Kowal AI Product Feed für OpenAI Vector Store und LLMs
Kowal AI Product Feed ist ein Magento 2 Modul zum Aufbau einer Datenebene für AI, das Shop-Inhalte in einer Form aufbereitet, die direkt von OpenAI Vector Store, AI-Assistenten, semantischen Suchmaschinen, RAG-Pipelines sowie öffentlichen Mechanismen zur Content-Entdeckung wie llms.txt und NDJSON-Feeds genutzt werden kann.
Dies ist kein gewöhnlicher Export des Produktkatalogs. Das Modul ordnet, normalisiert und veröffentlicht das Wissen des Shops so, dass AI-Systeme sicher damit versorgt werden können und Sie zugleich die Kontrolle über die Aktualität der Daten, den Inhaltsumfang und die Dokumentstruktur behalten.
Dadurch kann Magento zu einer echten Wissensquelle werden für:
- Chatbots und Produkt-Copilots,
- intelligenten Kundenservice,
- semantische Suche,
- von AI generierte Antworten,
- Content-Automatisierung,
- externe AI-Integrationen auf Basis öffentlicher oder privater Feeds.
Was das Modul in der Praxis macht
Das Modul übernimmt Daten aus Magento und erstellt daraus strukturierte Wissensdokumente. Es unterstützt nicht nur Produktinhalte, sondern auch zusätzliche Content-Kanäle, die aus Sicht von AI und Vertrieb relevant sind.
Aktuell kann es mit folgenden Inhalten arbeiten:
product.core- grundlegende Produktdaten, Beschreibungen, URL, Attribute und Kategorien,product.faq- Produktfragen und -antworten,product.docs- Dokumentation und Markdown-Dateien,blog.article- Blogbeiträge,category.content- Kategorietexte,cms.page- CMS-Seiten.
Jedes Dokument wird lokal gespeichert, per Checksumme verglichen und nur dann synchronisiert, wenn es sich tatsächlich geändert hat. Das reduziert unnötige Uploads, stabilisiert den Synchronisierungsprozess und bietet mehr Kontrolle über Kosten und Datenqualität.
Öffentliche AI- und LLM-Endpunkte
In der neuen Version kann das Modul Daten außerdem über öffentliche Frontend-Endpunkte veröffentlichen:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
Das bedeutet, dass der Shop Daten nicht nur mit OpenAI Vector Store synchronisieren, sondern auch eine kontrollierte Content-Ebene für externe AI-Agenten, Crawler und Integrationswerkzeuge bereitstellen kann.
Zusätzlich kann das Modul:
- ein Signal im
headder Seite per Link zullms.txthinzufügen, - optional einen Link zu
llms.txtim Footer anzeigen, - Feeds pro Store View und pro Sprache veröffentlichen,
- die Konsistenz zwischen Shop-Inhalten, AI-Ebene und öffentlicher Content-Discovery-Ebene sicherstellen.
Warum das geschäftlich wichtig ist
In vielen Shops sind die für die Einführung von AI benötigten Daten verstreut: ein Teil befindet sich in Produktbeschreibungen, ein Teil in FAQ, ein Teil im Blog und ein Teil in separaten technischen Materialien. Ohne eine Integrationsschicht ist es schwierig, darauf stabile AI-Lösungen aufzubauen.
Kowal AI Product Feed löst dieses Problem, weil es:
- das Shop-Wissen in einer einzigen Export- und Synchronisierungsarchitektur zentralisiert,
- Daten für den Einsatz durch Sprachmodelle aufbereitet,
- die Kosten für den Aufbau weiterer AI-Integrationen reduziert,
- die Implementierungszeit für Chats, Assistenten und semantische Suchmaschinen verkürzt,
- die Weiterentwicklung einer
AI SEO-,AEO- undLLM discoverability-Strategie ermöglicht, - eine Grundlage für mehrsprachige AI-Implementierungen in Magento 2 bietet.
Das bedeutet eine schnellere Einführung neuer Funktionen, mehr Konsistenz bei von AI generierten Antworten und eine bessere Nutzung der Inhalte, die der Shop bereits besitzt.
