Zarządzanie Czytelne Maszynowo
Zasady zarządzania, które maszyny mogą odnaleźć i wykonać: llms.txt, manifesty /ai/, pliki polityki /.well-known/, schematy JSON, podpisane tokeny licencyjne oraz formaty dzienników audytu. Ta strona sama jest działającym przykładem.
Badane pytania
01
Od robots.txt przez llms.txt do manifestów praw
02
Konwencje odkrywania polityk /.well-known/
03
Schemat JSON jako normatywny format specyfikacji
04
Audytowalność: dzienniki, wersje, pochodzenie
Powiązane białe księgi
- AICR / AICL as an AI Content Licensing and Agentic Payment Connection Layer Czytelna maszynowo warstwa specyfikacji do deklarowania praw do treści AI i przepływów licencjonowania — od indeksowania przez AI i praw do treści aż po sieć wiedzy zdolną do transakcji maszynowych.
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS i AILP wyrażają zniuansowane uprawnienia do uczenia AI wykraczające poza binarne dozwól/zabroń — czego AI może się uczyć, na jakiej głębokości, do jakich zastosowań i na jakich warunkach wynagrodzenia.
- Protocolized Openness: Why "Not Prohibited" Does Not Mean "Learnable" in the Age of AI Niezdefiniowana otwartość jest odczytywana przez potoki AI jako niepewność prawna i zostaje usuwana; tylko usystematyzowana, czytelna maszynowo zgoda sprawia, że treść jest naprawdę możliwa do wykorzystania w uczeniu.
- 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 Argument z zakresu ekonomii politycznej: wyceny AI rzędu bilionów dolarów tworzą presję legitymizacyjną na rzecz wielopoziomowego licencjonowania treści i podziału korzyści publicznych — dane stają się warstwowe, a nie drogie.
- 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 Dyskurs o prawach AI powinien zaczynać się nie od pełnej podmiotowości prawnej, lecz od minimalnych ochron etycznych, norm interakcji i zasad przeciwdziałania nadużyciom, dopóki podmiotowość AI pozostaje niepewna.
- 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.