Đối sánh Khả năng Đọc hiểu của AI Agent theo Kiến trúc Trang
| Tiêu chí Kỹ thuật | Website SPA / Iframe Truyền thống | Website HTML Tĩnh Cơ bản | Kiến trúc Thodia AIO/GEO (SSR + .md + @graph) |
|---|---|---|---|
| Khả năng GPTBot / PerplexityBot đọc bảng biểu | Thất bại (0% nếu nằm trong JS/Iframe) | Đọc được nhưng lẫn nhiều thẻ HTML rác | Đọc 100% qua bảng HTML chuẩn + bản sao .md |
| Tỷ lệ Nhiễu / Dữ liệu thực (Signal-to-Noise) | 12% nội dung / 88% mã lệnh | 35% nội dung / 65% thẻ DOM | 94% nội dung thuần túy trên kênh .md & llms.txt |
| Liên kết Thực thể Địa lý & Bộ dữ liệu | Không có hoặc rời rạc | Chỉ có thẻ Article đơn lẻ |
Đồ thị 7 thực thể nối kết @id kèm GeoCoordinates |
| Độ trễ Phản hồi Máy chủ (TTFB) | 800ms – 2.400ms (Dễ bị AI bỏ qua) | 120ms – 300ms | 15ms – 35ms (Phân phối trực tiếp từ Cloudflare Edge) |
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) về chủ đề này
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.