Für wen dieses Modul gedacht ist
Das Modul ist vorgesehen für:
- Magento 2 Shops, die AI-Chat oder AI-Assistenten einführen,
- Unternehmen, die semantische Suchmaschinen und RAG auf Basis von E-Commerce-Daten entwickeln,
- technische Teams, die Magento mit
OpenAIintegrieren, - Shops, die mehrsprachige Produktwissensdatenbanken ausbauen,
- Agenturen und Softwarehäuser, die AI in Magento implementieren,
- Marken, die ihren Shop auf zukünftige Kanäle der Content-Entdeckung durch LLMs vorbereiten möchten.
Wie andere Module es nutzen
Andere Module können Kowal AI Product Feed als zentrale Wissensquelle und Integrationsschicht verwenden, anstatt eigene Exporte, eigene Datenserialisierungen und eigene Synchronisierungsprozesse aufzubauen.
Beispielhafte Einsatzmöglichkeiten:
- ein AI-Chat-Modul kann Fragen an den
Vector Storestellen und auf Basis des aktuellen Produktwissens antworten, - ein FAQ-Modul kann die gemeinsame Wissensbasis um zusätzliche Fragen und Antworten erweitern,
- ein Dokumentationsmodul kann AI mit Anleitungs- und Technik-Inhalten versorgen,
- ein Kundenservice-Modul kann dieselben Daten für kontextbezogene Antworten nutzen,
- ein Empfehlungsmodul kann strukturierte Inhalte für eine bessere Produktzuordnung verwenden,
- Content-Module können die Wissensebene um Blog, CMS und weitere Dokumenttypen erweitern.
Am wichtigsten ist, dass andere Module die technischen Details von Synchronisierung, Checksummen, Dateiexport oder Upload zu OpenAI nicht kennen müssen. Sie erhalten eine fertige, konsistente und erweiterbare Datenebene.
Die wichtigsten Vorteile
- fertige AI-Datenebene für Magento 2,
- Unterstützung für
OpenAI Vector Store, - öffentliche
llms.txtundNDJSON-Feeds, - Synchronisierung nur geänderter Inhalte,
- Unterstützung mehrerer Content-Kanäle,
- Vorbereitung für
AI SEO,AEOund LLM-Integrationen, - Kompatibilität mit der Magento-Architektur für Store Views und Sprachversionen,
- solide Basis für die weitere Entwicklung von AI-Automatisierung im Shop.
Kowal AI Product Feed - Installation und Konfiguration
Ziel des Dokuments
Dieses Dokument beschreibt den vollständigen Prozess der Installation, Inbetriebnahme und Konfiguration des Moduls Kowal_AiProductFeed in Magento 2. Es wurde so vorbereitet, dass Sie vom technischen Deployment bis zum ersten funktionierenden Export und zur Veröffentlichung von llms.txt gelangen können.
Funktionsumfang des Moduls
Das Modul ermöglicht:
- den Export von Shop-Inhalten in
JSON- undJSONL-Dateien, - die Synchronisierung von Daten mit
OpenAI Vector Store, - die Unterstützung mehrerer Content-Kanäle wie Produkt, Blog, Kategorie und CMS,
- die Veröffentlichung öffentlicher Endpunkte:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
- das Hinzufügen eines Links zu
llms.txtim Bereichhead, - optional das Hinzufügen eines Links zu
llms.txtim Shop-Footer.
llms.txt funktioniert pro aktuellem Store View. Das bedeutet, dass jede Sprachversion ein eigenes Manifest und eigene Links zu den Feeds zurückgeben kann.
Voraussetzungen
Stellen Sie vor der Installation sicher, dass:
- Magento 2 korrekt funktioniert,
- Sie SSH-Zugriff auf das Magento-Hauptverzeichnis haben,
Composerin der Umgebung verfügbar ist,- der PHP-Prozess Schreibzugriff auf das Verzeichnis
var/hat, - Sie einen aktiven
OpenAI API Keyhaben, wenn Sie die Synchronisierung mitOpenAI Vector Storenutzen möchten.
