada citável é convite sem endereço.

Quinze minutos, custo zero, e o seu site passa a fazer parte da minoria que se posicionou — enquanto a maioria dos concorrentes nem sabe que essa camada existe. É exatamente o tipo de vantagem que janelas novas dão pra quem chega cedo, como argumentamos no guia de como aparecer no ChatGPT.

Perguntas frequentes

Pra seguir na série: o que é llms.txt e como escrever o seu · como fazer sua empresa aparecer no ChatGPT · GEO, AEO e SEO: o que são e qual a diferença.