Страница документации может выглядеть полной в браузере, но не содержать нужного текста в исходном HTML. AI-агент, который получает её обычным HTTP-запросом без выполнения JavaScript, пропустит этот текст. Agentic Engine Optimization (AEO) помогает найти такие препятствия: проверить доступность контента, его структуру и способы обнаружения связанных материалов.
AEO-аудит в milten.io анализирует выбранную страницу и публичные файлы сайта. В отчёте видно, какие проверки пройдены, что требует исправления и где данных недостаточно.
Что такое Agentic Engine Optimization
Agentic Engine Optimization — подготовка сайта к чтению и использованию AI-агентами. Для документации это означает, что агент может получить описание нужной операции, найти пример и перейти к связанному справочнику.
Такой аудит полезен для инструкций по интеграции, справочников API и страниц с техническими примерами. Он дополняет SEO проверкой того, как опубликованный контент доступен программному клиенту. Поисковые позиции и вероятность упоминания в AI-ответах этот отчёт не измеряет.
Что проверяет AEO-аудит сайта
AEO-аудит исследует восемь направлений, сгруппированных ниже. Применимость проверок, баллы и правила расчёта оценки смотрите в конкретном отчёте:
| Группа | Что анализируется |
|---|---|
| Обнаружение контента | Правила robots.txt и индекс llms.txt |
| Структура страницы | Заголовки, семантическая разметка, примеры, Markdown и признаки зависимости от JavaScript |
| Объём контекста | Число токенов и метаданные страницы |
| Правила взаимодействия | Описания доступа и ограничений в agent-permissions.json |
| Передача текста агенту | Элементы копирования контента и ссылки на исходный текст |
Для каждой проверки отчёт показывает результат и замечания; участие в оценке зависит от правил отчёта. Например, наличие llms.txt рассматривается вместе с его содержимым: ссылками, описаниями материалов и разделами. Сам по себе файл ещё не делает документацию удобной для чтения.
Подсчёт токенов помогает оценить объём текста, который придётся обработать модели. Это не расчёт стоимости запроса: у моделей различаются токенизаторы и тарифы.
Аудит работает с исходным ответом сервера и не выполняет JavaScript. Он ищет структурные признаки проблем, но не запускает AI-агента с пользовательским заданием. Чтобы проверить, сможет ли конкретный агент воспользоваться документацией, нужен отдельный прогон такого задания.
Как ARD помогает обнаружить ресурсы сайта
Agentic Resource Discovery (ARD) описывает обнаружение ресурсов, доступных AI-клиенту: например, API, MCP-сервера или рабочего процесса. По описанию клиент может найти подходящий ресурс, а обращается к нему уже через его собственный интерфейс.
Раздел ARD в отчёте проверяет публикацию таких описаний. Сканер ищет /.well-known/ard.json, ссылки в HTML и HTTP-заголовках, директивы Agentmap в robots.txt и встроенный ARD JSON-LD. Он также распознаёт прежний формат ai-catalog.json, чтобы показать материалы, которым может потребоваться переход на новый формат.
В отчёте видны найденные ресурсы, адреса их описаний, ошибки в полях и ограничения, помешавшие завершить проверку. Отсутствие каталога, ошибка загрузки и некорректный документ показаны как разные состояния. Это проверка публикации, которая не подтверждает работоспособность перечисленных API или MCP-серверов.
Результат ARD выводится отдельно и не влияет на баллы AEO. Раньше этот раздел находился в сканере скорости; новые проверки выполняются в AEO, а сохранённые отчёты скорости остаются доступны.
Как улучшить сайт по результатам аудита
Начните со страницы, которую агенту нужно прочитать для конкретной задачи. Например, выберите инструкцию по интеграции, а затем проверьте, доступны ли описание операции, её параметры и пример запроса.
- Проверьте загрузку основного текста. Если отчёт указывает на зависимость от JavaScript, сравните исходный HTML с содержимым в браузере. Если нужного текста в HTML нет, рассмотрите серверную генерацию страницы или доступную Markdown-версию.
- Разберите структуру. Выстройте последовательные уровни заголовков, поместите пример рядом с описанием операции и уберите повторяющиеся пояснения. Таблица полезна там, где читателю нужно сопоставить параметры или варианты.
- Оцените объём. Большой справочник можно разделить на самостоятельные темы со ссылками между ними. Сохраните на каждой странице условия и примеры, необходимые для её понимания.
- Проверьте обнаружение материалов. Если используете
llms.txt, актуализируйте ссылки и краткие описания. Если публикуете ресурсы через ARD, исправьте недоступные адреса каталогов и ошибки в записях. - Повторите аудит того же URL после публикации правок. Сравните замечания, а затем дайте используемому AI-агенту исходное задание: например, найти параметры API-операции и подготовить запрос.
Как читать оценку AEO
Читайте общий процент вместе с применимыми проверками, их максимальными баллами и незавершёнными результатами. Проверки файлов AGENTS.md и SKILL.md в этом аудите не выполняются.
Правила и веса могут меняться. Сравнивайте отчёты с одинаковыми правилами и ориентируйтесь на максимум, указанный в отчёте, а не на фиксированную сумму из старого примера. Сам по себе процент не объясняет, какая проблема осталась.
При работе с отчётом учитывайте замечания и ошибки загрузки. Правила используют эвристики и могут не распознать нестандартную разметку, формулировку или язык документа. Высокая оценка не гарантирует позиции в поиске, упоминания в AI-ответах или поддержку всех форматов конкретным агентом.
Частые вопросы об оптимизации сайта для AI-агентов
Проверяет ли AEO весь сайт?
Один запуск анализирует выбранный URL и полученные публичные файлы сайта. Он не обходит все страницы и не читает закрытый репозиторий. Для другой инструкции или справочника запустите отдельную проверку.
Нужно ли разрешать всех роботов в robots.txt?
Нет. Запрет определённого робота может быть частью политики сайта. Сверьте замечание с тем, кому вы хотите предоставить доступ, и меняйте правила только для нужных клиентов.
Достаточно ли добавить llms.txt?
Нет. Индекс со ссылками не исправляет недоступный текст, ошибки загрузки или неполные примеры. Сначала обеспечьте доступ к нужному содержимому, затем решите, подходит ли llms.txt вашим сценариям работы с агентами.
Запустите AEO-аудит сайта с URL одной инструкции или страницы API. По её отчёту составьте список правок и проверьте результат на той же задаче.