Сайт готов к ИИ-поиску, если у него есть машиночитаемая разметка, llms.txt, schema.org, чистый технический SEO и понятные ответы в начале страниц. Это направление называют GEO/AEO (оптимизация под генеративные ответы) и agent readiness (готовность к ИИ-агентам). Свежий пример инструмента под эту задачу — claude-seo: набор навыков для Claude Code, который собрал +197 звёзд за сутки.
Что такое GEO, AEO и agent readiness
GEO и AEO — это оптимизация сайта под то, чтобы ИИ-поиск и ассистенты цитировали его в ответах, а agent readiness — чтобы автономные агенты могли сайтом пользоваться. Классическое SEO гонит трафик на страницу; GEO/AEO добивается, чтобы модель взяла формулировку со страницы в свой ответ, а агент смог выполнить действие без человека.
Три слоя, которые тут важны:
- Контент: прямой ответ в первом абзаце, факты и цифры, структура «вопрос — короткий ответ — раскрытие».
- Разметка: schema.org, корректные заголовки, стабильные URL, машиночитаемые данные.
- Agent readiness: llms.txt, WebMCP, проверка через Lighthouse Agentic Browsing — то есть сайт проверяют не только на скорость, но и на то, может ли агент по нему пройти.
Что умеет claude-seo и кому это нужно
claude-seo — это универсальный SEO-навык для Claude Code: 26 суб-навыков и 19 суб-агентов, покрывающих технический SEO, E-E-A-T, schema, GEO/AEO, agent readiness, бэклинки, локальное SEO, e-commerce, международное SEO, Google APIs и отчёты в PDF/Excel. Плюс 9 опциональных расширений для живых SEO-данных.
Кому нужно: владельцам сайтов и контент-команд, которые хотят системно закрыть GEO/AEO и agent readiness, а не собирать чек-лист вручную. Репозиторий полезен и тем, кто уже гоняет SEO-аудит через агента: 19 суб-агентов делят работу по направлениям вместо одного длинного промпта.
Смежная задача — чистота данных, на которых агент строит ответы: без нормальной базы знаний любая разметка бесполезна. Об этом — как приручить галлюцинации и почистить базу знаний.
Как начать: шаги
Начать стоит с установки навыка в Claude Code и прогона аудита по трём направлениям: технический SEO, GEO/AEO и agent readiness.
- Заберите репозиторий:
git clone https://github.com/AgriciDaniel/claude-seo. - Подключите навык к Claude Code по инструкции в README — он подхватит 26 суб-навыков и 19 суб-агентов.
- Прогоните технический SEO-аудит: заголовки, индексация, скорость, структура URL.
- Проверьте GEO/AEO: есть ли прямой ответ в первом абзаце, schema.org, цитируемые факты.
- Отдельно пройдите agent readiness: llms.txt, WebMCP, Lighthouse Agentic Browsing.
- Подключите опциональные расширения, если нужны живые SEO-данные.
- Выгрузите отчёт в PDF или Excel и раздайте задачи по суб-агентам.
Что может пойти не так: без живых SEO-данных часть проверок останется поверхностной, а llms.txt и WebMCP — молодые стандарты, их поддержка у поисковиков не гарантирована. Относитесь к отчёту как к чек-листу, а не как к приговору.
Пример: что даёт GEO на практике
Один и тот же текст можно написать двумя способами, и для ИИ-поиска они неравноценны. Возьмём страницу про локальные модели.
- Плохо: «В современном мире нейросети становятся всё популярнее, и многие задумываются о том, чтобы...» — модели нечего цитировать.
- Хорошо: «Локальная LLM на 7B параметров в квантовании Q4 занимает около 4–5 ГБ VRAM и отвечает на одной потребительской видеокарте. Дальше — как посчитать под свою задачу» — есть цифра, есть прямой ответ, есть переход к раскрытию.
Второй вариант ИИ-ассистент вытащит цитатой почти дословно. Именно поэтому в claude-seo GEO/AEO вынесен в отдельный суб-навык, а не спрятан внутри технического аудита. Как считать VRAM под локальную модель — в отдельном разборе.
Чем это отличается от обычного SEO-аудита
Обычный SEO-аудит отвечает на вопрос «найдёт ли страницу поисковик и приведёт ли трафик». GEO/AEO и agent readiness отвечают на другой: «возьмёт ли модель эту страницу в ответ и сможет ли агент по ней что-то сделать». Разница в метриках: вместо позиций и CTR — попадание в цитаты ИИ-ответов и проходимость для агента.
Инструменты вроде claude-seo закрывают оба слоя сразу, но фокус смещён: schema, llms.txt, WebMCP и Lighthouse Agentic Browsing — это про машинное чтение, а не про людей. Если хотите понять, как агенты вообще работают с инструментами и данными, начните с разбора AI workflow.
Частые вопросы
Что такое GEO и AEO простыми словами? Это оптимизация сайта под генеративные ответы ИИ-поиска: чтобы модель цитировала страницу, а не пересказывала конкурентов. AEO — про попадание в прямой ответ, GEO — про присутствие в сгенерированном ответе в целом.
Что такое llms.txt? Файл в корне сайта, который в машиночитаемом виде объясняет ИИ-моделям структуру и содержание сайта. Молодой стандарт, поддержка не гарантирована, но в agent readiness его проверяют.
Нужен ли claude-seo, если уже есть обычный SEO-аудит? Да, если хотите закрыть GEO/AEO и agent readiness: 26 суб-навыков и 19 суб-агентов покрывают те направления, которых в классическом аудите обычно нет.
Больше разборов по ИИ и автоматизации — в канале: @il_chum