Referenční přehled nastavení procházení

Na této stránce najdete přehled všech nastavení procházení a indexování, která se objeví při přidávání nebo úpravě webového zdroje. Praktické tipy podle typu webu nabízí Konfigurace procházení pro váš web.

Kde tato nastavení najdete: Nastavení se objeví, když v průvodci přidáním zdroje zvolíte režim konfigurace Manuální (výchozí je AI asistent, který nastavení vybere za vás). Otevřete Pokročilé možnosti a zobrazí se sekce Výkon, Extrakce obsahu a Ladění objevování. Pole Limit stránek a Zahrnout obrázky se zobrazují v obou režimech, jak v AI asistentovi, tak v Manuálním.

Režim objevování

V průvodci určuje “Režim objevování”, jak se stránky najdou.

Popisek v rozhraní	Metoda objevování	Kdy použít
Objevování ze sitemapy (Doporučeno)	Čte soubor sitemap.xml	Většina webů. Rychlé objevování a samostatný krok procházení.
Crawlování odkazů	Sleduje odkazy z výchozí URL	Weby bez sitemap, SPA nebo případy, kdy v sitemap chybí stránky. Probíhá jedním průchodem: obsah se zachytí rovnou při objevování.

Presety webu

V Manuálním režimu se v Pokročilých možnostech nahoře nachází výběr Preset webu, který vyplní všechna nastavení pro běžný typ webu. Jakoukoli hodnotu pak můžete dál upravit (tím se preset přepne na Vlastní).

Preset (popisek v rozhraní)	Vhodné pro	Co nastaví
Standardní web	Většina webů	Vykreslování v prohlížeči, zapnutý Režim čtečky, souběžnost 10, bez čekací doby
SPA / JavaScript aplikace	React, Vue, Angular	Zapnutá Pokročilá detekce odkazů, vypnutý Režim čtečky, souběžnost 5, čekací doba 3 sekundy
Confluence / Wiki	Confluence, wiki	Zapnutý Režim čtečky, souběžnost 2 (zabraňuje omezení četnosti), čekací doba 3 sekundy
Statický web / Blog	Čisté HTML, blogy	Zapnutý Jednoduchý režim (bez prohlížeče), souběžnost 20, rychlé HTTP crawlování
Vlastní	Manuální kontrola	Cokoli si nastavíte ručně

Výkon

Tato nastavení najdete v Pokročilé možnosti → Výkon.

Nastavení (popisek v rozhraní)	Dostupné v	Typ	Výchozí	Popis
Max. hloubka	Pouze Crawlování odkazů	Číslo (1-100)	10	Do jaké hloubky crawler sleduje odkazy z výchozí URL. Hloubka 1 = jen odkazy na výchozí stránce. U hluboce vnořené dokumentace hodnotu zvyšte.
Max. stránek	Oba	Číslo (1-10,000)	Zbývající kapacita vašeho tarifu	Nejvyšší počet stránek, které se objeví. U tohoto limitu se objevování zastaví. Při prvním procházení začněte na 100 a postupně přidávejte. (Zobrazuje se také jako pole Limit stránek v obou režimech.)
Souběžnost	Oba	Číslo (1-50)	5	Kolik stránek se zpracovává najednou. Vyšší hodnota zrychlí procházení, ale může spustit omezování požadavků. Pro Confluence a weby citlivé na limity volte 2-3.
Jednoduchý režim	Oba	Přepínač	Vypnuto	Místo prohlížeče použije přímé HTTP požadavky. U statických HTML webů je zhruba 30x rychlejší. Vypne všechna nastavení závislá na JavaScriptu.

Extrakce obsahu

Tato nastavení najdete v Pokročilé možnosti → Extrakce obsahu.

Nastavení (popisek v rozhraní)	Dostupné v	Typ	Výchozí	Popis
Režim čtečky	Oba	Přepínač	Zapnuto	Odstraní navigaci, postranní panely, zápatí a další prvky rozhraní a vytáhne jen hlavní obsah článku, podobně jako režim čtení v prohlížeči. Nezbytné u CMS platforem, wiki a webů s bohatým rozvržením stránky.
Selektor oblasti obsahu	Oba (pouze Režim čtečky)	Text	(prázdné)	Zúží extrakci na konkrétní část stránky, takže se zaindexuje jen obsah uvnitř ní. K dispozici při zapnutém Režimu čtečky. Správnou hodnotu vám pomůže najít vývojář (typicky `#main-content` pro Confluence, `article` pro blogy).
Čekat na prvek stránky (volitelné)	Oba (pouze prohlížeč)	Text	(prázdné)	Před extrakcí počká, dokud se na stránce neobjeví zadaný prvek. Hodí se u stránek, které nejdřív ukážou načítací spinner. Správnou hodnotu vám napoví vývojář (např. `#main-content`). Při zapnutém Jednoduchém režimu není dostupné.
Čekací doba na obsah stránky (sekundy)	Oba (pouze prohlížeč)	Číslo (0-10 sekund, krok 0,5)	0	Sekundy navíc, které crawler počká před zachycením stránky. Na ustálení obsahu sice čeká sám, ale pomalejší weby mohou potřebovat víc času. Při zapnutém Jednoduchém režimu není dostupné.

