# Глосарій AEO та GEO > Короткі означення термінів, які справді змінюють роботу: llms.txt, JSON-LD, ембединги, чанкінг, grounding, RAG, user-agent краулера. **Canonical:** https://alexturik.com/uk/aeo/glossary Терміни лишаються англійськими, бо саме так вони написані в документації вендорів і в коді. Пояснення - українською, по два-три речення на кожен. *In English: [AEO & GEO glossary](/aeo/glossary).* Терміни лишаються англійськими навмисно. Саме так вони написані в документації вендорів, у логах і в коді, тож перекладений термін довелося б перекладати назад щоразу, коли доходить до роботи. Українською тут - пояснення. ## Формати й файли ### llms.txt Текстовий файл у корені домену (`/llms.txt`), який подає машині впорядкований покажчик сайту: що це за сайт, які сторінки головні, де взяти їхні markdown версії. Конвенція, не стандарт: жоден вендор не зобов'язувався його читати. Коштує 15 хвилин і не ламає нічого - тому й поширився. Як він робиться на Next.js - [у статті](/blog/how-i-added-llms-txt-to-my-nextjs-blog-in-15-minutes). ### llms-full.txt Те саме, але з повним текстом кожної сторінки в одному файлі. На цьому сайті покажчик важить близько 12 КБ, повна версія - близько 240 КБ. Сенс у тому, щоб модель, яка хоче прочитати сайт цілком, зробила один запит замість двох десятків. ### Markdown-двійник (`.md`-дзеркало) Та сама сторінка, віддана як `text/markdown` за адресою на кшталт `/blog/стаття.md`. Краулеру не доводиться зчищати HTML, навігацію і скрипти, щоб дістатися тексту. За скануванням серпня 2026 таке має 8,6% сторінок у видачі за AEO-запитами. ### AGENTS.md Файл у корені репозиторію з інструкціями для кодових агентів - Claude Code, Cursor, Aider. Не має стосунку до ШІ-пошуку: `llms.txt` описує сайт для читача, `AGENTS.md` описує репозиторій для того, хто в ньому працюватиме. ## Розмітка ### JSON-LD Структуровані дані у форматі JSON, вкладені в сторінку окремим тегом `script`. Кажуть машині те, чого не видно з тексту: що це стаття, хто автор, коли опубліковано і коли оновлено. Формат, який Google рекомендує, і єдиний, який тут використовується. Розбір - [у статті](/blog/help-ai-understand-your-content-with-json-ld). ### schema.org Словник типів і полів, якими наповнюють JSON-LD: `Article`, `FAQPage`, `Person`, `SoftwareApplication`, `BreadcrumbList`. JSON-LD - це синтаксис, schema.org - це словник. ### FAQPage Тип розмітки для списку питань і відповідей. Ключова умова: розмітка мусить збігатися з текстом, який бачить людина. Розходження між ними - це те, що Google називає misleading markup, і на цьому сайті `FAQPage` тому генерується з видимої секції `## FAQ`, а не оголошується поруч із нею окремо. ### `datePublished` і `dateModified` Два поля, які найбільше впливають на те, чи вважатиме ШІ-система вашу сторінку актуальною. `dateModified`, який змінюється без змін у тексті, - це шум, а не сигнал. Деталі - [тут](/blog/recency-and-authority-two-schema-fields-that-decide-ai-trust). ### `sameAs` Поле в `Person` чи `Organization` зі списком профілів, які описують ту саму сутність: GitHub, LinkedIn, X. Так система розуміє, що автор із трьох різних сторінок - одна людина, а не троє тезок. ## Як працює пошук на моделях ### Embeddings (ембединги) Перетворення тексту на вектор чисел так, щоб близькі за змістом тексти дали близькі вектори. Це те, на чому стоїть увесь семантичний пошук: система порівнює не слова, а напрямки. Подивитися вживу можна [в пісочниці](/tools/embedding-playground). ### Cosine similarity Міра схожості двох векторів - косинус кута між ними, від -1 до 1. Саме її рахують, коли кажуть «ця сторінка ближча до запиту». ### Chunking (чанкінг) Розбиття сторінки на фрагменти перед