Installation des Moduls
1. Composer-Repository hinzufügen
Wenn das Modul aus einem Git-Repository installiert wird:
composer config repositories.ai.product.feed vcs https://github.com/kowalco/module-ai-product-feedWenn das Repository privat ist:
composer config --global --auth github-oauth.github.com 2. Paketinstallation
composer require kowal/module-ai-product-feed3. Modul aktivieren
bin/magento module:enable Kowal_AiProductFeed4. Magento aktualisieren
bin/magento setup:upgrade5. Kompilierung und Cache
Führen Sie in der Produktionsumgebung zusätzlich Folgendes aus:
bin/magento setup:di:compilebin/magento cache:flushIn der Entwicklungsumgebung reicht normalerweise aus:
bin/magento cache:flushWenn vor Magento eine zusätzliche Cache-Schicht arbeitet, führen Sie auch einen Purge auf der Seite von Folgendem aus:
VarnishCloudflareNginx fastcgi/proxy cache- einem anderen Reverse Proxy oder CDN
6. Modulstatus bestätigen
bin/magento module:status Kowal_AiProductFeedSpeicherort der Konfiguration
Die Modulkonfiguration ist im Panel verfügbar unter:
Stores -> Configuration -> General -> Kowal AI Feed
Empfohlenes Konfigurationsmodell
Best Practice ist die Konfiguration auf Store View-Ebene, insbesondere wenn der Shop in mehreren Sprachen betrieben wird.
Empfehlung:
- ein
Store View= eine Sprache, - ein
Store View= eineVector Store ID, - ein
Store View= eine separate öffentliche Ebene von AI-Feeds.
Beispiel:
PLStore View -> polnischeVector Store IDENStore View -> englischeVector Store ID
Feldkonfiguration
Enable Module
Aktiviert das Modul für den ausgewählten Geltungsbereich.
Empfehlung:
- setzen Sie
Yesfür dieStore View, die AI-Daten generieren sollen
OpenAI API Key
Globaler API-Schlüssel für die Kommunikation mit OpenAI.
Erforderlich, wenn:
- Sie Dateien mit
OpenAI Vector Storesynchronisieren möchten
Nicht erforderlich, wenn:
- Sie nur lokale Exporte nutzen möchten,
- Sie nur
llms.txtund öffentliche Feeds verwenden möchten.
Vector Store ID
Die Kennung des OpenAI Vector Store für einen bestimmten Store View.
Empfehlung:
- auf
Store View-Ebene konfigurieren, - für jede Sprache eine separate Kennung festlegen.
Feed Location
Relativer Pfad zum Verzeichnis, in dem die Exportdateien gespeichert werden.
Standardwert:
var/ai-feeds
Empfehlung:
- das Verzeichnis in
var/belassen, - dieses Verzeichnis nicht direkt über den Webserver bereitstellen.
Enable Public AI Feed
Aktiviert öffentliche Endpunkte:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
Aktivieren Sie diese Option nur für die Store Views, deren Inhalte öffentlich verfügbar sein dürfen.
Wichtig:
/llms.txtist kein globaler Index aller Shops- jede Sprachversion des Shops liefert ein eigenes Manifest zurück
/llms.txtselbst benötigt keine vorhandenen generierten Dateien, um korrekt zu antworten
Show LLMs.txt Link in Footer
Fügt im Shop-Footer einen sichtbaren Link zu /llms.txt hinzu.
Empfehlung:
Nostandardmäßig,Yes, wenn Sie die Verfügbarkeit der AI-Ebene für Partner, Integratoren oder Bots ausdrücklich kommunizieren möchten.
Docs Location
Relativer Pfad zum Verzeichnis mit der Markdown-Produktdokumentation für product.docs.
Beispiele:
var/ai-docsvar/ai-docs/pl
Unterstützt werden unter anderem folgende Dateien:
{docsLocation}/{SKU}.md{docsLocation}/{SKU}.markdown{docsLocation}/{storeCode}/{SKU}.md{docsLocation}/{storeCode}/{SKU}.markdown{docsLocation}/{SKU}/*.md{docsLocation}/{SKU}/*.markdown{docsLocation}/{storeCode}/{SKU}/*.md{docsLocation}/{storeCode}/{SKU}/*.markdown
Max Products Per Batch
Paketgröße für den Produktexport.
