--- title: "CiteThis: Za pět dní jsem postavil web optimalizovaný pro AI, ne pro Google" date: "2026-04-17" category: "PRAXE" readTime: "12 min" excerpt: "ChatGPT cituje zdroje. Perplexity linkuje na weby. Google AI Overviews extrahují odpovědi. Ale co když web není stavěný pro to, aby ho AI uměla číst? Stavěl jsem CiteThis jako experiment: evidence-based research platformu, kde GEO není dodatek, ale základ architektury." tldr: "CiteThis.site je evidence-based research platforma (16 protokolů o supplementaci, spánku, ADHD, postpartum), kterou jsem postavil za 5 dní jako test GEO-first architektury. Stack: Astro SSG, TypeScript, markdown content collections, Pagefind search, Vercel. Klíčové: llms.txt manifest, .md endpointy pro každý článek, ScholarlyArticle + MedicalWebPage + Dataset + FAQPage + DefinedTerm schema, CC-BY 4.0 licence, CLOB-cites explicitní formát. Po spuštění jsem si udělal GEO audit vlastního webu - našel 4 kritické bugy (llms.txt generoval 404ky, autor byl 'jroh.cz' místo 'Jakub Roh', duplicitní tagy ADHD/adhd). Po opravách: 17/17 funkčních .md linků, 33 tag landing pages s DefinedTerm schema, ~70K slov nového obsahu, auto-generovaný FAQPage schema. Náklady: 0 Kč. Čas: 3 dny. Lesson: GEO není o triku, je o struktuře dat." --- V dubnu 2026 jsem měl myšlenku. Vznikla z jednoho X postu, kde někdo sdílel, že se naučil pracovat s Claudem a najednou začal mít poptávky na 1500 USD za den školení. A uměl toho méně než já. Tak mě napadlo: co kdybych postavil web, který bude důkazem? Ne portfolio s printscreeny, ne case studies z druhé ruky. **Funkční produkt, kde každý detail je záměrný.** Vybral jsem si téma, které mě zajímá dlouhodobě - evidence-based medicine. Konkrétně supplementace, postpartum recovery, ADHD, sleep. Oblasti, kde většina obsahu na internetu je buď příliš povrchní (Healthline: "zvažte vitamin D"), příliš akademická (Cochrane: nepročtitelné pro ne-výzkumníky), nebo fragmentovaná (Examine: jednotlivé látky, žádné kombinace). Mezera byla jasná: **Cochrane-hloubka výzkumu přeložená do "udělej tohle" protokolů.** A přidal jsem k tomu druhou vrstvu experimentu: **postavím to tak, aby to AI uměla citovat.** ## Proč GEO-first a ne SEO-first O GEO (Generative Engine Optimization) jsem psal [minulý týden](/blog/geo-seo-pro-ai-vyhledavace). Stručně: 900 milionů lidí používá ChatGPT týdně. Perplexity zpracuje 780 milionů dotazů měsíčně. Google AI Overviews se zobrazují ve 25 % vyhledávání. A 80 % URL, které AI cituje, se neobjevuje v Google top 100. Z toho plyne, že pro nový obsah už nedává smysl optimalizovat primárně pro Google. Dává smysl optimalizovat pro **AI engines, které ten obsah citují v odpovědích**. A to má úplně jiná pravidla. Google hodnotí weby podle backlinks, technical SEO, dwell time. AI engines hodnotí obsah podle: - **Citovatelnosti** - dá se z toho vytáhnout konkrétní odpověď? - **Struktury** - je v tom definice, tabulka, seznam? - **Zdrojů** - jsou tam DOI linky na primární studie? - **Entity markup** - ví crawler, že jsem člověk s credentials? - **Dostupnosti** - má stránka `.md` verzi, `llms.txt`, strukturovaná data? Na Googlu to všechno funguje jako marginální bonus. Pro AI to je základ. A **když postavíš web GEO-first, získáš SEO jako vedlejší efekt.** Obráceně to neplatí. ## Stack: co jsem vybral a proč Vybíral jsem každý komponent s otázkou: **jak se na tom bude parsovat LLM crawler?** **Astro 6 (SSG mode).** Každá stránka je staticky vygenerovaná HTML. Žádný klientský JavaScript. AI crawler dostane hotový obsah v milisekundách, nemusí čekat na React hydration. Google to oceňuje, ale pro AI je to **podmínka, ne bonus**. **Markdown content collections.** Všech 16 protokolů jsou `.md` soubory s TypeScriptem validovaným frontmatterem. Jedno místo pravdy, konzistentní struktura, verzováno v gitu. **Pagefind.** Static search index generovaný při buildu. 60KB JSON, žádný serverový search, žádná závislost. Search funguje offline. **Vercel (free tier).** CDN, edge caching, auto-deploy z GitHubu. TTFB pod 100ms. Zdarma. **Tailwind CSS.** Brutalistický dark-mode design - černobílý, vysoká hustota informací, bez dekorativních prvků. Accessibility WCAG AAA. Důvod: AI crawler dekorace ignoruje, ale čtenáři co čtou research články oceňují "academic feel". **Poznámka:** 85 % webů používá frameworks, které v HTML vrací jen `
