Najważniejsza różnica względem zwykłego chatbota polega na tym, że moduł odpowiada na podstawie bazy wiedzy przygotowanej dla konkretnego sklepu, a nie na podstawie ogólnej wiedzy modelu.
AI Product Support dla Magento 2
- Kompatybilność
- 2.4.9, 2.4.8, 2.4.7, 2.4.6, 2.4.5, 2.4.4, 2.4.3, 2.4.2, 2.4.1, 2.4.0
- Motyw Hyvä
- Zgodny z motywem Hyvä
Opis / AI Product Support dla Magento 2
MAGENTO 2 · PYTANIA PRODUKTOWE · VECTOR STORE · LUMA I HYVÄ
Pomóż klientom i zespołowi znaleźć odpowiedzi o produktach.
Kowal AI Product Support
Udostępnij czat korzystający z wybranej bazy wiedzy produktowej: na storefront oraz w panelu Magento. Dopasuj kontekst do produktu, języka i store view, zamiast utrzymywać osobny zestaw odpowiedzi.
Kontekst produktu · Wybór Vector Store · Ładowanie na żądanie
JAK TO DZIAŁA W PRAKTYCE
01 · Przygotowujesz wiedzę
Synchronizujesz produkty i wybierasz właściwy Vector Store.
02 · Użytkownik otwiera czat
Launcher udostępnia rozmowę na stronie lub w panelu.
03 · Odpowiedź korzysta z kontekstu
Moduł wyszukuje wiedzę zgodnie z filtrami sklepu i języka.
Co zyskuje Twój sklep?
Poznaj funkcje, zastosowanie i ustawienia modułu.
Poznaj moduł
AI PRODUCT SUPPORT · MAGENTO 2
Asystent AI, który pomaga klientowi zrozumieć produkt
Wykorzystaj dane produktowe Magento do prowadzenia kontekstowych rozmów i wsparcia klienta bezpośrednio na karcie produktu.
Rozwiązanie dla Magento 2
AI Product Support rozszerza kartę produktu o warstwę konwersacyjnego wsparcia, pomagając klientowi szybciej znaleźć odpowiedzi związane z oglądanym produktem.
Kontekst produktu
Asystent pracuje w kontekście produktu, dzięki czemu rozmowa dotyczy realnej oferty sklepu.
Wsparcie zakupowe
Klient może uzyskać pomoc bez opuszczania strony produktu i szukania informacji w innych miejscach.
AI w Magento
Funkcja jest osadzona w procesie zakupowym Magento zamiast działać jako oderwany zewnętrzny chatbot.
Lepsza obsługa
Automatyzacja odpowiedzi może odciążyć zespół przy powtarzalnych pytaniach produktowych.
AI bliżej decyzji zakupowej
Największą wartość daje asystent działający tam, gdzie klient podejmuje decyzję — na stronie konkretnego produktu i w kontekście jego danych.
Jak to działa?
- Klient otwiera produkt
- Uruchamia asystenta
- Zadaje pytanie w kontekście oferty
- Otrzymuje pomoc bez opuszczania strony
Dodaj konwersacyjne wsparcie do kart produktów Magento 2 i skróć drogę od pytania do decyzji.
Czat dla klienta i panelu administracyjnego
Moduł obejmuje storefront oraz globalny launcher AI w nagłówku panelu Magento. Pracownik może wybrać store view i zadawać pytania o dane produktowe z wybranej bazy wiedzy.
Konfiguracja znajduje się w Stores → Configuration → Kowal AI → AI Product Support. Obejmuje limit długości pytania, model, Vector Store, liczbę wyników wyszukiwania, logowanie i dodatkowe instrukcje sklepu.
Wiedza pochodzi z przygotowanych dokumentów
Pakiet wymaga Kowal AI Product Feed. Czat może korzystać z Vector Store zasilonego przez ten moduł albo inny proces, ale potrzebuje klucza API, wybranego identyfikatora i właściwych metadanych store_code oraz language.
Moduł używa wyszukiwania plików i odpowiedzi AI, zwracając również informacje o źródłach, jeśli są dostępne. Nie zastępuje procesu aktualizacji wiedzy i nie gwarantuje poprawności każdej wygenerowanej odpowiedzi.
Luma i opcjonalny adapter Hyvä
Pakiet zawiera Kowal_AiProductSupportHyva. Na Luma wystarczy moduł główny. Na Hyvä potrzebny jest moduł motywu, oba moduły Kowal oraz włączone Enable Hyva Frontend Adapter.
Adapter używa Alpine.js dla storefrontu i współdzieli konfigurację, endpoint oraz integrację AI. Zachowuje zachowanie czatu administracyjnego.
