Карта сайта для ИИ-агента: как устроен Markdown-навигатор
Разбираем, как agent-sitemap превращает сайт в связанные Markdown-заметки для ИИ-агентов, что показал первый замер и когда такая карта действительно помогает.
Представьте, что вы просите ИИ-агента узнать цену маленькой картошки фри на сайте ресторана. Человек открывает меню и быстро находит нужную строку. Агент получает от инструмента HTML, очищенный текст или скриншот — и вместе с картошкой в его контекст попадают бургеры, напитки, состав, аллергены и вся остальная страница. Чем длиннее меню, тем больше лишнего текста приходится читать модели. Карта сайта для агента должна отвечать не только на вопрос «где страница», но и на вопрос «какой раздел открыть».
Именно эту проблему решает карта сайта для ИИ-агента — проект agent-sitemap: он раскладывает сайт на небольшие Markdown-заметки и связывает их ссылками. Идея простая: дать агенту не всю страницу, а оглавление, из которого можно открыть нужный раздел. В статье разберём, как устроена такая карта, что показал первый замер и в каких случаях она действительно помогает.
1. Зачем агенту отдельная карта сайта
С SEO мы привыкли думать о пути человека: он находит страницу в поиске, открывает её и сам решает, куда смотреть. С агентом появляется ещё один этап. Страница уже найдена, но инструмент должен решить, что именно вернуть модели. Если вернуть статью на десять экранов целиком, нужное условие может затеряться в середине текста.
sitemap.xml отвечает на вопрос «какие страницы есть на сайте», но не показывает, что находится внутри страницы. По нему можно найти URL меню, но не цену конкретного блюда. llms.txt позволяет описать, что лежит по каждой ссылке, и дать Markdown-версии страниц. Для небольшого сайта этого может хватить. Но если меню длинное, после перехода по ссылке агент всё равно получает длинный документ — просто уже без HTML.
Карта сайта для агента добавляет третий уровень. Индекс ведёт на карточку страницы, карточка — на заметку раздела, а заметка — на соседние материалы. Агент открывает только те заметки, которые нужны для ответа. Ссылку на индекс можно положить в llms.txt, но работать карта может и сама по себе: любому агенту достаточно уметь открывать URL.
Это не замена поиску и не новый стандарт разметки. Скорее навигационный слой между сайтом и агентом. Он особенно полезен там, где ответ спрятан в одном разделе большой страницы, а вокруг много нерелевантного текста. О том, как ИИ-поиск меняет видимость сайтов, разбирали в материале «SEO и GEO продвижение в Яндексе 2026».
2. Из чего состоит карта
Карта сайта собирается из трёх уровней. index.md перечисляет страницы, короткие описания и оценку размера. Карточка страницы содержит вводный текст, разделы и ссылки на связанные страницы. Заметка раздела — это текст одного раздела и ссылки на соседние материалы. В заметке остаётся адрес исходной страницы, чтобы агент мог сослаться на источник и проверить актуальность.
Связи берутся из двух источников. Часть уже есть в документе: страница содержит разделы, разделы идут по порядку, автор мог сам поставить ссылку на другую страницу. Остальные связи генератор ищет по словам: сравнивает разделы на разных страницах с помощью TF-IDF и косинусной близости. Это дешёвый и воспроизводимый способ, но он ошибается на общих словах. Слово «доставка» может часто встречаться и в тарифах, и в правилах возврата.
Поэтому есть дополнительный проход с LLM. Модель пишет короткие пояснения к заметкам и переходам и может отсеять часть связей, найденных по словам. Авторские ссылки при этом остаются в карте. Модель не обязательна: базовая сборка работает без неё и даёт одинаковый результат для одного и того же сайта. Для карты также сохраняется graph.json — те же узлы и типы связей для инструментов, которым нужен граф, а не Markdown.
Генератор поддерживает два режима работы. Можно взять локальные HTML и Markdown либо указать сайт с sitemap.xml. Текст делится по заголовкам второго уровня. Страницы, которых нет в репозитории, но которые есть на живом сайте, можно подтянуть из сети. Для страниц с Markdown-версией используется она, иначе HTML преобразуется в текст.
3. Первый замер: меньше текста, больше входных токенов
В README проекта есть пробный замер на двух вопросах к сайту Deckard. Ответы спрятаны внутри длинных статей. В одном варианте Claude Code начинал с главной страницы, в другом — с индекса карты. В обоих случаях агент мог пользоваться curl и получал подсказку, что сайт отдаёт Markdown. Ответы сверяла модель по заранее заданным эталонам.