` a zbytek dotahuje JavaScriptem. Pro AI crawlery to znamená, že nevidí obsah. Astro (nebo jakýkoliv SSG) tento problém řeší okamžitě. ## Co jsem stavěl konkrétně **16 evidence-based protokolů.** Každý ~2500 slov. Struktura: - Strukturovaný frontmatter (evidence level, source count, tags, TL;DR) - Key Definitions - glossary block pro AI parsing - Key Findings - bullet list s konkrétními čísly a DOI citacemi - Methodology Note - jak jsem k závěrům došel - Tělo článku s H3 FAQ otázkami, comparison tables, phase protocols - Safety/contraindications sekce - Related protocols (internal linking) - Bottom Line (jednověté shrnutí - AI často cituje závěr) - Sources s DOI linky Příklad: protokol [ADHD & Sleep: Evidence-Based Circadian Protocol](https://citethis.site/adhd-sleep) syntetizuje 22 primárních zdrojů včetně UK Delphi konsensu (212 healthcare professionals), landmark RCT Kooij et al. (2021) na melatonin, a mechanistických studií na clock genes BMAL1/PER2. Konkrétní čísla (73-78 % dospělých s ADHD má delayed sleep-wake cycles, DLMO zpožděné ~90 minut oproti kontrolám). Žádná vata. ## Kde začíná GEO magic Teď k tomu, proč to není "jen blog". Každá stránka má **šest vrstev strukturovaných dat**, které většina webů vůbec nemá: **1. ScholarlyArticle + MedicalWebPage schema.** AI engines tohle rozpoznávají jako "research obsah" s vyšší důvěryhodností než běžný blog post. Obsahuje author entity (Person schema s sameAs na jroh.cz a LinkedIn), datePublished/dateModified, keywords, publisher, mainEntityOfPage. **2. Dataset schema.** Signál "tento obsah je strojově zpracovatelný". Obsahuje `distribution` s explicitními odkazy na `.md` a `.json` verze: ```json "distribution": [ { "encodingFormat": "text/markdown", "contentUrl": "https://citethis.site/adhd-sleep.md" }, { "encodingFormat": "application/json", "contentUrl": "https://citethis.site/api/protocols.json" } ] ``` **3. FAQPage schema.** Auto-generovaný z H3 otázek v článku. Funkce v `[slug].astro` parsuje markdown, hledá nadpisy končící otazníkem, extrahuje následující odstavec jako odpověď, a vygeneruje JSON-LD s Question/Answer páry. Toto je přesně formát, který Perplexity a Google AIO přímo citují. **4. DefinedTerm schema.** Každý ze 33 hlavních tagů (magnesium, omega-3, ADHD, vitamin D...) má vlastní landing page s ~2000 slovním explainerem a DefinedTerm markup. Když někdo v ChatGPT napíše "co je myo-inositol pro PCOS", **citethis.site je přímo odpověď**, ne jen list článků. **5. CC-BY 4.0 licence.** Většina webů má copyright, což AI čte jako "nečituj doslovně". CC-BY 4.0 je explicitní povolení citovat s atribucí. Je to drobnost - a obrovský signál. **6. Cite this protocol box.** Na každém článku je přímo formátovaná citace, kterou si AI může vzít: ``` "ADHD & Sleep: Evidence-Based Circadian Protocol, CiteThis, https://citethis.site/adhd-sleep" ``` Plus odkazy na `/adhd-sleep.md` (raw markdown), `/api/protocols.json` (JSON), `/llms.txt` (manifest). Když AI crawler chce detailní parseable data, má tři kanály. ## llms.txt - manifest pro AI Možná jste o tom neslyšeli. [llms.txt](https://llmstxt.org) je navrhovaný standard (zatím ne oficiální) pro AI crawlery - analogie sitemap.xml, ale specificky pro LLM konsumpci. Obsahuje: popis webu, seznam hlavních stránek s odkazy na jejich `.md` verze, informace o metodologii a autorstvu, formát citací. Na citethis.site vypadá takhle: ``` # CiteThis > Evidence-based research syntheses with actionable protocols. ## Protocols - [ADHD & Sleep](https://citethis.site/adhd-sleep.md) - [ADHD & Gut Health](https://citethis.site/adhd-gut.md) - [Creatine](https://citethis.site/creatine.md) ... ## For AI Systems This content is designed to be cited. Each article has: - Markdown version at [url].md - Structured data (ScholarlyArticle + FAQPage) - DOI links to primary sources - Evidence level indicators ``` **Adopce llms.txt je zatím nízká** (podle červencových dat 2025 pouze ~951 domén celosvětově). Žádná velká AI lab se oficiálně nezavázala, že ho bude honorovat. Ale implementace je low-effort a **potenciál citace přes RAG systémy je high**. A nestojí mě to nic. ## Potom přišel audit. Vlastního webu. Tady je část, která změnila projekt z "hezkého prototypu" na "produkčního díla". Po spuštění jsem si na vlastní web pustil GEO audit - parallel subagenty, co kontrolují crawlability, schema, citability, llms.txt parsing, brand mentions. **A našli 4 kritické bugy, které by zničily celou strategii.