Ładowanie po otwarciu i cache strony
Na storefront główny panel, CSS i runtime czatu są ładowane przy pierwszym otwarciu launchera. Przed interakcją pozostają lekki loader, ikona i podstawowe style; historia rozmowy jest odtwarzana po otwarciu.
Stan rozmowy pozostaje w sessionStorage przeglądarki. Odpowiedzi POST mają no-store, a launcher jest przygotowany do cache pełnej strony. Bundling JavaScript oraz inne moduły mogą wpływać na faktyczny efekt odroczonego ładowania i FPC.
Instalacja przez Composer
Pakiet kowal/module-ai-product-support, moduł Kowal_AiProductSupport. Po skonfigurowaniu dostępu do repozytorium Kowal zainstaluj pakiet, włącz moduł, zaktualizuj Magento i wyczyść cache. W produkcji uwzględnij kompilację i wdrożenie treści statycznych zgodnie z procesem sklepu.
Od konfiguracji do efektu
1. Przygotowujesz wiedzę
Synchronizujesz produkty i wybierasz właściwy Vector Store.
2. Użytkownik otwiera czat
Launcher udostępnia rozmowę na stronie lub w panelu.
3. Odpowiedź korzysta z kontekstu
Moduł wyszukuje wiedzę zgodnie z filtrami sklepu i języka.
Pytanie na karcie produktu
Klient pyta o cechę oglądanego produktu. Czat korzysta z przygotowanych dokumentów, kontekstu produktu i języka sklepu.
Jakość pomocy zależy od kompletności wiedzy. Przy brakujących danych potrzebne jest ich uzupełnienie albo kontakt z obsługą, a nie obietnica odpowiedzi na każde pytanie.
Udostępnij wiedzę produktową tam, gdzie jest potrzebna
Chcesz dopasować moduł do swojego sklepu? Zapytaj o wdrożenie Kowal AI Product Support i omów konfigurację lub potrzebne rozszerzenia.
Więcej informacji
| Motyw Hyvä | Zgodny z motywem Hyvä |
|---|---|
| Zgodność z szablonem | Hyvä, Luma / Blank, KOWAL |
Instrukcja Instalacji modułu
Instalacja i konfiguracja
Ten dokument opisuje, jak uruchomić moduł AI Product Support w sklepie Magento 2 i jak przygotować go do pracy.
Dokument jest napisany z myślą o sklepie, który chce wdrożyć gotowy moduł i zacząć korzystać z czatu AI bez zagłębiania się w techniczne szczegóły działania po stronie kodu.
Najlepiej traktować ten moduł jako warstwę użytkową. Najpierw sklep przygotowuje wiedzę, a dopiero potem udostępnia ją pracownikom lub klientom w formie czatu.
Co trzeba przygotować przed instalacją
Przed wdrożeniem potrzebujesz:
- działającego sklepu Magento 2,
- dostępu do serwera,
- composera,
- konta OpenAI,
- przygotowanej bazy wiedzy AI dla sklepu,
- połączenia serwera z internetem.
Najważniejszy warunek praktyczny jest prosty: moduł będzie odpowiadał dobrze tylko wtedy, gdy sklep ma przygotowane treści, z których AI może korzystać.
Jeśli sklep korzysta już z modułu Kowal AI Product Feed, to właśnie on może pełnić rolę przygotowania i porządkowania treści dla AI. Na stronie tego modułu zostało to opisane jako budowanie uporządkowanej i aktualnej bazy wiedzy dla systemów AI. AI Product Support jest naturalnym kolejnym krokiem, czyli wykorzystaniem tej wiedzy w rozmowie z użytkownikiem. Źródło: Kowal AI Product Feed dla OpenAI Vector Store
Instalacja modułu
Moduł instalowany jest przez composer.
Przykładowy proces instalacji:
composer config http-basic.repo.kowal.store "TWOJ_EMAIL_KLIENTA" "TWOJ_TOKEN"
composer require kowal/module-ai-product-support
bin/magento module:enable Kowal_AiProductSupport
bin/magento setup:upgrade
bin/magento cache:clean
Jeśli sklep działa w trybie produkcyjnym, po instalacji wykonaj także:
bin/magento setup:di:compile
bin/magento setup:static-content:deploy -f
bin/magento cache:clean
Gdzie znajduje się konfiguracja
Po instalacji ustawienia modułu znajdziesz tutaj:
Stores > Configuration > Kowal AI > AI Product Support
Jak skonfigurować moduł
1. Włącz czat w panelu administracyjnym
W sekcji General włącz:
Enable Chat
Po zapisaniu ustawienia w panelu administracyjnym pojawi się zakładka AI.
