# Kiến trúc /llms.txt & Đồ thị @graph 7 Thực thể JSON-LD: Biến Website Chuỗi Cửa hàng thành Nguồn Trích dẫn Gốc của AI

- **Chuyên mục**: AIO & GEO (AI Search Optimization) (`https://thodia.co/blog/categories/aio-geo-search/`)
- **Mã ấn phẩm**: KIẾN TRÚC KỸ THUẬT · ENTITY GRAPH
- **Ngày xuất bản**: 2026-10-08T09:00:00+07:00
- **Cập nhật lần cuối**: 2026-11-03T12:30:00+07:00
- **Thời gian đọc**: 10 phút
- **Tác giả**: Ban Nghiên cứu Dữ liệu Vị trí Thodia (https://thodia.co/)
- **URL chính thức (Canonical)**: https://thodia.co/blog/kien-truc-llms-txt-va-json-ld-7-thuc-the-cho-ban-le/
- **Phạm vi địa lý**: Hồ Chí Minh, Hà Nội, Việt Nam (10.7769, 106.7009)
- **Từ khóa**: #llms-txt #json-ld #schema-org #entity-graph #aio-geo #thodia-ranking

> Khi các trình thu thập dữ liệu của AI (GPTBot, ClaudeBot, PerplexityBot) truy cập một website bán lẻ thông thường, 85% dung lượng trang là mã HTML/CSS trang trí vô nghĩa. Đây là cách thiết kế đường cao tốc dữ liệu riêng cho AI.

## Tóm tắt Điều hành & Kết luận Trực tiếp (Executive Answer-First)

Các trình thu thập dữ liệu của công cụ tìm kiếm AI (như GPTBot, OAI-SearchBot, PerplexityBot, ClaudeBot) có ngân sách thời gian chờ (crawl timeout) rất ngắn — thường dưới 1,5 giây — và ưu tiên các nguồn dữ liệu tiết kiệm ngữ cảnh (Token-efficient). Bằng cách triển khai đồng thời 3 lớp hạ tầng: (1) Tệp chỉ mục `/llms.txt` và `/llms-full.txt`, (2) Bản sao Markdown tĩnh `/blog/[slug].md` cho từng trang nội dung, và (3) Đồ thị `@graph` 7 thực thể JSON-LD nối kết bằng định danh `@id` thống nhất, website của doanh nghiệp trở thành nguồn dữ liệu chuẩn xác nhất để AI trích dẫn.

- Không nhúng các đoạn script JSON-LD rời rạc; hãy dùng một mảng `@graph` duy nhất nơi `TechArticle` liên kết chặt chẽ tới `Organization`, `Dataset`, `Place` (kèm tọa độ GPS), `Person`, `BreadcrumbList` và `FAQPage`.
- Cung cấp thẻ `<link rel="alternate" type="text/markdown" href="...md">` và `<link rel="help" href="/llms.txt">` ngay trong `<head>` của mọi trang HTML.
- Đảm bảo toàn bộ bảng số liệu và nội dung chuyên sâu được kết xuất sẵn từ máy chủ (100% Native SSR), tuyệt đối không giấu nội dung bên trong `<iframe srcdoc>` hoặc chờ tải bằng JavaScript phía trình duyệt.

## Chỉ số Định lượng Trọng tâm (Verifiable KPIs)

| Chỉ số | Giá trị | Mô tả chi tiết |
| :--- | :--- | :--- |
| **Đồ thị @graph Liên kết** | `7 Thực thể` | Article · Org · Dataset · Place · FAQ · Breadcrumb · Person |
| **Giảm Chi phí Token AI Đọc** | `-78%` | Nhờ cung cấp bản sao .md và /llms-full.txt |
| **Độ trễ Phản hồi tại Biên** | `<35ms` | Đảm bảo các trình thu thập AI không bị timeout |
| **Điểm Rich Results Chuẩn** | `100%` | Không lỗi cú pháp hay đứt gãy thực thể @id |