Вопрос
Старт
HTTP-запросы
Символов
Входные токены
developer
Главная
5
37 728
31 828
developer
Карта
3
12 890
33 029
ship
Главная
4
20 711
30 983
ship
Карта
3
11 737
31 958
← Прокрутите вправо →
С картой агент сделал шесть запросов вместо девяти и выкачал примерно на 58% меньше текста. Казалось бы, следом должны упасть и токены. Но в последней колонке виден прирост на 3,5%. Причина в том, что считает стенд: в символы попадает только содержимое HTTP-ответов, а во входные токены — весь контекст, который модель получает на разных шагах. Туда же складываются обычные входные токены, запись в кеш и чтение из кеша, хотя у них разная цена.
Это важное ограничение замера. По таблице видно, сколько текста отдал сайт, но не видно, сколько стоил ответ. Чтобы понять стоимость, нужно смотреть на проходы агента и отчёт по категориям отдельно. И это только один запуск на два вопроса. Ассистент с обычным веб-поиском и браузером может пройти маршрут иначе.
Есть и второй нюанс — оценка размера рядом со ссылкой. Она считается по символам, с разными коэффициентами для кириллицы и остальных случаев, а не токенизатором конкретной модели. В оценку попадает основной текст, но в файле ещё есть заголовки, метаданные и ссылки. Для короткой заметки эти добавки могут быть длиннее самого раздела. Поэтому автор предлагает показывать два числа: размер файла, который агент сейчас откроет, и размер исходного текста.
4. Как проверить карту на своём сайте
Начать стоит с репозитория сайта. Генератор запускается из корня проекта, ему нужен Node 20.17 или новее. Если страницы собираются фреймворком, сайт нужно сначала собрать: карта читает готовые файлы из папки сборки. Первый запуск задаёт три вопроса — адрес сайта, набор страниц и кто пишет подсказки, — а следующие запуски просто пересобирают карту по сохранённым настройкам.
Без терминала можно передать --yes: генератор возьмёт найденные настройки и ничего не спросит. Результат — каталог ai с заметками и строка в llms.txt, которая указывает на индекс. Каталог нужно закоммитить и выложить вместе с сайтом. Проверка выполняется отдельной командой:
Команда завершается с кодом 1, если найдены проблемы, поэтому её удобно ставить в CI. В README показан пример на 115 заметок и 901 связь: проверка сообщает о нуле проблем и нуле предупреждений. Это не проверка качества текста, а проверка целостности ссылок и структуры.
Для первого замера автор советует взять 10–30 реальных вопросов и повторить каждый несколько раз в одинаковых условиях. Часть ответов должна лежать в одном разделе, часть — требовать нескольких страниц, а часть — отсутствовать на сайте. Смотреть нужно не только на правильность ответа, но и на число запросов, объём выкачанного текста, время и деньги. Если модель ещё проверяет ответы, время проверки стоит считать отдельно.
Первая зона риска — границы разделов. Если правило попало в одну заметку, а исключение — в другую, агент может ответить правильно только для половины случаев. Заголовок «Дополнительная информация» тоже мало говорит о том, есть ли под ним ответ. На этом месте может ошибиться и агент, и LLM, которая писала пояснение при сборке. Поэтому карта сайта требует проверки на реальных вопросах, а не только на красивой структуре.
Вторая зона — актуальность. Если сайт поменял цену сегодня, а Markdown-копию обновляли неделю назад, полезнее сходить на сайт или в актуальный API. Карта — снимок, а не живая база. Её нужно пересобирать после изменений контента, иначе агент будет уверенно цитировать устаревшие данные.
Третья зона — безопасность. Содержимое заметок приходит извне, как любая веб-страница. Инструкции, найденные внутри текста, нельзя принимать за команды от пользователя. Если карта собирается из пользовательского контента или из чужих сайтов, это надо учитывать в промпте агента и в правах, которые ему выданы.
Четвёртая зона — размер. Если индекс вырастет до размера большой статьи, его тоже придётся читать целиком или делить на части. На сайте из нескольких страниц проще сразу открыть нужную страницу. На сайте с тысячами страниц или с вопросами, сформулированными совсем другими словами, стоит проверить ещё и векторный поиск. Карта и поиск не исключают друг друга: поиск находит раздел с правилом, а ссылка из раздела ведёт к исключениям.