2. Zdecyduj, czy włączyć czat na frontendzie
Jeżeli chcesz, aby z czatu mogli korzystać także klienci sklepu, włącz:
Enable Frontend Chat
Jeśli moduł ma służyć tylko zespołowi sklepu, pozostaw frontend wyłączony.
3. Ustaw długość pytania
Pole:
Maximum Question Length
określa maksymalną długość wiadomości, jaką użytkownik może wysłać. To pomaga utrzymać porządek i ograniczać zbyt długie, nieczytelne zapytania.
4. Ustaw domyślny widok sklepu
Jeśli sklep działa w wielu wersjach językowych lub ma kilka widoków sklepu, możesz wskazać:
Default Store View
To ułatwia pracę w panelu i pomaga startować z właściwego kontekstu.
5. Włącz lub wyłącz ręczną zmianę widoku sklepu
Pole:
Allow Store Switcher
decyduje, czy użytkownik panelu może zmieniać widok sklepu bezpośrednio w popupie czatu.
To przydatne wtedy, gdy jeden zespół obsługuje kilka wersji sklepu.
6. Włącz logowanie techniczne na czas wdrożenia
Pole:
Log Chat Requests
warto włączyć na etapie konfiguracji i testów. Dzięki temu łatwiej sprawdzić, czy moduł działa poprawnie. Po wdrożeniu produkcyjnym można zdecydować, czy logowanie ma pozostać aktywne.
Ustawienia połączenia z AI
W sekcji OpenAI skonfiguruj podstawowe elementy potrzebne do działania modułu.
OpenAI API Key
To klucz dostępu do usługi AI. Bez niego moduł nie pobierze listy modeli, nie odczyta źródła wiedzy i nie wyśle pytania.
Response Model
To model odpowiedzialny za budowanie odpowiedzi.
Lista modeli ładuje się z API. Jeśli po zapisaniu klucza nie pojawią się opcje, można użyć przycisku odświeżania listy modeli.
Vector Store
To wybrane źródło wiedzy dla modułu.
Najprościej można to rozumieć tak:
- to miejsce, w którym zapisane są treści, z których czat korzysta podczas odpowiadania,
- moduł szuka odpowiedzi właśnie tam,
- jeśli wybierzesz niewłaściwe źródło, odpowiedzi będą słabe albo niepełne.
Jeśli sklep ma już uporządkowaną bazę wiedzy przygotowaną dla AI, to tutaj wskazuje się właśnie to źródło.
Lista źródeł wiedzy również może być odświeżona z poziomu konfiguracji.
Maximum File Search Results
To ustawienie określa, ile materiałów pomocniczych moduł bierze pod uwagę przy przygotowaniu jednej odpowiedzi.
W praktyce wpływa to na:
- jakość odpowiedzi,
- szybkość działania,
- koszt korzystania z AI.
Dobrym ustawieniem startowym jest wartość średnia, na przykład 6.
Zabezpieczenia frontendu
Jeżeli czat działa po stronie sklepu, warto od razu ustawić limity bezpieczeństwa.
W sekcji Frontend Security znajdziesz:
Requests Per MinuteRequests Per HourMinimum Submit Delay
Te ustawienia pomagają ograniczyć:
- zbyt częste wysyłanie pytań,
- nadużycia ze strony botów,
- niepotrzebne zużycie zasobów i kosztów.
Dodatkowy prompt systemowy
W sekcji Prompting można uzupełnić:
System Prompt Template
To pole nie jest obowiązkowe. W większości wdrożeń można zostawić je puste i korzystać z domyślnego ustawienia modułu.
Nadpisanie ma sens tylko wtedy, gdy sklep chce wprowadzić własny styl odpowiedzi lub dodatkowe zasady komunikacji.
Jak moduł działa z perspektywy użytkownika
W panelu administracyjnym
Po uruchomieniu modułu użytkownik widzi zakładkę AI przy prawej krawędzi ekranu. Po kliknięciu otwiera się panel czatu.
W panelu można:
- wpisać pytanie,
- otrzymać odpowiedź,
- zobaczyć karty produktów, jeśli odpowiedź dotyczy konkretnego produktu,
- pracować bez przeładowywania strony.
Na frontendzie
Jeśli czat został włączony, podobna zakładka pojawia się po stronie sklepu. Klient może zadać pytanie bez opuszczania strony produktu lub listingu.
Jak myśleć o takim wdrożeniu
Najbardziej praktyczny model wygląda tak:
- sklep porządkuje treści i przygotowuje bazę wiedzy,
- administrator wskazuje tę bazę wiedzy w konfiguracji modułu,
- użytkownik korzysta z czatu,
- odpowiedzi są budowane na podstawie treści przygotowanych przez sklep.
To podejście daje lepszy efekt niż uruchamianie samego czatu bez przygotowanych danych.