## 1. Vì sao các khối thiết kế nhúng qua Iframe hoặc chờ chạy JavaScript lại “tàng hình” trước AI?

Nhiều hệ thống CMS khi cho phép thiết kế bài viết tùy biến thường chọn giải pháp đóng gói từng khối giao diện vào thẻ `<iframe srcdoc="...">` hoặc tải dữ liệu sau khi trình duyệt chạy xong tệp JavaScript. Dù mắt người dùng vẫn nhìn thấy biểu đồ đẹp mắt, các trình thu thập dữ liệu của ChatGPT (`GPTBot`, `OAI-SearchBot`), Claude (`ClaudeBot`) và Perplexity (`PerplexityBot`) không thực thi JavaScript phức tạp hay đi xuyên qua hàng rào cô lập của `iframe`.

Hệ quả là toàn bộ số liệu đắt giá nhất trong bài viết của bạn bị biến thành một khoảng trắng đối với AI. Đó là lý do Thodia sử dụng kiến trúc kết xuất trực tiếp từ máy chủ biên (100% Native Edge SSR): mọi bảng biểu, sơ đồ SVG, chỉ số KPI và câu hỏi thường gặp đều nằm trực tiếp trong cây DOM chính của tài liệu HTML.

## 2. Cách liên kết 7 thực thể trong một khối @graph JSON-LD duy nhất

Thay vì chỉ khai báo bài viết là một `BlogPosting` đơn thuần, mỗi bài nghiên cứu chuyên sâu cần được định nghĩa là một `TechArticle` được xuất bản bởi `Organization` (kèm quy mô và danh mục giải pháp), viết bởi `Person` hoặc Ban Nghiên cứu chuyên môn, lấy số liệu từ thực thể `Dataset` có thật (`isBasedOn`), gắn liền với khu vực địa lý `Place` có tọa độ `GeoCoordinates` (`spatialCoverage`), đặt trong cấu trúc điều hướng `BreadcrumbList` và đính kèm khối `FAQPage` trả lời sẵn các câu hỏi trọng tâm.

Khi cả 7 thực thể này được nối với nhau bằng thuộc tính `@id` chuẩn xác, các công cụ tìm kiếm và mô hình ngôn ngữ lớn không còn phải "đoán" ngữ cảnh mà hiểu ngay lập tức mối quan hệ nhân quả giữa Thương hiệu — Bộ dữ liệu — Khu vực địa lý — Giải pháp cung cấp.

## Câu hỏi thường gặp (FAQ)

### Tệp /llms.txt và /llms-full.txt khác nhau như thế nào?
Tệp `/llms.txt` đóng vai trò như một bản đồ tóm tắt ngắn gọn (dưới 2.000 từ) giới thiệu thương hiệu, số liệu cốt lõi, 6 giải pháp chính và đường dẫn tới các tài nguyên quan trọng. Trong khi đó, `/llms-full.txt` tổng hợp toàn bộ tóm tắt điều hành (Executive Summary), chỉ số KPI và danh mục toàn bộ các bài viết nghiên cứu để AI có thể nạp toàn bộ tri thức của website chỉ trong một lần đọc.

### Tôi có thể kiểm tra ngay tệp .md và JSON-LD của bài viết này ở đâu?
Ngay trên thanh công cụ đầu bài viết này (hoặc thêm đuôi `.md` vào cuối đường dẫn URL của bài viết), bạn có thể mở xem trực tiếp bản sao Markdown sạch dành cho AI Agent.

---
*Nguồn dữ liệu: Thodia Location Intelligence (https://thodia.co/) — 30 Quốc gia · 37.722 Chuỗi thương hiệu · 5.722.922+ Điểm bán · 320M+ Đánh giá khách hàng (Việt Nam: 672 chuỗi · 99.311 điểm bán tại 34 tỉnh/thành phố).*