індексацією. Дістають і цитують не сторінку, а чанк, тому розділ, зрозумілий лише в контексті попередніх трьох, з високою ймовірністю не буде процитований узагалі. Звідси вимога до заголовків - [розбір](/blog/semantic-html-for-machines-heading-hierarchy). ### Retrieval Етап пошуку доречних фрагментів, який відбувається до генерації відповіді. Якщо вас не дістали на цьому етапі, якість тексту вже не має значення. ### RAG (Retrieval-Augmented Generation) Схема, за якою модель спершу шукає доречні фрагменти, а потім генерує відповідь, спираючись на них. Так працюють ChatGPT Search, Perplexity і AI Overviews. Протилежність - відповідь із самої лише пам'яті моделі, без пошуку. ### Grounding Прив'язка згенерованої відповіді до конкретних джерел. Саме grounding перетворює згадку на цитату з посиланням, тобто на те, заради чого робиться AEO. ## Краулери й доступ ### User-agent Рядок, яким клієнт представляється серверу: `GPTBot`, `ClaudeBot`, `PerplexityBot`. Це звичайний заголовок, який може надіслати будь-хто, тому перевіряти бота треба за IP з офіційного списку вендора, а не за іменем. Повна таблиця з 44 токенами - [тут](/blog/ai-crawler-list-robots-txt-2026). ### robots.txt Файл у корені домену, який каже краулерам, куди можна. Працює за іменем бота, кожен вендор документує свої окремо. Важливо: боти, які відкривають сторінку на прохання людини (`ChatGPT-User`, `Perplexity-User`), за власною документацією вендорів `robots.txt` можуть не виконувати. ### `noindex` Директива в мета-тезі `robots` або в заголовку `X-Robots-Tag`, яка забороняє індексувати сторінку. Поширений міф, ніби вона означає «не тренуйтеся на цьому», - жоден із великих вендорів такого не документує. Але наслідок реальний: без індексації вас не дістануть, а отже не процитують. [Розбір](/blog/the-3-word-tag-that-hides-your-best-pages-from-ai). ### Content-Signal Рядок у `robots.txt`, який Cloudflare додає у свою керовану версію файлу: `Content-Signal: search=yes, ai-train=no`. Виражає побажання за призначенням, а не за ботом. Виконання добровільне; IETF стандартизує споріднений словник. ## Дисципліни ### AEO / GEO / LLMO Три назви приблизно однієї роботи: зробити сторінку придатною для цитування мовною моделлю. Різниця - в акценті, не в техніці. Порівняння - [у статті](/blog/geo-vs-seo-vs-aeo). ### E-E-A-T Experience, Expertise, Authoritativeness, Trustworthiness. Критерії Google для оцінки якості, які в ШІ-пошуку працюють так само: система охочіше цитує джерело, у якого видно автора, дату і причину йому довіряти. ## FAQ ### Чому терміни не перекладені українською Бо в документації вендорів, у коді і в логах вони написані англійською, і перекладений термін довелося б перекладати назад щоразу, коли справа доходить до роботи. Тут перекладені пояснення, а не назви. ### Чим llms.txt відрізняється від AGENTS.md Різні читачі. `llms.txt` описує сайт для моделі, яка шукає відповідь на запит користувача. `AGENTS.md` описує репозиторій для кодового агента, який збирається в ньому працювати. Спільного між ними лише те, що обидва - текстові файли за домовленістю, а не за стандартом. ### Що таке чанк і чому він важливіший за сторінку Чанк - це фрагмент, на які сторінка ділиться перед індексацією. ШІ-система дістає і цитує саме фрагмент, а не документ цілком. Тому розділ, який зрозумілий лише після трьох попередніх, має менше шансів бути процитованим, ніж розділ, який тримається сам. ### Чи достатньо додати JSON-LD, щоб мене цитували Ні. JSON-LD закриває третю з чотирьох умов - щоб машина розібрала структуру. Якщо краулер не дістає сторінку або отримує порожню оболонку без JavaScript, розмітка не рятує нічого. Порядок умов є [на головній сторінці кластера](/uk/aeo).