Startwert:
500
Verringern Sie den Wert, wenn:
- der Katalog sehr groß ist,
- die Umgebung nur begrenzten Speicher hat,
- zusätzliche AI-Operationen die Last erhöhen.
Sync Product Core
Aktiviert den Inhaltstyp product.core.
Empfehlung:
Yes
Sync Product FAQ
Aktiviert product.faq.
Verwenden Sie dies, wenn der Shop Daten in der Tabelle kowal_zapytajoprodukt_pytania enthält.
Sync Product Docs
Aktiviert product.docs.
Verwenden Sie dies, wenn die Markdown-Dokumentation bereits vorbereitet ist.
Sync Blog Content
Aktiviert den Kanal blog und den Typ blog.article.
Sync Category Content
Aktiviert den Kanal category und den Typ category.content.
Sync CMS Pages
Aktiviert den Kanal cms_page und den Typ cms.page.
Max Retries
Maximale Anzahl von API-Versuchen.
Standardmäßig:
3
Polling Timeout
Maximale Wartezeit auf den Abschluss der Dateiverarbeitung auf der Seite von OpenAI.
Standardmäßig:
600
Polling Interval
Intervall zwischen den einzelnen Statusprüfungen.
Standardmäßig:
5
HTTP Timeout
Maximale Dauer einer einzelnen HTTP-Anfrage an OpenAI.
Standardmäßig:
60
Empfohlene Reihenfolge der Konfiguration
Konfigurieren Sie das Modul nach der Installation in dieser Reihenfolge:
- Aktivieren Sie das Modul für den Ziel-
Store View. - Fügen Sie den
OpenAI API Keyhinzu, wenn Sie die Synchronisierung mitOpenAIplanen. - Legen Sie die
Vector Store IDfür jede Sprache fest. - Prüfen Sie den
Feed Location. - Legen Sie den
Docs Locationfest, wenn Sie Markdown-Dokumentation verwenden. - Aktivieren Sie die benötigten Inhaltstypen und Kanäle.
- Aktivieren Sie
Enable Public AI Feed, wenn die Endpunkte öffentlich verfügbar sein sollen. - Aktivieren Sie optional
Show LLMs.txt Link in Footer. - Leeren Sie den Magento-Cache.
bin/magento cache:flushErster Start
Dry Run
Führen Sie zunächst einen Testlauf für einen Store View aus:
bin/magento kowal:ai-export:sync --channel=product --store=1 --dry-runEchter Export
Starten Sie anschließend die eigentliche Synchronisierung:
bin/magento kowal:ai-export:sync --channel=product --store=1Status prüfen
bin/magento kowal:ai-export:status --store=1Prüfung öffentlicher Endpunkte
Wenn Enable Public AI Feed aktiviert ist, prüfen Sie:
curl -i https://twoja-domena.pl/llms.txtcurl -i https://twoja-domena.pl/ai-feed/pl/index.jsoncurl -i https://twoja-domena.pl/ai-feed/pl/product.core.ndjsonWenn der Shop separate Sprachversionen in der URL hat, prüfen Sie auch:
curl -i https://twoja-domena.pl/en/llms.txtcurl -i https://twoja-domena.pl/de/llms.txtErwartetes Verhalten:
/llms.txtliefert nur ein Manifest für den aktuellenStore Viewzurück/llms.txtfunktioniert auch dann, wenn noch keine Feed-Dateien generiert wurden/ai-feed/{storeCode}/index.jsonzeigt nur vorhandene Feeds für den jeweiligen Shop an/ai-feed/{storeCode}/{contentType}.ndjsonfunktioniert erst dann, wenn die entsprechenden Quelldateien vorhanden sind
Prüfung der Cache-Header:
curl -I https://twoja-domena.pl/llms.txtcurl -I https://twoja-domena.pl/ai-feed/pl/index.jsonSie sollten Folgendes sehen:
- für
/llms.txtHeader, die den Cache praktisch deaktivieren, - für
index.jsoneine kurze Cache-Lebensdauer und erzwungene Revalidierung.
