Hub narzędzi WebFlux od kilku tygodni nosi w sobie deklarację: „Zaczynamy od narzędzi zewnętrznych. Narzędzia iFox.pl dołączą kiedy będą gotowe.” Ten wpis jest pierwszym z tej drugiej grupy. Dochodzimy.
Z trzech narzędzi które ekosystem WebFlux szykował w pierwszym kwartale 2026, ContentFox AI-Readiness Scanner jest tym które ma najmniej friction dla potencjalnego użytkownika. Wpisujesz URL, dostajesz raport, działasz. Inne narzędzia (iFox Monitor, generator schema.org, generator llms.txt) wymagają konfiguracji, setupu, decyzji. ContentFox to „kliknij i zobacz w jakim stanie jest twoja strona dla AI”. Dlatego dostaje pierwszy wpis.
Czym jest ContentFox AI-Readiness Scanner
ContentFox AI-Readiness Scanner to webowe narzędzie do audytu strony WWW pod kątem gotowości dla agentów AI i modeli językowych — dostępne publicznie na apps.contentfox.pl. Wpisujesz URL, narzędzie skanuje stronę, zwraca raport z oceną w sześciu warstwach (Semantic Clarity, AI Chunkability, Citation Readiness, Agent Operability, Structured Data, Entity Consistency), kompozytowym AI-Readiness Score (0-100), oceną literową (A do F) plus konkretną listą problemów i sugestii dla każdej warstwy.
Pozycjonowanie jest zwięzłe: „Nie SEO. Quality assurance dla internetu agentów.”
Pierwsze zdanie tego pozycjonowania jest celowe. ContentFox nie zastępuje SEO audytu i nie udaje że to robi. Klasyczne audyty SEO (Ahrefs, Semrush, Screaming Frog) mierzą zupełnie inne rzeczy — backlinks, keyword density, Core Web Vitals, mobile usability. ContentFox patrzy na stronę z perspektywy modelu który będzie ją czytał, podsumowywał i ewentualnie cytował. Inne pytanie, inne metryki, inne narzędzie.
Co ContentFox skanuje
Warstwa 1: Semantic Clarity (jakość znaczenia). Czy nagłówki są zwięzłymi etykietami semantycznymi czy rozbudowanymi zdaniami narracyjnymi? Czy hierarchia informacji jest przewidywalna? Czy strona miesza różne rejestry treści bez wyraźnych znaczników? Model patrząc na strukturę nagłówków powinien móc zbudować mapę informacyjną strony bez zgadywania.
Warstwa 2: AI Chunkability (podzielność). Czy każdy nagłówek prowadzi do bloku treści wystarczająco gęstego, żeby chunk miał wartość informacyjną? Rekomendacja narzędzia: minimum 80 słów na sekcję. Czy treść jest oddzielona od kodu i nawigacji? Strony pisane fragmentarycznie (31 nagłówków, 1174 słowa = średnio 38 słów na sekcję) dają chunki o słabej wartości dla retrievalu.
Warstwa 3: Citation Readiness (cytowalność). Czy strona jest źródłem które model może cytować z pewnością? Pełne twierdzenia z autorstwem, weryfikowalne dane, konkretne liczby, kompletne definicje. Brak szumu — kodu w treści, urwanych zdań, generycznego marketingowego speak’u.
Warstwa 4: Agent Operability (operacyjność dla agentów). Czy strona ma llms.txt? Semantyczny HTML (article, nav, main)? Anchor text na linkach? Schema.org dla głównej treści? Czy agent AI może po niej nawigować i wykonywać zadania bez zacinania się?
Warstwa 5: Structured Data (dane strukturalne). Bogactwo i poprawność JSON-LD. Typy schema (Article, Organization, FAQPage, HowTo, BreadcrumbList). Pokrycie alt tekstów. Sama obecność dwóch bloków Person to za mało dla strony eksperckiej.
Warstwa 6: Entity Consistency (spójność encji). Czy ta sama nazwa konceptu używana jest spójnie? Czy relacje między markami i podmiotami są jasne? Czy knowledge graph zrealizowany technicznie (sameAs, mentions) a nie tylko narracyjnie?
Każda z tych warstw dostaje osobny score 0-100, narracyjną diagnostykę kilka zdań, listę konkretnych problemów i listę konkretnych sugestii naprawczych.
Format raportu
Dla każdej warstwy:
- Score 0-100. Liczbowa ocena warstwy.
- Diagnostykę narracyjną. Krótki opis stanu warstwy.
- Listę problemów. Konkretne, nazwane braki. Przykład: „29% linków (22 z 76) nie posiada anchor text”.
- Listę sugestii. Konkretne kroki naprawcze. Przykład: „Zaimplementuj schema.org typu Article z polami headline, datePublished, author i description”.
Plus globalnie:
- AI-Readiness Score (0-100, kompozyt sześciu warstw).
- Ocenę literową (A do F).