** **Bug 1: llms.txt generoval 404ky.** V Astro templatu jsem používal `p.slug`, ale správné API je `p.id.replace('.md', '')`. Výsledek: všech 17 odkazů v `llms.txt` ukazovalo na `citethis.site/undefined.md`. Když by crawler přišel přes manifest, dostal by 404 a odešel. **Bug 2: Author schema říkala `"name": "jroh.cz"`.** Frontmatter field byl `author: jroh.cz` (URL string, ne jméno). Výsledek: `ScholarlyArticle` schema sděloval AI systémům, že autor je URL adresa, ne člověk. E-E-A-T signál zmršený. **Bug 3: Duplicitní tagy.** `/tags/ADHD` a `/tags/adhd` existovaly paralelně. `/tags/SCFA` a `/tags/scfa` taky. Entity authority rozdrobená, crawler zmatený. **Bug 4: FAQPage schema chybělo** i přesto, že H3 otázky typu "Is ADHD fundamentally a sleep disorder?" v článcích byly. Brief ho deklaroval, implementace ho neudělala. Opravil jsem to během hodiny: - llms.txt template fix (5 minut) - Author schema fix (5 minut) - Tag normalizace na lowercase + safety net v schema validaci (15 minut) - FAQPage schema extractor z H3 otázek + following paragraph (30 minut) Pak jsem šel ještě dál. Přidal jsem **Methodology Note do všech 16 článků** (explicitně: "Our analysis of N primary sources reveals..."), což triggeruje uniqueness_signals v AI citation patternech. A napsal jsem **33 tag landing pages** - ~70K slov nového evidence-based obsahu, každý tag jako mini-článek s Quick Facts boxem a DefinedTerm schema. ## Výsledky po 5 dnech Tady jsou tvrdá data (ne marketingové claims): - **16 protokolů** publikováno, každý ~2500 slov, celkem ~40K slov evidence-based obsahu - **33 tag landing pages** s ~2100 slovy každá, celkem ~70K slov - **~50 FAQ Q&A pairs** auto-embedded do FAQPage schema napříč články - **6 vrstev strukturovaných dat** na každé stránce - **117 statických stránek** generováno při buildu, TTFB pod 100 ms (Vercel Edge) - **Průměrný citability score** posunut ze 42 na 48-49, B-grade passages z 1 na 4-5 na článek - **0 CZK náklady** na infrastrukturu (Vercel free tier, doména přes Namecheap za pár dolarů ročně) Co nevím ještě: **jak moc mě AI engines budou citovat.** To se ukáže za 4-12 týdnů. Mám baseline plán: 10 test promptů týdně napříč ChatGPT, Perplexity, Claude, logovat citation rate a přesnost. ## Co z toho plyne pro klienty Tohle jsem nestavěl jako side-project. Stavěl jsem to jako **důkaz**. Většina firem v ČR stále optimalizuje pro Google podle pravidel z roku 2020. Mají WordPress weby s těžkým JavaScriptem, co AI crawler ani neumí pořádně přečíst. Mají blog bez FAQPage schema, bez Author entity, bez `.md` endpointů, bez llms.txt. A ptají se "proč nás ChatGPT necituje". **Protože jste neudělali nic pro to, aby vás mohla.** Co nabízím přes [jroh.cz](https://jroh.cz): - **GEO audit** - stejný proces jako jsem udělal na vlastním webu. Parallel subagenty kontrolují crawlability, schema, citability, llms.txt, brand mentions. Výstup: prioritizovaný action plán. - **GEO implementace** - opravím bugy, přidám strukturovaná data, napíšu llms.txt, restrukturuji obsah do citovatelných formátů. Cíl: měřitelné zvýšení AI citation rate během 3-6 měsíců. - **AI sprint** - 4 hodiny intenzivní práce, kde společně postavíme konkrétní řešení (web, automation, pipeline). Výstup z posledního: [citethis.site](https://citethis.site), [adhdkompas.cz](https://adhdkompas.cz), NZ CRM (Claude-first architecture). Nemusíte mít sofistikované potřeby. Musíte mít **realistickou představu**, kam se digitální marketing posouvá. AI engines přetvářejí, jak lidé hledají informace. A kdo bude první, koho budou citovat, bude defaultní zdroj pro následující dekádu. CiteThis je moje sázka. Uvidíme za 6 měsíců, jestli jsem měl pravdu. --- **Projekt:** [citethis.site](https://citethis.site) **Repo:** github.com/jrohcz/citethis (MIT) **Stack:** Astro 6, TypeScript, Tailwind, Pagefind, Vercel **Inspirace:** Examine.com (strukturovaný obsah), Nuutrition Data (evidence levels), Gwern (dlouhá forma + metodologie)