Автор телеграм-канала Tips AI (Igor Trunin) опубликовал открытый скилл product-seo версии v0.1.0 под лицензией MIT: это пакет правил и Node.js-скриптов, который coding-агенты Claude Code, Codex и Cursor исполняют как целостный процесс — от разбора запросов из Google Search Console до переписывания страниц, проверок эффекта и откатов. По данным автора, за три месяца применения методики на его сайте HypeScribe CTR в Google вырос с 0,4% до 0,9%. Результат подтвержден пока одним кейсом, но сам вид продукта — навык, который ставится одной командой и ведет измеряемый процесс по записанным правилам, — приметный образец нового формата.

image

Что произошло

В GitHub появился репозиторий tipsai/product-seo с открытым скиллом для coding-агентов. Внутри — файл SKILL.md с описанием процесса, справочники по «играм» (триаж запросов, аудит, переписывание страниц, сравнения и llms.txt для AI-поиска) и семь Node.js-скриптов. Скилл рассчитан на Claude Code, Codex и Cursor: базовая установка идет командой npx skills add tipsai/product-seo, а в Claude Code и Codex его можно ставить и как плагин — через /plugin marketplace add tipsai/product-seo и codex plugin marketplace add tipsai/product-seo. На момент проверки у репозитория 22 звезды и 2 форка, релиз v0.1.0 датирован 2026-11-16, анонс вышел в телеграм-канале Tips AI в тот же день. Документация на русском лежит в README.ru.md и в каталоге docs/ru.

Контекст

Методика не написана на бумаге, а отработана на живом сайте автора: HypeScribe за август — начало ноября 2026 набрал около 1 млн показов и 9K кликов в Google. Смысл подхода не в секретных приемах, а в дисциплине их применения. Запросы из Search Console проходят триаж по признаку «продукт ли это ответ»: так агент отделяет страницы, где имеет смысл переписывать текст под продукт, от остального массива запросов. Факты о конкурентах собирает отдельный агент, которому разрешены только официальные источники и только с цитатой, ссылкой и датой. Каждое изменение проходит проверку по заранее записанному правилу: сверка метрик на первой и на третьей неделе, а при падении кликов на 30% и больше — откат. Часть справочников уже целится в следующий виток поиска — оптимизацию видимости страниц в AI-поиске, что показывает, куда вектор методики направлен в целом.

Почему это важно для индустрии

Важен не набор приемов — они известны давно, — а упаковка: агентный навык здесь превращается из разового промпта в версионируемый артефакт с лицензией, документацией и установкой одной командой, то есть методология распространяется как пакет. Вторая сильная часть дизайна — предзарегистрированные правила проверки: точки сверки и порог отката записаны до начала изменений, что превращает агентские действия на проде в прототип контролируемого эксперимента — такое редко встречается в инструментах этого класса. Переносимы на другие домены и встроенные ограничители: правило «продукт ли это ответ» и требование цитаты со ссылкой и датой при сборе фактов о конкурентах — это grounding, вшитый в процесс, а не делегированный модели. Если формат закрепится, логично ожидать волны вертикальных скиллов — для поддержки, аналитики, документации, продаж — и конкуренции реестров и маркетплейсов вокруг Claude Code, Codex и Cursor. На горизонте пары лет рутинные контент-операции могут кодифицироваться в исполняемые плейбуки с eval-гейтами и правилами отката, а фокус SEO — дрейфовать от классической выдачи к видимости в AI-поиске.

Почему это важно для пользователей

Если у вас сайт продукта и доступ к Google Search Console, пилот поднимается в течение одного дня: данные Search Console экспортируются в CSV, а агенту отправляется запрос «Set up SEO for my site». Дальше он сам разложит запросы на две кучи, предложит первые три действия, перепишет выбранные страницы и назначит сверки. Платные инструменты не требуются, нагрузка на инфраструктуру нулевая, скрипты выполняются локально, для хелперов нужен Node.js 18+, а расходы ограничиваются токенами агентской сессии. Учтите, что это инструмент с отложенной обратной связью: первый взгляд на эффект появится не раньше первой назначенной сверки, а устойчивый итог станет виден после серии успешных правок. Документация на русском в README.ru.md и docs/ru позволяет сначала прочитать методику целиком, а уже потом пускать агента на живой сайт.

Что пока неизвестно / ограничения

Доверять цифрам пока стоит осторожно: кейс один, метрики публикует сам автор методики на собственном сайте, контрольных страниц нет, сырые ряды показов и кликов не раскрыты, сезонность и апдейты поисковой выдачи не учитывались. Поэтому рост CTR с 0,4% до 0,9% нельзя приписать методике причинно. Правило отката «падение кликов на 30% и больше» задано без учета базовой дисперсии метрики: недельный ряд кликов на этом трафике заведомо шумный, и фиксированный порог может срабатывать на естественных колебаниях. Репозиторий опубликован буквально накануне обзора, независимых репликаций на чужих сайтах пока нет, так что работающий процесс пока не отделен от эффектного кейса n=1.

Источники

Автор

Look at AI, редакция