- Jednosłowną diagnozę (np. „Poważne braki”, „Wymaga dopracowania”).
- Liczbę słów, nagłówków, bloków schema i obrazów na skanowanej stronie.
Wszystko na jednym ekranie. Bez kont, bez setupu, bez logowania — wpisujesz URL, klikasz analizuj, masz raport.
Przykład: webflux.pl
Najbardziej uczciwy benchmark jaki możemy podać to wynik dla samego webflux.pl — strony która naucza o agent-readiness.
Wynik: 45/100, ocena F, „Poważne braki”.
Pełna rozbicie:
- Semantic Clarity: 62
- AI Chunkability: 38
- Citation Readiness: 22
- Agent Operability: 52
- Structured Data: 52
- Entity Consistency: 42
Co ContentFox znalazł na webflux.pl? Konkretne rzeczy: surowy kod JavaScript wmieszany w renderowaną treść, średnio 38 słów na sekcję, definicje urwane w połowie zdania (znacznik „[Wpis w słowniku” bez rozwinięcia), brak schema Article dla głównej treści (tylko dwa bloki Person), 29% linków bez anchor text, niespójne nazewnictwo encji (Agentic Web vs agentic web, WebFlux vs Webflux vs webflux), brak llms.txt.
Nic z tego nie jest niemożliwe do naprawienia. Większość to jedno-godzinne fixy. Ale dopóki ktoś (lub jakieś narzędzie) tego nie pokaże — autor strony tego nie widzi. Sam fakt, że strona, która naucza o agent-readiness, dostała F we własnej dziedzinie, jest informacją. Z punktu widzenia ContentFox jako narzędzia — to dobry znak. Mierzy uczciwie.
Co ContentFox robi dobrze
Konkretność. Nie mówi „popraw schema”. Mówi: „Dodaj schemat Article/BlogPosting z polami headline, datePublished, dateModified, author i description”. Każda sugestia jest na tyle konkretna, że osoba bez głębokiej wiedzy SEO/AI może ją oddać deweloperowi.
Strukturę sześciu warstw. Sześć osobno mierzonych warstw to wystarczająco dużo żeby pokazać różne aspekty, i wystarczająco mało żeby się nie pogubić. Strona może mieć doskonałe Structured Data (95) i wadliwą Citation Readiness (22) — to dwa różne problemy, dwa różne workflow’y naprawcze, dwie różne osoby w zespole.
Czytelność dla nie-eksperta. Raport zwraca diagnostykę narracyjną w prozie, nie tylko liczby. Marketer czy właściciel małego biznesu zrozumie zdanie „Strona zawiera fragmenty kodu JavaScript w renderowanej treści” lepiej niż „DOM injection contamination detected”.
Identyfikację cross-warstwowych win. Niektóre sugestie naprawiają kilka warstw jednocześnie. Dodanie schema.org Article z polami headline, author, datePublished podnosi jednocześnie Structured Data, Citation Readiness i Agent Operability. ContentFox pokazuje te interakcje.
Brak gating’u. Pełen raport, bez konta, bez kart kredytowej, bez „podaj email żeby zobaczyć szczegóły”. Wpisujesz URL, dostajesz wszystko.
Czego ContentFox nie robi
Nie audytuje całej strony. Skanowana jest pojedyncza URL — strona główna lub konkretna podstrona. Strona z 500 wpisów blogowych wymaga skanowania reprezentatywnej próbki. ContentFox nie crawluje całego serwisu jednym kliknięciem.
Nie mierzy citation share. Nie pokazuje czy AI cię cytuje — pokazuje czy jesteś gotowy żeby cię cytować. To dwa różne pomiary. Citation share mierzy iFox Monitor (osobne narzędzie).
Nie zastępuje klasycznego SEO. Backlinks, page authority, technical SEO (Core Web Vitals, mobile performance), keyword research — to nie jest zakres ContentFox. Klasyczny SEO audyt zostaje osobnym narzędziem.
Nie testuje zadań agentowych. Agent Operability mierzy techniczną gotowość (llms.txt, semantyczny HTML, schema). Nie testuje czy Claude in Chrome rzeczywiście zarezerwuje stolik na twojej stronie. To wymaga manualnego testowania.
Nie pokazuje trendów w czasie. Każdy skan to snapshot. Porównanie „jak było miesiąc temu” wymaga manualnego zapisywania raportów albo czeka na funkcjonalność (planowaną, jeszcze nie ma).
Może mieć ograniczenia z heavy SPA. Strony renderowane całkowicie po stronie klienta (React bez SSR, Vue z client-only routing) mogą wymagać dłuższego czasu skanowania albo zwracać częściowe wyniki. ContentFox renderuje stronę, ale architektury heavy-client robią pomiar trudniejszym.
