Как обнаружить noindex на опубликованной AI-статье

Перед запуском запишите, какие данные считаются входом, что является ожидаемым результатом, что именно означает отказ и кому предстоит разбирать расхождение. Для такой проверки храните тестовый вход, ожидаемый результат и фактический исход раздельно: если они смешаны, тест может подтверждать сам себя. Используйте стабильные синтетические ID, чтобы видеть ошибку в журнале, не раскрывая содержимое клиентских обращений.

Сначала прогоните тест на маленьком входе, где правильное поведение известно вручную. Затем внесите одну контролируемую ошибку и убедитесь, что код её замечает. После этого верните корректный набор и только тогда расширяйте проверку до реальных данных. Не переносите демонстрационные численные значения или пороги в производство без отдельного обоснования: они выбраны для наглядности, а не рассчитаны по вашей аудитории.

Вход и ожидаемый результат

У страницы status=public, meta robots=NOINDEX, follow; это ошибка проекта, а у status=draft тот же meta ожидаем. Печатает unexpected noindex: ['/guide']; draft /preview не ошибочен. Перед тем как применять правило к закрытым данным, обсудите пограничные случаи, которые могут поменять интерпретацию входа. Запись в документации о границах теста не менее важна, чем зелёный check.

Пошаговые действия

1. Создайте scripts/check.py в корне репозитория и вставьте код из блока ниже. Он использует названия функций стандартной библиотеки, указанные в официальных ссылках в конце статьи.
2. Выполните python scripts/check.py локально. Не продолжайте, если уже демонстрационная фикстура даёт иной результат: сначала проверьте копирование кода и кодировку файла.
3. Получите HTML именно опубликованной версии и извлеките meta name и content из head; не полагайтесь на настройки staging. Запустите пример и убедитесь, что /guide ошибочен, а /preview не попадает в выборку. Проверьте X-Robots-Tag в HTTP-ответе отдельно, затем проверьте robots.txt, разрешает ли он роботу получить страницу для чтения метаданных. После исправления сделайте повторный запрос без кэша и зафиксируйте фактические заголовки. Не удаляйте noindex с юридически или продуктово исключённой страницы без решения владельца.
4. Создайте .github/workflows/ai-corpus-check.yml из YAML-шаблона. Событие pull_request полезно для проверки данных до слияния; чтение репозитория ограничено permissions: contents: read. Скрипт не должен получать ключ внешней модели или реальные секреты.
5. В разделе Actions откройте job check, сопоставьте его код завершения с локальным прогоном и зафиксируйте ссылку на проверенный коммит в PR. Не принимайте зелёный результат на старой ревизии за проверку последнего изменения.

# scripts/check.py
def accidental_noindex(rows):
    errors=[]
    for row in rows:
        if row['status']!='public_indexable': continue
        for name,content in row['meta']:
            if name.casefold() not in ('robots','googlebot'): continue
            directives={part.strip().casefold() for part in content.split(',')}
            if 'noindex' in directives: errors.append(row['url'])
    return errors
rows=[{'url':'/guide','status':'public_indexable','meta':[('robots','NOINDEX, follow')]},
      {'url':'/preview','status':'draft','meta':[('robots','noindex')]}]
assert accidental_noindex(rows)==['/guide']
print('unexpected noindex:',accidental_noindex(rows))

name: AI corpus checks
on:
  pull_request:
permissions:
  contents: read
jobs:
  check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.13'
      - run: python scripts/check.py

Ошибки интерпретации и границы

Заголовок X-Robots-Tag, шаблоны, разные user-agent и кэш вне охвата Python-фикстуры; проверка проводится на разобранных meta. Если вы расширяете набор случаев, добавляйте не только новые примеры, но и отрицательные случаи, на которых тест обязан упасть. Проверяйте, что изменение expected прошло ревью отдельно от изменения кода: иначе можно незаметно изменить правило под текущий ответ системы. Избегайте вывода полного приватного набора в CI и не сохраняйте в артефактах ответ закрытой модели без решения о доступе и хранении.

Ошибка выполнения самого Python, нераспознанный формат входа и обнаруженный бизнес-дефект — разные ситуации. В сообщении теста указывайте тип проблемы и безопасный ID. Если тест требует внешний сервис, вынесите его из PR с недоверенным кодом и явно ограничьте доступ к токенам; этот пример намеренно работает локально. Перед публикацией каких-либо результатов опишите методику, область применения и происхождение примеров, иначе читатель воспримет демонстрационную арифметику как характеристику продукта.

Практический разбор именно этого контроля

Не оставить случайный noindex из staging-шаблона на готовой статье. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: У страницы status=public, meta robots=NOINDEX, follow; это ошибка проекта, а у status=draft тот же meta ожидаем. При успешном тесте ожидается: Печатает unexpected noindex: ['/guide']; draft /preview не ошибочен. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Заголовок X-Robots-Tag, шаблоны, разные user-agent и кэш вне охвата Python-фикстуры; проверка проводится на разобранных meta. Подключая проверку к продукту, расположите её до той операции, ради которой она написана: парсинга, сохранения, отображения или экспорта. Для каждого нового формата добавляйте отдельный негативный пример и письменное решение, почему он отклоняется. Отдельно просмотрите обработку ошибок: система должна отличать невалидный ответ AI от сбоя тестовой инфраструктуры, а пользователь не должен видеть сырой стек или приватное содержимое.