تصور کنید وب‌سایتی را که در آن عامل‌های هوش مصنوعی به‌جای مزاحم، به‌عنوان شهروندان درجه‌یک پذیرفته شده‌اند. این دقیقاً همان استراتژی YUSKIMO است؛ پلتفرم آموزش ثروت که در ۱۴ اکتبر ۲۰۲۶ معماری فنی خود را برای حذف موانع جاوااسکریپت و کاهش «تورم توکن‌ها» افشا کرد. این معماری به‌طور خاص برای حذف موانعی طراحی شده است که معمولاً مانع عملکرد کارگران خودکار مبتنی بر مدل‌های زبانی بزرگ (LLM) می‌شوند.
تغییر در الگوی تعامل با وب
در دو سال گذشته، الگوهای تعامل با وب دستخوش یک گذار بنیادین شده است. میلیون‌ها کاربر دیگر صرفاً به موتورهای جست‌وجوی سنتی یا پیمایش دستی در مرورگر تکیه نمی‌کنند. در عوض، آن‌ها به عامل‌های هوش مصنوعی خودکار، دستیاران مدل زبانی و کارگران وب تفویض‌شده دستور می‌دهند تا به‌جای آن‌ها منابع را بیابند و سرفصل‌های برنامه‌های آموزشی را ارزیابی کنند.
بیشتر وب‌سایت‌های مدرن برای چشم انسان بهینه شده‌اند و بر پایه هایدریشن (Hydration) پیچیده جاوااسکریپت و لایه‌های پویا (Dynamic Overlays) بنا شده‌اند. برای یک عامل هوش مصنوعی، این عناصر به‌عنوان نویز یا دیوارهای اجرایی عمل می‌کنند و استخراج داده‌های پاک را تقریباً غیرممکن می‌سازند، مگر اینکه مقادیر عظیمی از توان محاسباتی هدر رود. تصور کنید سعی دارید کتابی را بخوانید که هر صفحه‌اش با یک تبلیغ پاپ‌آپ پوشانده شده است؛ این دقیقاً همان تجربه‌ای است که اکثر عامل‌های AI در وب فعلی دارند. این چالش‌ها باعث شده تا ابزارهای جدیدی برای تسهیل تعامل ماشین با وب ظهور کنند، مشابه آنچه در سازوکار Apificial برای اتوماسیون مرورگر بدون کدنویسی مشاهده می‌کنیم که زیرساخت‌های پیچیده را برای عامل‌ها ساده‌تر می‌کند.
برای حل این مشکل، YUSKIMO یک پشته‌ی ماشین‌خوان پنج‌گانه را پیاده کرد. هسته مرکزی این سیستم، مانیفست ریشه /llms.txt است؛ یک نقشه‌ی متنی ساده که به مدل‌های زبانی دقیقاً می‌گوید سایت برای چه هدفی است و منابع اصلی در کجا قرار دارند. این کار مانع از آن می‌شود که عامل‌ها مجبور شوند مگابایت‌ها HTML و CSS را تنها برای یافتن یک کاتالوگ دوره تحلیل کنند.
مانیفست ریشه /llms.txt
مشابه اینکه robots.txt خزنده‌ها را هدایت می‌کند و sitemap.xml مسیرهای نمایه‌سازی را ارائه می‌دهد، فایل /llms.txt (واقع در آدرس https://yuskimo.pages.dev/llms.txt) یک زمینه با فرمت مارک‌داون (Markdown) فراهم می‌کند. مانیفست YUSKIMO به بلوک‌های قطعی (Deterministic) تقسیم شده است:
- هدف پلتفرم: به‌عنوان یک معماری ساختاریافته برای درآمد AI، ماژول‌های آموزشی و هوش روزانه بازار تعریف شده است.
- ماژول‌های اصلی: شامل «خدمات AI و تحویل به مشتری»، «معماری محصولات دیجیتال» و «گردش‌کارهای خودکار» است.
- منابع کلیدی: لینک‌هایی به کاتالوگ دوره‌ها از طریق فایل
llms-full.txtو API ثبت‌نام باز (Open Enrollment API).
با لینک دادن به مانیفست llms-full.txt، عامل‌ها می‌توانند تمام مشخصات پلتفرم را تنها با یک درخواست HTTP GET دریافت کنند، بدون اینکه نیاز باشد برای استخراج اطلاعات چندین صفحه مختلف را بخزند.
