Antigravity Agent
2.9 KiB
2.9 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| MKT-AI-SEARCH-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
2026-04-26 |
AI Search Optimization (AI 검색 최적화)
📌 한 줄 통찰 (The Karpathy Summary)
"단순한 키워드 매칭의 시대에서 '의미론적 엔티티 매핑(Semantic Entity Mapping)'의 시대로 전환하고, AI 에이전트가 내 지식의 구조를 단번에 파악할 수 있도록 지식의 해상도를 높여라" — 챗봇, 답변 엔진 및 AI 에이전트를 타겟으로 하는 최신 검색 엔진 최적화 전략.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: "From Keyword Density to Entity Authority" — 파편화된 단어의 빈도보다는 지식 간의 관계와 전문성(E-E-A-T)을 중심으로 AI 모델의 지식 그래프(Knowledge Graph)에 편입되는 패턴.
- AI 검색 최적화의 핵심 진화:
- GEO (Generative Engine Optimization): 생성형 모델이 문맥을 이해하고 자연스럽게 인용할 수 있도록 풍부한 시맨틱 메타데이터 제공. 깔끔한 코드, 빠른 로딩 속도, 의미론적으로 풍부한 웹페이지 구조가 핵심 신호로 작용.
- AEO (Answer Engine Optimization): 특정 질문에 대한 '직접적인 해답'으로서의 권위 확보.
- Semantic Entity Mapping: 콘텐츠 내의 고유 명사와 개념들이 어떻게 연결되는지 명시하여 AI의 추론 효율 극대화.
- 의의: 인간 사용자를 위한 가독성과 AI 에이전트를 위한 기계 가독성(Machine Readability)을 동시에 만족시켜, 지식의 유통 수명을 연장하고 차세대 검색 환경에서의 도달 범위를 확장함.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 전통적 SEO는 키워드 밀도(Keyword Density)를 중시했으나, AI 검색 최적화 정책은 '의미론적 엔티티 매핑'과 '맥락적 정합성' 정책을 최우선으로 함. 또한 JS 실행에만 의존하는 SPA의 구조적 모순을 지적하며 SSR/SSG로의 근본적 회귀 정책을 강조함.
- 정책 변화: Antigravity 프로젝트는 모든 지식 자산에 대해 'Agent-First Access' 정책을 적용하며, AI 크롤러가 정보를 수집할 때 연산 자원을 최소화할 수 있도록 경량화된 시맨틱 마크업을 제공함.
🔗 지식 연결 (Graph)
- AI-Answer-Engine-Optimization, Generative-Engine-Optimization, Knowledge-Graph-Foundations, Semantic-Search-with-AI, Ontology-Engineering, AI-Overviews-and-SGE
- Raw Source: 00_Raw/AI Search Optimization.md, 00_Raw/Generative Engine Optimization.md