Машинно четимо управление
Правила за управление, които машините могат да открият и изпълнят: llms.txt, манифести /ai/, файлове с политики /.well-known/, JSON схеми, подписани лицензионни токени и формати на одитни дневници. Самият този сайт е работещ пример.
Въпроси в процес на изследване
01
От robots.txt през llms.txt до манифести на права
02
/.well-known/ конвенции за откриване на политики
03
JSON схема като нормативен формат на спецификация
04
Одитируемост: дневници, версии, произход
Свързани бели книги
- AICR / AICL като свързващ слой за лицензиране на ИИ съдържание и агентни плащания Машинно четим слой от спецификации за деклариране на права върху ИИ съдържание и работни процеси по лицензиране — от обхождане от ИИ и права върху съдържание до знаниев уеб с машинни транзакции.
- Спектър на правата на ИИ: от robots.txt до Протокол за разрешение за обучение на ИИ AIRS и AILP изразяват нюансирани разрешения за обучение на ИИ отвъд двоичното позволено/забранено — какво може да учи ИИ, до каква дълбочина, за какви цели и срещу какво възнаграждение.
- Протоколизирана откритост: защо „непозволено“ не означава „подлежащо на обучение“ в ерата на ИИ Недефинираната откритост се тълкува от конвейерите на ИИ като правна несигурност и бива изчиствана; само протоколизираното, машинно четимо разрешение прави съдържанието наистина подлежащо на обучение.
- AICL-I v0.2: AI Ingestion & Capability Layer A five-component website architecture — manifest, corpus, capability, runtime control, governance — that lets AI, agents, and crawlers correctly ingest, invoke, and verify a site's knowledge and capabilities within explicit content, action, and authority boundaries.
- Плащане за ИИ съдържание и мрежовата демократична икономика Политикономически аргумент: оценките на ИИ в трилиони долари създават натиск за легитимност в полза на многостепенно лицензиране на съдържание и споделяне на обществена изгода — данните стават степенувани, а не скъпи.
- From Crawler Rights to Agent Authority: Extending AGIRIGHT from Content Governance to Protocol-Native AI Agents The bridge paper for AGIRIGHT's Agent & Protocol Rights family: why content permission, action permission, delegated authority, and inspection rights must be four separately-evaluated axes, not one.
- AARS v0.1 — Agent Action Rights Spectrum The full protocol draft behind the AARS page: an A0–A7 human-readable spectrum, a machine-readable action vector, and rules for composition risk and capability amplification.
- AADP v0.1 — Agent Authority & Delegation Protocol The full protocol draft behind the AADP page: principal ≠ actor, delegation that can only narrow, and an inspection ceiling that bounds how much a verifier may demand.
- AGIRight.org Technical White Paper v0.2 — From AI Content Governance to Protocol-Native Agent & Authority Rights The site's current architecture document: six protocol drafts across two families (content & learning, agent & protocol rights), an integration layer, and an ethical-protection layer, plus the acceptance criteria this site update was built against.
- Тезата за минимална етична защита на ИИ Дискурсът за правата на ИИ трябва да започва не с пълна правосубектност, а с минимални етични защити, норми на взаимодействие и принципи срещу злоупотреба, докато субектността на ИИ остава несигурна.
- ARHG — Agent-Readable Hyperlink Graph and Permissioned Web Control Plane A machine-readable navigation graph alongside the ordinary site, answering what AICR/AILP and AARS/AADP both assume: can this resource even be found, by whom, and where does it lead.