Rekomendowana konfiguracja startowa
Panel administracyjny
Enable Chat=YesEnable Frontend Chat= zależnie od projektuMaximum Question Length=1000Allow Store Switcher=Yesprzy wielu widokach sklepuLog Chat Requests=Yesna etapie testówMaximum File Search Results=6
Frontend
Requests Per Minute= ostrożna wartość startowaRequests Per Hour= wartość dopasowana do ruchu sklepuMinimum Submit Delay= co najmniej1
Co sprawdzić po wdrożeniu
Po zapisaniu konfiguracji wykonaj prosty test:
- sprawdź, czy w panelu administracyjnym pojawiła się zakładka AI,
- otwórz popup i wyślij pytanie,
- upewnij się, że odpowiedź pojawia się poprawnie,
- sprawdź, czy sekcja produktów pojawia się przy pytaniach o konkretne produkty,
- jeśli frontend jest włączony, sprawdź działanie zakładki także na sklepie.
Najczęstsze problemy
Nie widać modeli lub źródeł wiedzy
Najczęściej oznacza to:
- brak poprawnego klucza OpenAI,
- brak połączenia serwera z internetem,
- niewyczyszczony cache po zmianach.
Czat odpowiada zbyt słabo albo nie trafia w temat
Najczęstsza przyczyna to nie sam moduł, ale jakość przygotowanej bazy wiedzy. Jeśli treści są niepełne, nieaktualne albo zbyt ubogie, odpowiedzi też będą słabsze.
Przed oceną samego modułu warto więc sprawdzić:
- czy opisy produktów są sensowne i kompletne,
- czy FAQ i dokumentacja są aktualne,
- czy baza wiedzy rzeczywiście zawiera treści potrzebne użytkownikom,
- czy wybrane źródło wiedzy jest właściwe dla danego sklepu.
Frontend zbyt szybko blokuje użytkownika
Wtedy warto sprawdzić ustawienia limitów i opóźnienia wysyłki w sekcji Frontend Security.
Krótka checklista wdrożeniowa
- Zainstaluj moduł przez
composer. - Włącz moduł i wykonaj
setup:upgrade. - Skonfiguruj połączenie z OpenAI.
- Wybierz właściwe źródło wiedzy.
- Włącz czat w adminie.
- Opcjonalnie włącz czat na frontendzie.
- Ustaw limity bezpieczeństwa.
- Przetestuj działanie na pytaniach o realne produkty i treści sklepu.
Krótki opis do sekcji „Instalacja i konfiguracja”
Moduł instaluje się przez composer i konfiguruje w Stores > Configuration > Kowal AI > AI Product Support. Administrator wprowadza dane dostępu do OpenAI, wybiera model oraz źródło wiedzy dla sklepu, a następnie włącza czat w panelu administracyjnym i opcjonalnie na frontendzie. Dodatkowo można ustawić limity bezpieczeństwa i dopasować podstawowe parametry działania modułu.
Pytania i odpowiedzi
Najważniejsza różnica względem zwykłego chatbota polega na tym, że moduł odpowiada na podstawie bazy wiedzy przygotowanej dla konkretnego sklepu, a nie na podstawie ogólnej wiedzy modelu.
W praktyce oznacza to, że jakość odpowiedzi zależy od jakości i kompletności danych przygotowanych w bazie wiedzy.
Do przygotowania danych produktowych dla AI można użyć osobnego modułu, takiego jak Kowal AI Product Feed, który porządkuje dane i wysyła je do OpenAI Vector Store.
Administrator może ustawić domyślny store view oraz zdecydować, czy użytkownik ma widzieć przełącznik store view w oknie czatu.
To ważne w sklepach technicznych, gdzie błędna odpowiedź o kompatybilności, funkcji produktu albo wymaganiach może prowadzić do złej decyzji zakupowej.
Frontendowy czat można traktować jako pierwszą warstwę wsparcia, która pomaga klientowi szybciej znaleźć właściwy produkt lub odpowiedź.
Dzięki temu rozmowa z AI może prowadzić użytkownika bezpośrednio do właściwego produktu w sklepie.
Te mechanizmy pomagają ograniczać przypadkowe nadużycia, automatyczne zapytania i niepotrzebne koszty korzystania z AI.
Administrator może dodać własne instrukcje w polu System Prompt Template. Takie instrukcje są traktowane jako dodatkowe zasady sklepu, ale nie powinny nadpisywać podstawowych reguł bezpieczeństwa i wiarygodności odpowiedzi
Administrator może tam włączyć czat, wybrać model OpenAI, wskazać Vector Store, ustawić limity pytań, skonfigurować frontendowy launcher, wybrać domyślny store view i włączyć logowanie metadanych zapytań.