Czy roboty AI nie poradzą sobie bez tego?

Kowal AI Product Feed to moduł Magento 2, który zamienia dane produktowe sklepu w uporządkowaną, aktualną i gotową do wykorzystania bazę wiedzy dla systemów AI. Jego zadaniem nie jest zwykły eksport katalogu, ale przygotowanie treści w taki sposób, aby mogły być bezpiecznie i skutecznie używane przez rozwiązania oparte o OpenAI Vector Store, wyszukiwarki semantyczne, asystentów AI oraz mechanizmy RAG. Jeśli potrzebujesz bardziej szczegółowej odpowiedzi, możesz doprecyzować pytanie lub skorzystać z klasycznego formularza kontaktowego.

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Kowal AI Product Feed pour OpenAI Vector Store et LLMs

Be the first to review this product

61,50 € 50,00 €

Instalacja COMPOSER

M2-AI-FEED-VECTOR-STORE

Cela nécessite des modifications dans le modèle

Non

Petites modifications

Changements importants

Nécessite des connaissances en programmation

Non

Notions de base

Avancé

Difficulté de configuration

Impact sur les performances

Conformité aux normes Magento

Polonais
Anglais

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
2.3.7
2.3.6
2.3.5
2.3.4

Détails

Kowal AI Product Feed est un module Magento 2 conçu pour créer une couche de données pour l’IA, qui prépare le contenu de la boutique dans un format prêt à être utilisé par OpenAI Vector Store, les assistants IA, les moteurs de recherche sémantique, les pipelines RAG ainsi que les mécanismes publics de découverte de contenu tels que llms.txt et les flux NDJSON.

Il ne s’agit pas d’une simple exportation du catalogue produits. Le module organise, normalise et publie les connaissances de la boutique d’une manière qui permet d’alimenter en toute sécurité des systèmes d’IA, tout en gardant le contrôle sur l’actualité des données, le périmètre du contenu et la structure des documents.

Grâce à cela, Magento peut devenir une véritable source de connaissances pour :

les chatbots et copilotes produit,
le service client intelligent,
un moteur de recherche sémantique,
les réponses générées par l’IA,
l’automatisation de contenu,
les intégrations IA externes basées sur des flux publics ou privés.

Ce que fait le module en pratique

Le module récupère les données depuis Magento et les transforme en documents de connaissance structurés. Il prend en charge non seulement les contenus produits, mais aussi des canaux de contenu supplémentaires, importants du point de vue de l’IA et des ventes.

Actuellement, il peut fonctionner avec des contenus tels que :

product.core - données produit de base, descriptions, URL, attributs et catégories,
product.faq - questions et réponses produit,
product.docs - documentation et fichiers Markdown,
blog.article - articles de blog,
category.content - contenus de catégorie,
cms.page - pages CMS.

Chaque document est enregistré localement, comparé par checksum et synchronisé uniquement lorsqu’il a réellement changé. Cela limite les uploads redondants, stabilise le processus de synchronisation et offre un meilleur contrôle sur les coûts et la qualité des données.

Endpoints publics AI et LLM

Dans la nouvelle version du module, les données peuvent également être publiées via des endpoints frontend publics :

/llms.txt
/ai-feed/{storeCode}/index.json
/ai-feed/{storeCode}/{contentType}.ndjson

Cela signifie que la boutique peut non seulement synchroniser les données vers OpenAI Vector Store, mais aussi exposer une couche de contenu contrôlée pour des agents IA externes, des crawlers et des outils d’intégration.

Le module peut en plus :

ajouter un signal dans le head de la page via un lien vers llms.txt,
afficher en option un lien vers llms.txt dans le pied de page,
publier des flux par store view et par langue,
préserver la cohérence entre les contenus de la boutique, la couche IA et la couche publique de découverte de contenu.

Pourquoi c’est important d’un point de vue business

Dans de nombreuses boutiques, les données nécessaires au déploiement de l’IA sont dispersées : une partie se trouve dans les descriptions produit, une autre dans la FAQ, une autre encore dans le blog, et le reste dans des documents techniques séparés. Sans couche d’intégration, il est difficile de construire des solutions IA stables sur cette base.