6. Что сделать
Чек-лист ниже рассчитан на один сайт и один набор вопросов. Не нужно внедрять всё сразу: сначала соберите карту, проверьте целостность и сравните два маршрута на одинаковых условиях, а уже потом расширяйте охват. Если на каком-то шаге не хватает данных для сравнения, дополните список вопросов, а не подставляйте приблизительные цифры.
Заключение
Главная ценность карты — не в сокращении текста как таковом, а в явном маршруте. Агент получает оглавление, выбирает раздел и открывает только его. Это делает поведение системы понятнее: видно, какие ссылки перед ним и зачем. Но за явность приходится платить сборкой, обновлением и проверкой ссылок.
Практичнее всего рассматривать карту как один из инструментов наряду с llms.txt, обычным поиском и векторным индексом. Если карта не даёт выигрыша, не усложняйте архитектуру. Если даёт — закрепите пересборку в CI и проверяйте целостность после каждого деплоя.
Что спрашивают перед внедрением
Ниже — вопросы, которые возникают перед внедрением карты. Ответы опираются на документацию проекта и описание первого замера, а не на предположения о том, как «должно работать». Если ваш случай не описан, начните с одного раздела и проверьте его на реальных вопросах.
Первоисточники
Ниже — первоисточники, по которым проверялись факты и цифры. Ссылки ведут на публикацию автора проекта и репозиторий с кодом; данные о замере и настройках зафиксированы на 20 ноября 2026 года. Если проект обновится, проверьте команды и флаги в актуальном README. Вторичные пересказы не использовались: все числа в статье сверены с этими материалами.
Карта окупается на больших сайтах с длинными разделами: она сокращает объём выкачанного текста, но не гарантирует снижение токенов и стоимости. На маленьком сайте из нескольких страниц быстрее открыть нужную страницу напрямую.
pnpm add -D agent-sitemap
pnpm agent-sitemap
npx agent-sitemap check ./ai
Проверка карты перед публикацией
Соберите 10–30 реальных вопросов посетителей и разделите их на три группы: ответ в одном разделе, нужны две страницы, ответа на сайте нет.
Сгенерируйте карту и убедитесь, что индекс открывается по постоянному URL, который агент может запросить.
Запустите проверку целостности и добейтесь нуля проблем до того, как отдавать карту агенту.
Сравните два маршрута — с главной страницы и с индекса карты — на одинаковых вопросах и в одинаковых условиях.
Замерьте не только символы, но и входные токены, число запросов, время и стоимость по категориям.
Пересобирайте карту после каждого деплоя и не выполняйте инструкции из заметок как команды.
ИТОГОВЫЙ ВЕРДИКТ
Внедряйте карту как эксперимент с измеримым результатом, а не как обязательный слой для любого сайта. Если на ваших вопросах она не даёт выигрыша, оставьте sitemap.xml и llms.txt и не усложняйте архитектуру.
Вайб-кодинг и ИИ-автоматизация
Александр Антощенко
Эксперт по нейросетям и автоматизацииГибкий Маркетинг
Сооснователь рекламного агентства «Гибкий Маркетинг». Занимаюсь нейросетями и автоматизацией: ИИ-контент (видео, Reels, креативы, тексты), вайб-кодинг приложений и сервисов, парсеры, ИИ-агенты и автопостинг. Автор нашего генератора SEO-статей — ставим клиенту блог под ключ, статьи индексируются и приводят бесплатный поисковый трафик.
sitemap.xml перечисляет адреса страниц. Карта идёт дальше: она делит страницу на разделы и связывает их ссылками, поэтому агент может открыть не всю страницу, а конкретную заметку.
Нужна ли LLM для сборки карты?
Нет. Базовая сборка использует TF-IDF и косинусную близость и не обращается к модели. LLM — дополнительный проход, который пишет пояснения к заметкам и может отсеять часть связей, найденных по словам.
Подходит ли карта небольшому сайту?
Для сайта из нескольких страниц обычно достаточно sitemap.xml или llms.txt. Карта начинает окупаться на больших сайтах и на узких вопросах, где ответ спрятан в длинном разделе.
Как часто обновлять карту?
После каждого изменения контента или деплоя. Пересборка переписывает только изменившиеся заметки и удаляет заметки страниц, которых больше нет, поэтому diff остаётся небольшим.
Может ли картой пользоваться другой агент?
Да, если он умеет открывать URL. Карта — обычный Markdown с абсолютными ссылками, ей не нужны SDK, плагин или серверный поиск.