機器可讀治理
機器能發現並執行的治理規則:llms.txt、/ai/ 清單、/.well-known/ 政策檔、JSON Schema、簽章授權憑證與稽核紀錄格式。本站本身就是一個運作中的範例。
研究問題
01
從 robots.txt、llms.txt 到權利清單
02
/.well-known/ 政策發現慣例
03
以 JSON Schema 作為規範格式
04
可稽核性:紀錄、版本、來源譜系
相關白皮書
- AICR / AICL 作為 AI 內容授權與代理支付連接層 一個宣告 AI 內容權利與授權工作流的機器可讀規範層——從 AI 爬取與內容權利,走向機器可交易的知識網路。
- AI 權利光譜:從 robots.txt 到 AI 學習許可協議 AIRS 與 AILP 讓 AI 學習許可超越二元的允許/禁止——AI 能學什麼、學到什麼深度、用於什麼用途、以什麼補償條件。
- 協議化開放:AI 時代中「不禁止」為何不等於「可學習」 未定義的開放在 AI 管線眼中是法律不確定性,會被清洗排除;唯有協議化、機器可讀的許可,才讓內容真正可學。
- AICL:AI 攝取與能力層 四子層網站架構——清單、語料、能力、治理——讓 AI、Agent 與爬蟲能正確攝取、引用、調用並驗證網站知識。
- AI 內容付費與網路民主化經濟 政治經濟學論證:兆元級 AI 估值造成合法性壓力,推動分級內容授權與公共分潤——資料不是變貴,而是變分級。