Prüfung von HTML:
- im Seitenquelltext sollte im
headein Link zu/llms.txterscheinen, - wenn Sie die Footer-Option aktiviert haben, sollte im Footer ein Link
LLMs.txterscheinen.
CLI-Befehle
Synchronisierung
bin/magento kowal:ai-export:sync --channel=productbin/magento kowal:ai-export:sync --channel=product --store=1bin/magento kowal:ai-export:sync --channel=product --store=1 --content-type=product.core --identifier=example-sku --dry-runbin/magento kowal:ai-export:sync --channel=blog --store=1 --source=amasty_blogbin/magento kowal:ai-export:sync --channel=category --store=1bin/magento kowal:ai-export:sync --channel=cms_page --store=1Status
bin/magento kowal:ai-export:statusbin/magento kowal:ai-export:status --store=1bin/magento kowal:ai-export:status --channel=blog --store=1bin/magento kowal:ai-export:status --channel=blog --store=1 --source=amasty_blogImport von Blog-Quellen
bin/magento kowal:ai-blog-source:import --source=amasty_blog --store=1Alter Produkt-Alias
Weiterhin verfügbar für Abwärtskompatibilität:
bin/magento kowal:ai-feed:generatebin/magento kowal:ai-feed:generate --store=1 --content-type=product.core --sku=example-sku --dry-runCron
Das Modul verwendet drei Cron-Jobs:
kowal_ai_blog_source_importkowal_ai_feed_generatekowal_ai_feed_cleanup
Stellen Sie sicher, dass der Magento-Cron in der Umgebung korrekt funktioniert.
Häufigste Probleme
/llms.txt gibt 404 zurück
Prüfen Sie:
- ob die aktuelle Modulversion mit Frontend-Routing bereitgestellt wurde,
- ob Sie
bin/magento setup:upgradeausgeführt haben, - ob Sie im Production Mode
bin/magento setup:di:compileausgeführt haben, - ob Sie den standardmäßigen Static-Content-Deploy gemäß Projektprozess ausgeführt haben,
- ob Sie den Cache geleert haben,
- ob Sie einen Purge der CDN- / Reverse-Proxy-Schicht durchgeführt haben,
- ob
Enable Public AI Feedaktiviert ist.
Wenn https://twoja-domena.pl/llms.txt?v=123 funktioniert, aber https://twoja-domena.pl/llms.txt nicht, bedeutet das normalerweise, dass unterwegs noch ein alter gemeinsam genutzter Cache aktiv ist.
/llms.txt funktioniert, aber die Feeds sind leer
Das bedeutet in der Regel, dass:
- der Export noch nicht ausgeführt wurde,
- keine aktiven Inhalte für den jeweiligen Kanal vorhanden sind,
- die entsprechenden Synchronisierungs-Flags deaktiviert sind.
Dieses Verhalten ist korrekt. Das Manifest selbst kann früher funktionieren als die eigentlichen Feeds.
Keine Dateien in var/ai-feeds
Prüfen Sie:
- ob das Modul im richtigen
Store Viewaktiv ist, - ob die erforderlichen Inhaltstypen aktiviert sind,
- ob Magento Schreibrechte für
var/hat, - ob der Synchronisierungsprozess gestartet wurde.
Probleme bei der Synchronisierung mit OpenAI
Prüfen Sie:
- die Korrektheit des
OpenAI API Key, - die Korrektheit der
Vector Store ID, - die Verfügbarkeit ausgehender HTTP-Verbindungen,
- die Werte für Timeouts und Retries.
Zusammenfassung
Nach korrekter Installation und Konfiguration bietet das Modul Magento 2 eine fertige Datenebene für AI:
- lokal,
- mehrsprachig,
- mit
OpenAIsynchronisierbar, - bereit zur Veröffentlichung über
llms.txtundNDJSON-Feeds, - erweiterbar für weitere Integrationen und AI-Module.























