Gobernanza Lexible por Máquinas
Regras de gobernanza que as máquinas poden descubrir e executar: llms.txt, manifestos /ai/, ficheiros de política /.well-known/, esquemas JSON, tokens de licenza asinados e formatos de rexistro de auditoría. Este sitio é en si mesmo un exemplo funcional.
Preguntas en estudo
01
De robots.txt a llms.txt e aos manifestos de dereitos
02
Convencións de descubrimento de políticas en /.well-known/
03
Esquema JSON como formato normativo de especificación
04
Auditabilidade: rexistros, versións, procedencia
Libros brancos relacionados
- AICR / AICL as an AI Content Licensing and Agentic Payment Connection Layer Unha capa de especificacións lexible por máquinas para declarar dereitos sobre contido de IA e fluxos de licenciamento — desde o rastrexo por IA e os dereitos de contido ata unha web de coñecemento transaccionable por máquinas.
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS e AILP expresan permisos de aprendizaxe da IA matizados, máis alá do permitido/denegado binario — o que a IA pode aprender, a que profundidade, para que usos e baixo que compensación.
- Protocolized Openness: Why “Not Prohibited” Does Not Mean “Learnable” in the Age of AI A apertura non definida interprétase como incerteza legal polos procesos de IA e acaba eliminada; só o permiso protocolizado e lexible por máquinas fai que o contido sexa realmente apto para aprender del.
- 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.
- AI Content Payment and the Network Democratic Economy Un argumento de economía política: as valoracións da IA da orde de billóns crean presión de lexitimidade a favor dun licenciamento de contido por niveis e do reparto do beneficio público — os datos vólvense estratificados, non (só) caros.
- 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.
- The Minimum Ethical Protection Proposition for AI O discurso sobre os dereitos da IA non debería comezar coa personalidade xurídica plena, senón con proteccións éticas mínimas, normas de interacción e principios contra o abuso, mentres a subxectividade da IA siga sendo incerta.
- 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.