Kowal AI Product Feed résout ce problème, car il :

centralise les connaissances de la boutique dans une architecture unique d’export et de synchronisation,
organise les données pour leur utilisation par des modèles de langage,
réduit le coût de création des futures intégrations IA,
raccourcit le temps de déploiement des chats, assistants et moteurs de recherche sémantique,
permet de développer une stratégie AI SEO, AEO et LLM discoverability,
constitue une base pour des déploiements IA multilingues dans Magento 2.

Cela signifie une mise en service plus rapide de nouvelles fonctionnalités, une meilleure cohérence des réponses générées par l’IA et une exploitation plus efficace des contenus que la boutique possède déjà.

À qui s’adresse ce module

Le module est destiné à :

les boutiques Magento 2 déployant un AI chat ou un AI assistant,
les entreprises qui construisent des moteurs de recherche sémantique et du RAG sur des données e-commerce,
les équipes techniques intégrant Magento avec OpenAI,
les boutiques développant des bases de connaissances produit multilingues,
les agences et software houses déployant l’IA dans Magento,
les marques qui souhaitent préparer leur boutique aux futurs canaux de découverte de contenu via les LLM.

Comment les autres modules l’utilisent

D’autres modules peuvent utiliser Kowal AI Product Feed comme source centrale de connaissances et couche d’intégration, au lieu de créer leurs propres exports, leurs propres sérialisations de données et leurs propres processus de synchronisation.

Exemples d’utilisation :

un module AI chat peut interroger le Vector Store et répondre sur la base des connaissances produit à jour,
un module FAQ peut enrichir la base de connaissances commune avec des questions et réponses supplémentaires,
un module de documentation peut alimenter l’IA avec des contenus pédagogiques et techniques,
un module de service client peut utiliser les mêmes données pour fournir des réponses contextuelles,
un module de recommandation peut exploiter des contenus structurés pour un meilleur appariement des produits,
les modules de contenu peuvent étendre la couche de connaissance avec le blog, le CMS et de nouveaux types de documents.

Le plus important est que les autres modules n’ont pas besoin de connaître les détails techniques de la synchronisation, des checksums, de l’export de fichiers ou de l’upload vers OpenAI. Ils reçoivent une couche de données prête à l’emploi, cohérente et évolutive.

Principaux avantages

couche de données IA prête à l’emploi pour Magento 2,
prise en charge de OpenAI Vector Store,
llms.txt public et flux NDJSON,
synchronisation uniquement des contenus modifiés,
prise en charge de plusieurs canaux de contenu,
préparation pour AI SEO, AEO et les intégrations LLM,
compatibilité avec l’architecture store view et les versions linguistiques de Magento,
base solide pour le développement futur de l’automatisation IA dans la boutique.

Questions et réponses

Question

Les robots IA ne peuvent-ils pas s’en sortir sans cela ?

Réponse

Kowal AI Product Feed est un module Magento 2 qui transforme les données produits de la boutique en une base de connaissances structurée, à jour et prête à l’emploi pour les systèmes d’IA. Sa fonction n’est pas un simple export du catalogue, mais la préparation du contenu de manière à ce qu’il puisse être utilisé de façon sûre et efficace par des solutions basées sur OpenAI Vector Store, des moteurs de recherche sémantiques, des assistants IA ainsi que des mécanismes RAG. Si vous avez besoin d’une réponse plus détaillée, vous pouvez préciser votre question ou utiliser le formulaire de contact classique.

Notice d'installation du module

Kowal AI Product Feed - installation et configuration

Objectif du document

Ce document décrit le processus complet d’installation, de mise en service et de configuration du module Kowal_AiProductFeed dans Magento 2. Il a été préparé pour permettre de passer du déploiement technique à une première exportation fonctionnelle ainsi qu’à la publication de llms.txt.

Périmètre fonctionnel du module

Le module permet :

l’exportation du contenu de la boutique vers des fichiers JSON et JSONL,
la synchronisation des données vers OpenAI Vector Store,
la prise en charge de plusieurs canaux de contenu, tels que le produit, le blog, la catégorie et le CMS,
la publication d’endpoints publics :
- /llms.txt
- /ai-feed/{storeCode}/index.json
- /ai-feed/{storeCode}/{contentType}.ndjson
l’ajout d’un lien vers llms.txt dans la section head,
l’ajout optionnel d’un lien vers llms.txt dans le pied de page de la boutique.

llms.txt fonctionne par Store View courant. Cela signifie que chaque version linguistique peut renvoyer son propre manifeste et ses propres liens vers les flux.

