JSON-LD e Markdown: quando usar cada formato para IA
Escolha o formato pelo trabalho que a ferramenta precisa executar. HTML entrega a página, JSON-LD descreve relações entre dados e Markdown oferece uma representação textual. Eles podem coexistir, mas nenhum é uma língua obrigatória dos modelos de IA nem garante que uma marca seja citada.
Para uma equipe de conteúdo, a primeira tarefa é preservar informação correta em todas as versões. Para quem constrói um assistente, é verificar qual versão o sistema realmente recebe e se consegue usá-la. Uma conversão mais curta pode economizar processamento e, ao mesmo tempo, apagar uma condição decisiva.
Atualizado em .
O que um agente consegue ler em uma página?
Um agente pode trabalhar com texto extraído, dados estruturados ou um navegador, conforme as ferramentas disponíveis. Agentes de navegador podem usar imagem da tela, estrutura do documento e recursos de acessibilidade. Por isso, formulários, rótulos e navegação continuam importantes.
Diferencie o modelo da ferramenta que busca a informação. Um modelo de linguagem recebe conteúdo no contexto; o sistema ao redor decide se abrirá um endereço, consultará um índice ou operará um navegador. Dizer apenas “a IA leu o site” esconde qual dessas etapas ocorreu.
Para um pedido como “encontre o prazo de instalação”, uma página HTML legível pode resolver a tarefa. Para “compare todos os preços vigentes”, dados com campos explícitos podem reduzir ambiguidades. Para “envie uma solicitação”, ainda são necessários um canal funcional, permissões e confirmação da ação.
| Formato | Uso adequado | Teste necessário |
|---|---|---|
| HTML | Leitura pública e interação com links e formulários. | Conteúdo acessível, campos identificados e navegação funcional. |
| JSON-LD | Declaração de pessoas, páginas, organizações e ofertas. | Sintaxe, relações e correspondência com os fatos visíveis. |
| Markdown | Documentação textual para um consumidor que a utiliza. | Preservação de títulos, condições, links e exemplos. |
A tabela orienta a escolha de implementação. Não descreve preferências universais de ChatGPT, Gemini, Claude ou Perplexity. Cada produto e modo de uso pode recuperar e apresentar conteúdo de maneira diferente.
Como JSON-LD ajuda a organizar os fatos?
JSON-LD expressa dados ligados por identificadores, e Schema.org oferece um vocabulário que pode ser usado nesse formato. Declare quem escreveu um artigo, qual organização o publicou e qual endereço representa a página. A estrutura ajuda a manter relações explícitas, mas não torna uma afirmação verdadeira.
No exemplo fictício abaixo, a autora e a organização têm identificadores diferentes. Os dados devem corresponder à assinatura e à apresentação institucional que o leitor encontra. Substitua os endereços demonstrativos por URLs reais antes de usar o código.
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "Como preparar a instalação",
"mainEntityOfPage": "https://example.com/guias/instalacao",
"author": {
"@type": "Person",
"@id": "https://alexandrecaramaschi.com/#alexandre-caramaschi",
"name": "Ana Lima",
"url": "https://alexandrecaramaschi.com",
"sameAs": [
"https://www.linkedin.com/in/alexandre-caramaschi/",
"https://orcid.org/0009-0004-9150-485X",
"https://doi.org/10.2139/ssrn.6460680",
"https://ssrn.com/abstract=6636298",
"https://doi.org/10.5281/zenodo.19687866",
"https://brasilgeo.ai",
"https://brasilgeo.ai/fundador/",
"https://github.com/alexandrebrt14-sys",
"https://medium.com/@alexandre.brt14",
"https://substack.com/@alexandrecaramaschi",
"https://www.quora.com/profile/Alexandre-Caramaschi-1",
"https://dev.to/alexandrebrt14sys",
"https://www.instagram.com/caramaschi.alexandre",
"https://www.youtube.com/@acaramaschi",
"https://www.reddit.com/user/Natural-Apricot3797",
"https://ssrn.com/author=10853648",
"https://doi.org/10.5281/zenodo.19687958",
"https://speakerdeck.com/alexandrecaramaschi",
"https://aibrasil.ai/colunista/alexandrecaramaschi",
"https://agiletrendsbr.com/speakers/alexandre-caramaschi-2/",
"https://app.4.events/palestrante-alexandre-caramaschi-5764-c18443"
]
},
"publisher": {
"@type": "Organization",
"@id": "https://example.com/#organizacao",
"name": "Oficina Aurora"
}
}Valide a marcação, confira as relações e investigue campos conflitantes emitidos pelo sistema de publicação. Não acrescente avaliações, credenciais ou preços que a página não sustenta. O guia de implementação de JSON-LD detalha a conferência do código até a URL publicada.
Para a Pesquisa Google, não existe schema especial obrigatório para aparecer nas respostas generativas. Use dados estruturados pertinentes ao conteúdo e às funcionalidades que pretende atender. A quantidade de propriedades preenchidas não mede autoridade nem precisão da resposta de um modelo.
Como oferecer Markdown sem perder o sentido?
