Начало работы над AEG — платформой смысловой структуры контента
7 августа 2026 года я начал работу над AEG — AI Entity Graph
AEG — это платформа, которая помогает сайту выражать смысл публикаций в форме, удобной для поисковых систем, искусственного интеллекта и других машинных потребителей данных.
Первая реализация создаётся как плагин для WordPress. Но идея AEG шире одной CMS: это подход к тому, как сайт может превращать опубликованный контент в связную, понятную и проверяемую систему знаний.
Почему появился AEG
Поиск меняется. Пользователь всё чаще получает не просто список ссылок, а готовый ответ: в поисковой выдаче, AI-обзоре, чат-боте или голосовом помощнике.
Для таких систем недостаточно увидеть на странице отдельные слова. Им нужно понять:
- о ком или о чём идёт речь;
- какие факты утверждаются;
- как связаны участники события;
- к какому времени и месту относится информация;
- что является главным предметом публикации.
Человек считывает этот контекст почти автоматически. Для машины он часто остаётся неявным.
В статье могут упоминаться человек, организация, город, событие и документ. Читатель понимает, кто участник события, где оно произошло и почему эти объекты связаны. Но для автоматической обработки полезно, когда эти связи представлены явно: как сущности, отношения, источники и контекст конкретной публикации.
Именно эту задачу должен решать AEG.
Что такое AEG
AEG расшифровывается как AI Entity Graph — ИИ-граф сущностей.
Платформа анализирует опубликованный материал, выделяет важные сущности и формирует на их основе структурированную модель содержания. В центре этой модели — не ключевые слова, а реальные объекты и связи между ними:
- персоны;
- организации;
- географические объекты;
- события;
- документы;
- продукты и технологии;
- понятия и термины.
Например, в новостной статье могут быть названы министр, ведомство, город и конкретное событие. AEG помогает представить их не как набор совпадений в тексте, а как связанные элементы одного информационного контекста.
Как это будет работать
Редактор продолжает работать с публикацией привычным способом: пишет или редактирует материал, добавляет источники и сохраняет запись в WordPress.
После сохранения AEG автоматически проходит несколько этапов:
- Находит в тексте значимые сущности.
- Определяет, какие из них уже известны сайту, а какие появляются впервые.
- Фиксирует связь сущности с конкретной публикацией.
- Выявляет возможные отношения между сущностями и сохраняет контекст.
- Строит внутренний граф публикации.
- Использует этот граф для генерации машиночитаемых данных, проверки материала и будущих функций платформы.
Автоматическое обнаружение не превращается в автоматическое признание любого совпадения фактом. AEG различает найденные системой кандидаты, предложенные данные и подтверждённые редактором сущности или связи.
Не про ключевые слова
AEG не является SEO-плагином в привычном смысле.
Он не подбирает ключевые слова, не проверяет плотность фраз, не обещает рост позиций и не создаёт тексты вместо автора. Его задача глубже: сделать фактическую и смысловую структуру уже опубликованного материала более явной.
Классическое SEO по-прежнему важно: техническое состояние сайта, скорость, доступность страниц, внутренняя перелинковка, качество редакционной работы, оригинальность и полезность материалов никуда не исчезают.
AEG не заменяет эти элементы. Он создаётся как дополнительный инфраструктурный слой, на котором они могут работать точнее.
Что это даст сайту
Если проект будет реализован в задуманном виде, сайт сможет накапливать не только архив страниц, но и собственный граф знаний.
Одна и та же персона, организация, место или событие часто упоминаются в десятках и сотнях материалов. Когда такие упоминания связаны с едиными сущностями, сайт получает более цельную внутреннюю модель своего контента.
Это полезно для:
- Более точной структурированной разметки. Schema.org JSON-LD формируется на основе подтверждённых сущностей и связей, а не добавляется как набор формальных тегов.
- Редакторской проверки. Сущности, даты, роли и связи можно просматривать, исправлять и подтверждать.
- Поиска связанных материалов. Автоматическое выявление публикаций, упоминающих одни и те же объекты.
- Выявления дубликатов и противоречий. Когда одна и та же сущность описана по-разному в разных материалах.
- Подготовки данных для AI-систем. RAG-системы, ИИ-инструменты и внутренние ассистенты получают структурированные данные, а не просто текст.
- Понятной передачи структуры внешним системам. Поисковики и AI-платформы видят не просто набор слов, а связную модель публикации.
Важно: AEG не управляет решениями Google, Яндекса, ChatGPT, Perplexity или других систем. Он не гарантирует появления в AI-ответах, цитирования источника или роста позиций.
Ценность AEG в другом: он делает данные сайта более структурированными, однозначными и проверяемыми. Что внешняя система сделает с этой информацией, зависит уже от её алгоритмов, запроса пользователя и качества самого источника.
Первое направление: WordPress
Первой прикладной реализацией станет AEG for WordPress.
WordPress выбран не случайно: на этой платформе работает большая часть информационных, корпоративных и редакционных сайтов. Кроме того, WordPress даёт естественную точку интеграции — момент создания, редактирования и сохранения публикации.
Плагин работает с информацией, которая уже есть на сайте. Его задача — не заставить редактора вручную заполнять десятки новых полей, а автоматизировать рутинную часть семантической обработки и вывести человека только туда, где требуется экспертная проверка.
Принципы разработки
При разработке AEG я придерживаюсь нескольких принципов:
Сущности важнее ключевых слов. Платформа различает реальные объекты, а не только повторяющиеся фразы.
Факты важнее деклараций. Связь в графе имеет контекст и, где возможно, источник в конкретной публикации.
Автоматизация не отменяет редактора. Система находит и предлагает, но спорные данные контролирует человек.
Разметка — следствие модели, а не самоцель. Schema.org JSON-LD формируется на основе реального содержания и подтверждённых связей.
Граф полезен самому сайту. Его ценность не ограничивается поисковой выдачей: он помогает редакции, аналитике, внутреннему поиску и будущим AI-инструментам.
Архитектура важнее быстрой демонстрации. Проект строится поэтапно, чтобы данные можно было проверять, расширять и использовать без потери целостности.
Честные ожидания
AEG — не волшебная кнопка для AI-поиска.
Он не гарантирует, что страница попадёт в генеративный ответ. Не заменяет экспертизу автора. Не делает слабый или недостоверный материал качественным. Не отменяет необходимость проверять факты, обновлять публикации и работать с репутацией источника.
Но качественный контент, у которого явно определены предмет, сущности, факты и связи, становится более пригодным для машинной обработки. В эпоху, когда поиск всё активнее использует генеративные ответы и системы извлечения знаний, это становится фундаментальным свойством сайта.
Что дальше
Работа над первой реализацией AEG for WordPress уже началась. Сейчас формируется фундамент платформы: архитектура, обработка публикаций и базовые механизмы работы с сущностями.
Подробный технический отчёт — с пройденными этапами, устройством хранилища сущностей, административными инструментами и текущей работой над Graph Builder — опубликован отдельной заметкой.
AEG развивается открыто. По мере появления работающих компонентов, архитектурных решений и первых результатов тестирования я буду рассказывать о них в рубрике проекта.
***
Связанные материалы:
— О платформе AEG →
— Статус разработки AEG →