Free cookie consent management tool by TermsFeedAktualizacja preferencji plików cookie

Kowal AI Product Feed für OpenAI Vector Store und LLMs

61,50 € 50,00 €
Installation von COMPOSER
M2-AI-FEED-VECTOR-STORE

DEMO

Benutzername: aifeed
Passwort: M2Aifeed

Erfordert Änderungen an der Vorlage
Nein
Kleine Änderungen
Wesentliche Änderungen
Erfordert Programmierkenntnisse
Nein
Grundlegend
Erweitert
Schwierigkeiten bei der Konfiguration
Auswirkungen auf die Leistung
Kompatibilität mit Magento-Standards
  • Polnisch Polnisch
  • Englisch Englisch
  • 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
  • 2.3.7
  • 2.3.6
  • 2.3.5
  • 2.3.4

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 head der Seite per Link zu llms.txt hinzufügen,
  • optional einen Link zu llms.txt im 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- und LLM 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 OpenAI integrieren,
  • 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 Store stellen 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.txt und NDJSON-Feeds,
  • Synchronisierung nur geänderter Inhalte,
  • Unterstützung mehrerer Content-Kanäle,
  • Vorbereitung für AI SEO, AEO und 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- und JSONL-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.txt im Bereich head,
  • optional das Hinzufügen eines Links zu llms.txt im 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,
  • Composer in der Umgebung verfügbar ist,
  • der PHP-Prozess Schreibzugriff auf das Verzeichnis var/ hat,
  • Sie einen aktiven OpenAI API Key haben, wenn Sie die Synchronisierung mit OpenAI Vector Store nutzen 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-feed

Wenn das Repository privat ist:

composer config --global --auth github-oauth.github.com 

2. Paketinstallation

composer require kowal/module-ai-product-feed

3. Modul aktivieren

bin/magento module:enable Kowal_AiProductFeed

4. Magento aktualisieren

bin/magento setup:upgrade

5. Kompilierung und Cache

Führen Sie in der Produktionsumgebung zusätzlich Folgendes aus:

bin/magento setup:di:compilebin/magento cache:flush

In der Entwicklungsumgebung reicht normalerweise aus:

bin/magento cache:flush

Wenn vor Magento eine zusätzliche Cache-Schicht arbeitet, führen Sie auch einen Purge auf der Seite von Folgendem aus:

  • Varnish
  • Cloudflare
  • Nginx fastcgi/proxy cache
  • einem anderen Reverse Proxy oder CDN

6. Modulstatus bestätigen

bin/magento module:status Kowal_AiProductFeed

Speicherort 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 = eine Vector Store ID,
  • ein Store View = eine separate öffentliche Ebene von AI-Feeds.

Beispiel:

  • PL Store View -> polnische Vector Store ID
  • EN Store View -> englische Vector Store ID

Feldkonfiguration

Enable Module

Aktiviert das Modul für den ausgewählten Geltungsbereich.

Empfehlung:

  • setzen Sie Yes für die Store View, die AI-Daten generieren sollen

OpenAI API Key

Globaler API-Schlüssel für die Kommunikation mit OpenAI.

Erforderlich, wenn:

  • Sie Dateien mit OpenAI Vector Store synchronisieren möchten

Nicht erforderlich, wenn:

  • Sie nur lokale Exporte nutzen möchten,
  • Sie nur llms.txt und 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.txt ist kein globaler Index aller Shops
  • jede Sprachversion des Shops liefert ein eigenes Manifest zurück
  • /llms.txt selbst benötigt keine vorhandenen generierten Dateien, um korrekt zu antworten

Fügt im Shop-Footer einen sichtbaren Link zu /llms.txt hinzu.

Empfehlung:

  • No standardmäßig,
  • 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-docs
  • var/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:

  1. Aktivieren Sie das Modul für den Ziel-Store View.
  2. Fügen Sie den OpenAI API Key hinzu, wenn Sie die Synchronisierung mit OpenAI planen.
  3. Legen Sie die Vector Store ID für jede Sprache fest.
  4. Prüfen Sie den Feed Location.
  5. Legen Sie den Docs Location fest, wenn Sie Markdown-Dokumentation verwenden.
  6. Aktivieren Sie die benötigten Inhaltstypen und Kanäle.
  7. Aktivieren Sie Enable Public AI Feed, wenn die Endpunkte öffentlich verfügbar sein sollen.
  8. Aktivieren Sie optional Show LLMs.txt Link in Footer.
  9. Leeren Sie den Magento-Cache.
bin/magento cache:flush

Erster Start

Dry Run

Führen Sie zunächst einen Testlauf für einen Store View aus:

bin/magento kowal:ai-export:sync --channel=product --store=1 --dry-run

Echter Export

Starten Sie anschließend die eigentliche Synchronisierung:

bin/magento kowal:ai-export:sync --channel=product --store=1

Status prüfen

bin/magento kowal:ai-export:status --store=1

Prüfung 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.ndjson

Wenn 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.txt

Erwartetes Verhalten:

  • /llms.txt liefert nur ein Manifest für den aktuellen Store View zurück
  • /llms.txt funktioniert auch dann, wenn noch keine Feed-Dateien generiert wurden
  • /ai-feed/{storeCode}/index.json zeigt nur vorhandene Feeds für den jeweiligen Shop an
  • /ai-feed/{storeCode}/{contentType}.ndjson funktioniert 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.json

Sie sollten Folgendes sehen:

  • für /llms.txt Header, die den Cache praktisch deaktivieren,
  • für index.json eine kurze Cache-Lebensdauer und erzwungene Revalidierung.

Prüfung von HTML:

  • im Seitenquelltext sollte im head ein Link zu /llms.txt erscheinen,
  • wenn Sie die Footer-Option aktiviert haben, sollte im Footer ein Link LLMs.txt erscheinen.

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=1

Status

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_blog

Import von Blog-Quellen

bin/magento kowal:ai-blog-source:import --source=amasty_blog --store=1

Alter 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-run

Cron

Das Modul verwendet drei Cron-Jobs:

  • kowal_ai_blog_source_import
  • kowal_ai_feed_generate
  • kowal_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:upgrade ausgeführt haben,
  • ob Sie im Production Mode bin/magento setup:di:compile ausgeführt 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 Feed aktiviert 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 View aktiv 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 OpenAI synchronisierbar,
  • bereit zur Veröffentlichung über llms.txt und NDJSON-Feeds,
  • erweiterbar für weitere Integrationen und AI-Module.

Fragen und Antworten

Frage
Kommen AI-Roboter nicht auch ohne das zurecht?
Antwort
Kowal AI Product Feed ist ein Magento-2-Modul, das die Produktdaten des Shops in eine strukturierte, aktuelle und einsatzbereite Wissensbasis für AI-Systeme umwandelt. Seine Aufgabe ist nicht ein gewöhnlicher Katalogexport, sondern die Aufbereitung der Inhalte so, dass sie sicher und effektiv von Lösungen auf Basis von OpenAI Vector Store, semantischen Suchmaschinen, AI-Assistenten und RAG-Mechanismen genutzt werden können. Wenn du eine detailliertere Antwort benötigst, kannst du die Frage präzisieren oder das klassische Kontaktformular nutzen.
Write Your Own Review
You're reviewing:Kowal AI Product Feed für OpenAI Vector Store und LLMs
Your Rating
Produkte