Markdown verze vašich stránek

Řada dokumentačních platforem zveřejňuje zdrojový text každé stránky na stejné adrese s příponou .md (například https://docs.example.com/guide/setup.md). Dělají to Scroll Sites, GitBook, Mintlify, Redocly a řada webů na Starlightu. Pokud to umí i váš web, ChatbotIQ zaindexuje právě tuto verzi místo vykresleného HTML: obsahuje autorovy vlastní nadpisy a žádnou navigaci, takže odpovědi vycházejí z čistšího textu. Názvy, drobečková navigace a popisy se dál berou z HTML stránky a odkazy mezi stránkami vedou na vaše stránky.

Děje se to automaticky, nic nenastavujete. Crawler zkusí adresu .md u prvních několika stránek, a pokud žádná neexistuje, přestane se ptát. Když je Zahrnout obrázky vypnuté, obrázky se vynechají i z markdown verze.

Co markdown verze přináší na jednotlivých platformách:

Scroll Sites: každá stránka uvádí svou verzi a variantu (například 6.3, Cloud nebo Data Center) a datum poslední změny. ChatbotIQ si je u stránky uloží, takže dotaz na Data Center najde stránku pro Data Center a asistent ví, ke které verzi patří každá pasáž, kterou cituje.
GitBook a Mintlify: poznámky pro AI agenty, které tyto platformy vkládají na začátek každé stránky, se vynechají a tipy, záložky a kroky z GitBooku se převedou na prostý text. Zaindexují se všechny záložky, nejen ta, která je otevřená ve výchozím stavu.
Redocly: referenční dokumentace API se indexuje po jednotlivých operacích, ne jako jedna dlouhá stránka za celou skupinu.

U webů na Scroll Sites, GitBooku, Mintlify a Redocly pochází text stránek z markdown verze, takže prohlížeč nic nepřidá: zapněte Jednoduchý režim a procházení bude mnohem rychlejší.

Ladění objevování (pouze Crawlování odkazů)

Tato nastavení najdete v Pokročilé možnosti → Ladění objevování a zobrazí se jen v režimu Crawlování odkazů.

Nastavení (popisek v rozhraní)	Typ	Výchozí	Popis
Zachovat URL parametry	Přepínač	Vypnuto	Při vypnutí se `example.com/page` a `example.com/page?v=2` berou jako jedna stránka. Zapněte jen tehdy, když různé parametry v URL vedou k jinému obsahu (např. verzovaná dokumentace).
Pokročilá detekce odkazů	Přepínač	Vypnuto	Odhalí skryté navigační odkazy v moderních webových aplikacích (React, Vue, Angular), které běžné objevování přehlédne. Nezbytné pro single-page aplikace. Při zapnutém Jednoduchém režimu není dostupné.
Přidat konkrétní stránky (volitelné)	Text (jedna URL na řádek)	(prázdné)	Další výchozí URL pro crawler. Hodí se, když má dokumentace více vzájemně neprovázaných sekcí.
Přeskočit odkazy v menu a zápatí	Přepínač	Vypnuto	Ignoruje odkazy v navigačních oblastech (záhlaví, zápatí, menu v postranním panelu) a sleduje jen odkazy v hlavním obsahu. K dispozici, když je nastavené Přidat konkrétní stránky.

Zobrazeno v obou režimech konfigurace

Nastavení (popisek v rozhraní)	Typ	Výchozí	Popis
Limit stránek	Číslo (1-10,000)	Zbývající kapacita vašeho tarifu	Nejvyšší počet stránek, které se objeví. Stejné jako Max. stránek, ale zobrazuje se na hlavní úrovni v režimu AI asistent i Manuální.
Zahrnout obrázky	Přepínač	Vypnuto	Zachová v extrahovaném obsahu odkazy na obrázky. Po zapnutí může bot do odpovědí přidat relevantní obrázky.

Automatické opětovné procházení

Webové zdroje se podle rozvrhu automaticky znovu procházejí, aby znalostní báze zůstala aktuální.

Nastavení	Typ	Výchozí	Popis
Zapnout auto-refresh	Přepínač	Zapnuto	Tento zdroj se podle rozvrhu automaticky znovu projde. Vypněte, pokud chcete procházet jen ručně.

Frekvence opětovného procházení závisí na vašem plánu:

Plán	Frekvence
Free	Není dostupné
Personal	Není dostupné
Standard	Týdně (každých 7 dní)
Business	Denně (každých 24 hodin)

Automatické opětovné procházení se týká jen webových zdrojů. Zdroje typu PDF, Q&A a soubory se znovu neprocházejí. Než se spustí plánované procházení, musí mít zdroj dokončené počáteční objevování.

Benchmarky rychlosti

Konfigurace	Přibližná rychlost	Nejlepší pro
Objevování ze sitemapy + Jednoduchý režim	~100+ stránek/min	Statické HTML se sitemap
Objevování ze sitemapy + prohlížeč (výchozí)	~20-30 stránek/min	CMS/WordPress se sitemap
Crawlování odkazů + prohlížeč	~10-20 stránek/min	SPA, weby bez sitemap
Crawlování odkazů + Režim čtečky	~5-15 stránek/min	Weby náročné na JS, čistá extrakce
Crawlování odkazů + Režim čtečky + nízká souběžnost	~2-5 stránek/min	Confluence, weby s limity požadavků

Související

Konfigurace procházení pro váš web - praktické recepty podle typu webu
Jak funguje webové procházení - koncepční přehled
Přidání webového zdroje - začínáme se zdroji