Prérequis

Avant l’installation, assurez-vous que :

Magento 2 fonctionne correctement,
vous disposez d’un accès SSH au répertoire racine de Magento,
Composer est disponible dans l’environnement,
le processus PHP dispose des droits d’écriture dans le répertoire var/,
vous disposez d’une clé OpenAI API Key active si vous souhaitez utiliser la synchronisation vers OpenAI Vector Store.

Installation du module

1. Ajout du dépôt Composer

Si le module est installé depuis un dépôt Git :

composer config repositories.ai.product.feed vcs https://github.com/kowalco/module-ai-product-feed

Si le dépôt est privé :

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

2. Installation du package

composer require kowal/module-ai-product-feed

3. Activation du module

bin/magento module:enable Kowal_AiProductFeed

4. Mise à jour de Magento

bin/magento setup:upgrade

5. Compilation et cache

En environnement de production, exécutez également :

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

En environnement de développement, il suffit généralement d’exécuter :

bin/magento cache:flush

Si une couche de cache supplémentaire est placée devant Magento, effectuez également un purge côté :

Varnish
Cloudflare
Nginx fastcgi/proxy cache
un autre reverse proxy ou CDN

6. Confirmation du statut du module

bin/magento module:status Kowal_AiProductFeed

Emplacement de la configuration

La configuration du module est disponible dans le panneau :

Stores -> Configuration -> General -> Kowal AI Feed

Modèle de configuration recommandé

La meilleure pratique consiste à configurer au niveau du Store View, en particulier si la boutique fonctionne en plusieurs langues.

Recommandation :

un Store View = une langue,
un Store View = un Vector Store ID,
un Store View = une couche publique distincte de flux IA.

Exemple :

PL store view -> Vector Store ID polonais
EN store view -> Vector Store ID anglais

Configuration des champs

`Enable Module`

Active le module pour le périmètre sélectionné.

Recommandation :

définir Yes sur les Store View qui doivent générer des données IA

`OpenAI API Key`

Clé API globale utilisée pour communiquer avec OpenAI.

Requise si :

vous souhaitez synchroniser des fichiers vers OpenAI Vector Store

Non requise si :

vous souhaitez utiliser uniquement des exports locaux,
vous souhaitez utiliser uniquement llms.txt et les flux publics.

`Vector Store ID`

Identifiant OpenAI Vector Store pour un Store View donné.

Recommandation :

configurer au niveau du Store View,
définir un identifiant distinct pour chaque langue.

`Feed Location`

Chemin relatif vers le répertoire dans lequel les fichiers d’exportation seront enregistrés.

Valeur par défaut :

var/ai-feeds

Recommandation :

laisser le répertoire dans var/,
ne pas exposer ce répertoire directement via le serveur web.

`Enable Public AI Feed`

Active les endpoints publics :

/llms.txt
/ai-feed/{storeCode}/index.json
/ai-feed/{storeCode}/{contentType}.ndjson

Activez cette option uniquement pour les vues de boutique dont le contenu peut être accessible publiquement.

Important :

/llms.txt n’est pas un index global de toutes les boutiques
chaque version linguistique de la boutique renvoie son propre manifeste
/llms.txt lui-même ne nécessite pas l’existence de fichiers générés pour répondre correctement

`Show LLMs.txt Link in Footer`

Ajoute un lien visible vers /llms.txt dans le pied de page de la boutique.

Recommandation :

No par défaut,
Yes si vous souhaitez communiquer explicitement la disponibilité de la couche IA aux partenaires, intégrateurs ou bots.

`Docs Location`

Chemin relatif vers le répertoire contenant la documentation produit Markdown pour product.docs.

Exemples :

var/ai-docs
var/ai-docs/pl

Sont notamment pris en charge les fichiers :

{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`

Taille du lot pour l’exportation des produits.

Valeur initiale :

500

Réduisez la valeur si :

le catalogue est très volumineux,
l’environnement dispose d’une mémoire limitée,
des opérations IA supplémentaires augmentent la charge.

`Sync Product Core`

Active le type de contenu product.core.

