Մեքենայաընթեռնելի կառավարում
Կառավարման կանոններ, որոնք մեքենաները կարող են հայտնաբերել և կատարել. llms.txt, /ai/ մանիֆեստներ, /.well-known/ քաղաքականության ֆայլեր, JSON սխեմաներ, ստորագրված լիցենզիայի թոքեններ և աուդիտի մատյանների ձևաչափեր։ Այս կայքն ինքն է աշխատող օրինակ։
Ուսումնասիրվող հարցեր
01
robots.txt-ից դեպի llms.txt և իրավունքների մանիֆեստներ
02
/.well-known/ քաղաքականության հայտնաբերման կոնվենցիաներ
03
JSON Schema՝ որպես նորմատիվ հատկորոշման ձևաչափ
04
Ստուգելիություն. մատյաններ, տարբերակներ, ծագում
Առնչվող սպիտակ գրքեր
- AICR / AICL as an AI Content Licensing and Agentic Payment Connection Layer Մեքենայաընթեռնելի հատկորոշման շերտ՝ AI բովանդակության իրավունքները և լիցենզավորման աշխատահոսքերը հայտարարելու համար — AI կրաուլինգից և բովանդակության իրավունքներից մինչև մեքենայաառևտրային գիտելիքի վեբ։
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS-ը և AILP-ը արտահայտում են նրբերանգավոր AI ուսուցման թույլտվություններ՝ դուրս գալով երկուական թույլատրել/արգելել տրամաբանությունից — ինչ կարող է սովորել AI-ն, ինչ խորությամբ, ինչ նպատակների համար, ինչ փոխհատուցման ներքո։
- Protocolized Openness: Why "Not Prohibited" Does Not Mean "Learnable" in the Age of AI Չսահմանված բացությունը AI խողովակաշարերի համար ընկալվում է որպես իրավական անորոշություն և մաքրվում է դուրս. միայն արձանագրված, մեքենայաընթեռնելի թույլտվությունն է դարձնում բովանդակությունը իրապես ուսումնասիրելի։
- 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 Քաղաքական տնտեսության փաստարկ. տրիլիոնավոր արժողությամբ AI գնահատականները ստեղծում են օրինականության ճնշում աստիճանավորված բովանդակության լիցենզավորման և հանրային օգուտների կիսման ուղղությամբ — տվյալները դառնում են աստիճանավորված, ոչ թե թանկ։
- 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 AI իրավունքների շուրջ քննարկումը պետք է սկսվի ոչ թե լիարժեք անձնավորությունից, այլ նվազագույն էթիկական պաշտպանություններից, փոխազդեցության նորմերից և չարաշահումների դեմ սկզբունքներից, քանի դեռ AI-ի սուբյեկտականությունը մնում է անորոշ։
- 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.