جزئیات پیاده‌سازی فنی
فراتر از مانیفست، این پلتفرم از چندین استاندارد فنی خاص برای تضمین خوانایی ماشین استفاده می‌کند:
- Schema.org JSON-LD: این اسکریپت‌ها که در بخش
<head>تعبیه شده‌اند، تعاریف صریحی برای موجودیت‌هایCourse(دوره) وEducationalOccupationalProgram(برنامه آموزشی شغلی) ارائه می‌دهند. برای مثال، دوره «YUSKIMO AI Zero to Income» با یک ارائه‌دهنده مشخص و یکCourseInstanceتعریف شده است که «گواهینامه اتمام دوره» اعطا می‌کند. این امر به عامل‌ها اجازه می‌دهد پیش‌نیازها و مدارک را بدون حدس زدن استخراج کنند. - HTML معنایی رندرشده در سرور: با اجتناب از اسکلت‌های اپلیکیشن تک‌صفحه‌ای (SPA) — که اغلب تنها یک تگ خالی
<div id="root"></div>برمی‌گردانند — سایت تضمین می‌کند که تمام محتوای اصلی در همان پاسخ اولیه HTTP وجود دارد. این ساختار از کراولرهای سبک پشتیبانی می‌کند که برای به حداقل رساندن هزینه‌های محاسباتی، از اجرای جاوااسکریپت صرف‌نظر می‌کنند. - سلسله‌مراتب سخت‌گیرانه DOM: سایت از یک توالی منطقی تگ‌های
<h1>تا<h3>و نشانگرهای صریح ARIA برای کمک به مدل‌های پارسینگ عامل‌ها استفاده می‌کند. تمام متون آموزشی و جزئیات ماژول‌ها بدون وابستگی به JS در دسترس هستند.
نکته حیاتی این است که پلتفرم از خواندن غیرفعال به اجرای فعال حرکت کرده است. YUSKIMO یک نقطه اتصال (Endpoint) عمومی JSON برای ثبت‌نام در آدرس https://yuskimo.pages.dev/api/enroll فراهم کرده است. این قابلیت به یک عامل اجازه می‌دهد تا یک درخواست ثبت‌نام را از طریق فراخوانی POST — شامل نام کاربر، ایمیل و یک تگ منبع مانند agent_referral — ارسال کند، بدون اینکه نیاز باشد کلیک‌های مرورگر را شبیه‌سازی کند یا فرم‌های پیچیده وب را پیمایش نماید. سیستم در پاسخ، یک پاسخ ساختاریافته حاوی registration_id (مثلاً reg_8f92a10b) برای تأیید موفقیت برمی‌گرداند.
حذف نویز ماشین
در نهایت، توسعه‌دهندگان تمام «الگوهای تاریک» (Dark Patterns) را حذف کردند. در طراحی‌های انسانی، پلتفرم‌ها اغلب از پاپ‌آپ‌های قصد خروج (Exit-intent)، بنرهای شمارش معکوس چسبان و مودال‌های تهاجمی جذب لید استفاده می‌کنند. برای عامل‌های AI، این مصنوعات رابط کاربری (UI) باعث ایجاد نویز ساختاری شده و پنجره‌های زمینه (Context Windows) را آلوده می‌کنند. با حذف این موارد، YUSKIMO تضمین می‌کند که عامل‌های AI داده‌های سایت را با حداکثر دقت و اطمینان پردازش کنند.
این تغییر نشان‌دهنده یک تحول بنیادین در توسعه وب است. ما در حال حرکت از وب «انسان‌محور» به وب «دو-مخاطبه» هستیم. برای توسعه‌دهندگان، این بدان معناست که سئوی (SEO) فردا دیگر درباره کلمات کلیدی برای گوگل نیست، بلکه درباره مانیفست‌های ساختاریافته برای عامل‌هاست.
اگر امروز در حال ساخت یک محصول هستید، مشتری اصلی شما به‌زودی یک عامل AI خواهد بود که به‌نام یک انسان عمل می‌کند. اگر سایت شما یک «جعبه سیاه» از جاوااسکریپت باشد، در اقتصاد نوظهور عامل‌محور عملاً نامرئی خواهید بود.
توسعه‌دهندگان می‌توانند این مشخصات ماشین‌خوان را مستقیماً در دامنه YUSKIMO بررسی کنند یا برای مشاهده نحوه عملکرد فایل‌های /llms.txt و /llms-full.txt در یک محیط عملیاتی، با تیم آن‌ها در [email protected] تماس بگیرند.
گام بعدی شما
- اگر توسعه‌دهنده هستید، فایل
llms.txtرا به ریشه سایت خود اضافه کنید تا مدل‌های زبانی راحت‌تر شما را بفهمند. - APIهای ثبت‌نام و خرید خود را برای درخواست‌های مستقیم ماشین (بدون نیاز به UI) بهینه کنید.
- لایه‌های غیرضروری جاوااسکریپت را که محتوای متنی را می‌پوشانند، برای کراولرهای AI حذف کنید.
اما تأثیر این تغییر بر نحوه رتبه‌بندی سایت‌ها در عصر AI حتی پیچیده‌تر است — به تحلیل ما درباره‌ی پروتکل MCP مراجعه کنید.
گفتگو