Recommandation :

Yes

`Sync Product FAQ`

Active product.faq.

À utiliser si la boutique dispose de données dans la table kowal_zapytajoprodukt_pytania.

`Sync Product Docs`

Active product.docs.

À utiliser si la documentation Markdown est déjà prête.

`Sync Blog Content`

Active le canal blog et le type blog.article.

`Sync Category Content`

Active le canal category et le type category.content.

`Sync CMS Pages`

Active le canal cms_page et le type cms.page.

`Max Retries`

Nombre maximal de tentatives pour les opérations API.

Par défaut :

`Polling Timeout`

Temps d’attente maximal pour la fin du traitement du fichier côté OpenAI.

Par défaut :

600

`Polling Interval`

Intervalle entre deux vérifications successives du statut.

Par défaut :

`HTTP Timeout`

Durée maximale d’une requête HTTP unique vers OpenAI.

Par défaut :

60

Ordre de configuration recommandé

Après l’installation, configurez le module dans cet ordre :

Activez le module pour le Store View cible.
Ajoutez OpenAI API Key si vous prévoyez une synchronisation avec OpenAI.
Définissez le Vector Store ID pour chaque langue.
Vérifiez Feed Location.
Définissez Docs Location si vous utilisez une documentation Markdown.
Activez les types de contenu et canaux nécessaires.
Activez Enable Public AI Feed si les endpoints doivent être accessibles publiquement.
Activez éventuellement Show LLMs.txt Link in Footer.
Videz le cache Magento.

bin/magento cache:flush

Premier lancement

Dry run

Commencez par effectuer un test à blanc pour un seul Store View :

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

Exportation réelle

Lancez ensuite la synchronisation réelle :

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

Vérification du statut

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

Vérification des endpoints publics

Si Enable Public AI Feed est activé, vérifiez :

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

Si la boutique possède des versions linguistiques distinctes dans l’URL, vérifiez également :

curl -i https://twoja-domena.pl/en/llms.txtcurl -i https://twoja-domena.pl/de/llms.txt

Comportement attendu :

/llms.txt renvoie un manifeste uniquement pour le Store View courant
/llms.txt fonctionne même s’il n’existe pas encore de fichiers de flux générés
/ai-feed/{storeCode}/index.json affiche uniquement les flux existants pour la boutique concernée
/ai-feed/{storeCode}/{contentType}.ndjson ne fonctionne que lorsque les fichiers source correspondants existent

Vérification des en-têtes de cache :

curl -I https://twoja-domena.pl/llms.txtcurl -I https://twoja-domena.pl/ai-feed/pl/index.json

Vous devriez voir :

pour /llms.txt, des en-têtes désactivant pratiquement le cache,
pour index.json, une durée de vie courte du cache et une revalidation forcée.

Vérification HTML :

dans le code source de la page, un lien dans le head vers /llms.txt doit apparaître,
si vous avez activé l’option du pied de page, un lien LLMs.txt doit apparaître dans le footer.

Commandes CLI

Synchronisation

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

Statut

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 des sources du blog

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

Ancien alias produit

Toujours disponible pour assurer la rétrocompatibilité :

bin/magento kowal:ai-feed:generatebin/magento kowal:ai-feed:generate --store=1 --content-type=product.core --sku=example-sku --dry-run

Cron

Le module utilise trois tâches cron :

kowal_ai_blog_source_import
kowal_ai_feed_generate
kowal_ai_feed_cleanup

Assurez-vous que le cron Magento fonctionne correctement dans l’environnement.

Problèmes les plus fréquents

`/llms.txt` renvoie `404`

Vérifiez :

que la version actuelle du module avec routage frontend est bien déployée,
que vous avez exécuté bin/magento setup:upgrade,
qu’en mode production vous avez exécuté bin/magento setup:di:compile,
que vous avez exécuté le déploiement standard du contenu statique conformément au processus du projet,
que vous avez vidé le cache,
que vous avez effectué le purge de la couche CDN / reverse proxy,
que Enable Public AI Feed est activé.

Si https://twoja-domena.pl/llms.txt?v=123 fonctionne mais que https://twoja-domena.pl/llms.txt ne fonctionne pas, cela signifie généralement qu’un ancien cache partagé est encore actif dans la chaîne.