Ofereça Markdown quando um consumidor identificado precisar de texto com menos elementos de apresentação. Preserve o conteúdo necessário para concluir a tarefa. No exemplo fictício, retirar a restrição sobre serviço adicional mudaria a promessa feita ao cliente.
# Instalação do equipamento A
O prazo informado começa depois da confirmação do agendamento.
A instalação padrão não inclui adaptação da rede elétrica.
## Antes da visita
- Confira o modelo e a tensão indicados na etiqueta.
- Mantenha livre o acesso ao ponto de instalação.
[Consultar condições completas](https://example.com/condicoes/instalacao)Compare a versão convertida com a página original. Tabelas de preços, notas de rodapé e mensagens dentro de componentes podem desaparecer ou mudar de posição. Um texto menor só é melhor para a tarefa se conservar valores, unidades, exceções e relação entre instrução e contexto.
Se publicar uma versão alternativa, gere ambas a partir da mesma fonte sempre que possível. Duas cópias editadas à mão tendem a divergir: a página pode mudar de prazo enquanto o arquivo continua informando a regra anterior. Inclua a conferência das duas versões no fluxo de atualização.
O llms.txt pode orientar consumidores até documentos selecionados. Sua publicação é opcional e não comprova adoção por um assistente. O índice deve apontar a materiais atuais; não deve instruir ferramentas a favorecer sua empresa nem simular depoimentos ou autoridade externa.
Como testar a entrega de Markdown por HTTP?
Teste o formato devolvido com o mesmo pedido que seu consumidor fará. Algumas hospedagens oferecem uma URL alternativa; outras negociam a representação pelo cabeçalho Accept, que informa o tipo de conteúdo preferido. O recurso precisa existir e estar habilitado no serviço escolhido.
A Cloudflare documenta Markdown for Agents para zonas habilitadas. O exemplo abaixo consulta a documentação pública desse recurso, sem alterar configuração. A primeira chamada pede HTML; a segunda pede Markdown. Compare cabeçalhos e conteúdo das duas respostas.
curl.exe -i -H "Accept: text/html" "https://developers.cloudflare.com/fundamentals/reference/markdown-for-agents/"
curl.exe -i -H "Accept: text/markdown" "https://developers.cloudflare.com/fundamentals/reference/markdown-for-agents/"Na resposta Markdown, confira Content-Type: text/markdown. Quando a entrega depende de Accept, verifique também a separação das variantes no cache, o armazenamento temporário das respostas. A documentação da Cloudflare mostra Vary: Accept para esse cenário.
Repita a comparação na sua URL quando houver uma implementação autorizada. Se receber HTML nos dois pedidos, registre o comportamento observado; não presuma falha do modelo. Não ative conversão ou altere políticas de acesso apenas porque um artigo apresenta o recurso.
Como medir utilidade, custo e fidelidade?
Compare formatos mantendo a mesma tarefa e a mesma informação de referência. Um teste simples pode pedir ao assistente o prazo, a condição que inicia sua contagem e o serviço excluído. A resposta precisa conservar os três elementos para ser aprovada.
- Escolha documentos representativos e perguntas que dependam de detalhes, como uma exceção ou unidade de medida.
- Guarde a versão original e defina os trechos que sustentam cada resposta esperada.
- Execute o fluxo com o consumidor real. Registre formato recebido, modelo informado, modo de busca e resposta.
- Compare correção, links e condições preservadas. Separe falha de acesso de resposta incorreta.
- Meça bytes, tempo e tokens quando a ferramenta os informar. Inclua armazenamento e manutenção da versão adicional na decisão.
- Repita em condições comparáveis e registre resultados ruins. Adote a alternativa que cumpra a tarefa com custo aceitável.
A redução de tokens depende do documento e do processamento usado. Não prometa um percentual fixo de economia ou prazo universal de retorno. Se remover navegação poupa espaço, mas a conversão apaga uma tabela necessária, o fluxo precisa ser corrigido antes de crescer.
O curso de RAG, geração de respostas apoiadas em documentos recuperados, aprofunda esse teste com referências e avaliação. A pergunta útil é se o assistente encontrou e usou o trecho certo. A presença de um arquivo Markdown não responde a isso.
O que aprovar em uma auditoria para agentes?
Aprove a entrega quando o consumidor consegue ler o documento, preservar suas condições e cumprir a tarefa autorizada. O aceite deve distinguir leitura, comparação e execução. Um formulário encontrado não equivale a uma proposta enviada, e dados de contato não autorizam uma compra.
Em GEO (Generative Engine Optimization), a otimização da presença em respostas de IA, o GEO Score serve como auditoria técnica e editorial. Ele pode apontar problemas no conteúdo e na estrutura, mas sua nota não mede citações observadas. Exposição precisa de respostas e fontes registradas na superfície correspondente.
Hoje, compare uma página e sua representação textual com uma pergunta que contenha uma exceção importante. Use o resultado para escolher o próximo ajuste e aprofunde a avaliação no curso gratuito.
Aprender a avaliar respostas apoiadas em documentos
Fontes consultadas em 6 de outubro de 2026: W3C: JSON-LD 1.1; Schema.org: Article; especificação CommonMark; Cloudflare: Markdown for Agents; Google: busca generativa e agentes de navegador; RAG em produção, Alexandre Caramaschi.