Nie audytuje treści pod kątem prawnym ani jakościowym. Citation Readiness mierzy formalną cytowalność (kompletność, autorstwo, daty) — nie mierzy czy twoje twierdzenia są prawdziwe albo dobrze argumentowane. Audyt merytoryczny zostaje pracą człowieka.
Dla kogo ma sens
Owner małej/średniej strony firmowej. Najbardziej naturalny przypadek użycia. Jeden skan, lista konkretnych rzeczy do oddania deweloperowi, możliwy progres na cykl miesięczny.
Content marketing manager w organizacji 10-200 osób. Skan każdej kluczowej landing page i bloga. Priorytetyzacja na podstawie warstw z najniższymi score’ami. Re-audyt po większych zmianach.
Agencja SEO/marketingowa szukająca nowych usług. ContentFox jako narzędzie do białego label’owania pod usługę „AI Visibility Audit” dla klientów. Otwiera nową kategorię usług.
Konsultant agent-readiness. Pierwszy krok każdego projektu — pokaż klientowi gdzie stoi.
Deweloper przed redesignem strony. Zaudytuj stan obecny, użyj go jako baseline. Po redesignie zaudytuj ponownie żeby sprawdzić czy nie wprowadziłeś regresji.
Edukacyjnie. Strona uczy o agent-readiness przez konkretne przykłady na własnej stronie ucznia. Trudno wytłumaczyć „Citation Readiness” w abstrakcji. Łatwo pokazać konkretny przykład: „Twoja strona ma definicję urwaną w połowie zdania”.
Czego ContentFox nie zastąpi
Pisarstwa. Sześć warstw można poprawić bez podniesienia jakości treści. Strona z perfekcyjnym AI-Readiness Score 95 ale słabą argumentacją będzie miała wysokie szanse na cytowanie — ale cytowania mogą być neutralne lub krytyczne. Citation Readiness mierzy formalną gotowość, nie wartość merytoryczną.
Strategii content marketingowej. ContentFox audytuje strony które istnieją. Nie podpowiada jakich treści brakuje, jakie tematy są nieobsłużone, jakie zapytania użytkowników nie mają odpowiedzi na twojej stronie. Content gap analysis to inne narzędzie.
Brand monitoringu. Jak modele AI mówią o twojej marce — to mierzy iFox Monitor, nie ContentFox. ContentFox patrzy na stronę, nie na to jak świat o niej mówi.
Workflow z innymi narzędziami
ContentFox jest pierwszym krokiem w workflow optymalizacji pod AI. Po nim naturalnie idą:
Generator llms.txt z iFox.pl — jeśli ContentFox wskaże brak llms.txt jako problem w warstwie Agent Operability, generator z iFox.pl daje gotowy plik do wgrania.
Generator schema.org z iFox.pl — jeśli ContentFox wskaże ubogi Structured Data, generator z iFox.pl tworzy gotowe bloki JSON-LD dla różnych typów stron.
iFox Monitor — po implementacji sugestii ContentFox, iFox Monitor mierzy efekt: czy citation share rośnie? Workflow: ContentFox pokazuje gdzie są luki → naprawiasz → iFox Monitor mierzy wzrost cytowań po 2-4 tygodniach.
Manualne testowanie agentów — Claude in Chrome lub Atlas na konkretnych scenariuszach zadań na twojej stronie. Sprawdzenie czy agent rzeczywiście wykona zadanie po naprawie technicznej Agent Operability.
Słownik
Pojęcia związane z ContentFox dostały kanoniczne definicje w słowniku Agentic Web na webflux.pl: ContentFox AI-Readiness Scanner, AI-Readiness Score, Sześć warstw AI-readiness, Citation Readiness, AI Chunkability, Schema Density.
Pełen klaster „Mierzenie widoczności AI” w słowniku zawiera 14 pojęć — framework koncepcyjny dla wszystkiego co dzieje się wokół audytu AI-readiness.
Kontekst i dostępność
ContentFox AI-Readiness Scanner powstał jako część ekosystemu WebFlux.pl/iFox.pl. Dostępny publicznie pod apps.contentfox.pl. Bez konta, bez kart kredytowych, bez ograniczeń liczby skanów na początku (limity mogą się pojawić wraz ze wzrostem ruchu).
W przeciwieństwie do narzędzi takich jak Ahrefs czy Semrush, ContentFox nie próbuje być platformą do wszystkiego. Robi jedną rzecz — audyt AI-readiness pojedynczej strony — i robi ją publicznie dostępnie. Pozycjonowanie jest świadomie wąskie. Nie zastępuje SEO audytu, nie mierzy citation share, nie crawluje całego serwisu. Audytuje stronę pod kątem tego jak model ją czyta. Tyle.
Dla większości użytkowników, którzy nigdy nie audytowali swojej strony pod kątem AI, pierwszy skan ContentFox jest momentem otwarcia oczu. „Aha. Więc tak to wygląda dla modelu.”
To jest moment od którego można dalej działać.
Powiązane wpisy:
