Kowal AI Product Feed per OpenAI Vector Store e LLMS
- Compatibilità
- 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
Descrizione / Kowal AI Product Feed per OpenAI Vector Store e LLMS
MAGENTO 2 · DATI AI · VECTOR STORE · CATALOGHI CSV
Prepara i dati del negozio per assistenti AI e cataloghi pubblicitari.
Kowal AI Product Feed
Unisci esportazione del catalogo, sincronizzazione della conoscenza e feed pubblici in un unico modulo. Seleziona i prodotti con le condizioni Magento, gestisci i profili store view e controlla gli aggiornamenti dei dati.
CSV e Magento Conditions · Sincronizzazione delle modifiche · llms.txt e NDJSON
COME FUNZIONA IN PRATICA
01 · Scegli contenuti e offerta
Attivi i canali di conoscenza e le condizioni dei profili di catalogo.
02 · Generi e verifichi i dati
Il modulo esporta i contenuti e valida il catalogo CSV.
03 · Rendi disponibile il canale scelto
Usi Vector Store, endpoint pubblici o il link del feed.
Cosa ottiene il tuo negozio?
Scopri funzioni, utilizzo e impostazioni del modulo.
Scopri il modulo
Kowal AI Product Feed collega il catalogo Magento 2 agli strumenti AI e prepara i dati prodotto per le campagne OpenAI Ads. Da un unico modulo puoi rendere disponibile il catalogo pubblicitario tramite link HTTPS, alimentare OpenAI Vector Store e pubblicare contenuti per assistenti AI, motori di ricerca semantici e soluzioni RAG.
Il modulo organizza, normalizza e pubblica i dati del negozio, offrendoti controllo sulla selezione dei prodotti, sulla versione linguistica e sulla frequenza degli aggiornamenti. Puoi preparare feed separati per diversi store, brand o collezioni, utilizzando regole disponibili direttamente nel pannello Magento.
In questo modo Magento può diventare una vera fonte di conoscenza per:
- chatbot e copilot di prodotto,
- assistenza clienti intelligente,
- motore di ricerca semantico,
- risposte generate dall AI,
- automazione dei contenuti,
- cataloghi utilizzati nelle campagne prodotto OpenAI Ads,
- integrazioni AI esterne basate su feed pubblici o privati.
Cosa fa il modulo in pratica
Il modulo recupera i dati da Magento e li trasforma in documenti di conoscenza strutturati. Gestisce non solo i contenuti prodotto, ma anche canali di contenuto aggiuntivi importanti dal punto di vista dell AI e delle vendite.
Attualmente può lavorare con contenuti come:
product.core- dati base del prodotto, descrizioni, URL, attributi e categorie,product.faq- domande e risposte sul prodotto,product.docs- documentazione e file Markdown,blog.article- articoli del blog,category.content- contenuti delle categorie,cms.page- pagine CMS.
Nella sincronizzazione della conoscenza verso Vector Store, i documenti vengono salvati localmente, confrontati tramite checksum e sincronizzati solo quando sono effettivamente cambiati. Questo limita gli upload ridondanti, stabilizza il processo di sincronizzazione e offre maggiore controllo sui costi e sulla qualità dei dati.
OpenAI Ads — prepara il catalogo per le campagne prodotto
Il feed viene preparato come fonte di informazioni sull offerta per le campagne prodotto OpenAI Ads: nomi, descrizioni, prezzi, disponibilità, immagini e pagine prodotto. Dopo un adeguata configurazione lato piattaforma, il catalogo può essere collegato a una campagna e il template pubblicitario supportato può usare i dati del prodotto selezionato. Questo consente di lavorare su molte voci del catalogo senza preparare manualmente una creatività separata per ciascuna. Scopri di più sulle campagne prodotto OpenAI Ads.
Per il negozio significa poter utilizzare i dati già mantenuti in Magento per gestire un ulteriore canale pubblicitario. Kowal AI Product Feed prepara e aggiorna il catalogo, così il team marketing può concentrarsi sulla selezione dell offerta e sulla gestione della campagna.
Il modulo esporta nomi, descrizioni senza HTML, immagini, link, brand, venditore, disponibilità e prezzo con indicazione della valuta. Quando il prezzo finale è inferiore a quello regolare, aggiunge anche il prezzo promozionale. I prodotti nel feed Ads ricevono una marcatura che li qualifica per l elaborazione pubblicitaria.
L account con accesso alle funzioni Ads appropriate, la configurazione della campagna, il budget e l approvazione dei prodotti restano lato OpenAI Ads Manager. La sola esportazione non avvia annunci né ne garantisce la pubblicazione; il modulo è responsabile della preparazione dei dati di catalogo. Regole di idoneità dei prodotti alla pubblicazione.
Feed con link HTTPS permanente
Rendi disponibile il catalogo come URL ospitato e usalo durante la configurazione dell import in Ads Manager. Il modulo genera un file CSV con intestazioni di colonna, che puoi anche scaricare per inviarlo manualmente.
Ogni profilo ha il proprio link permanente. Ogni generazione riuscita aggiorna il file allo stesso indirizzo, così non devi sostituire l URL a ogni modifica dell offerta. Dopo aver collegato il catalogo, verifichi la mappatura delle colonne e imposti il recupero dal pannello pubblicitario, se questa opzione è disponibile sul tuo account.
In Magento decidi se un determinato feed deve essere disponibile pubblicamente. Puoi disattivarne la condivisione senza eliminare la configurazione salvata e le condizioni di selezione dei prodotti.
Cataloghi separati per store view, lingue e offerta
Il pannello OpenAI Ads Feeds consente di gestire più profili di esportazione. Ogni profilo viene assegnato a un singolo store view e, per la stessa vista, puoi creare più feed con condizioni diverse.
In pratica puoi preparare, ad esempio:
- cataloghi separati per la versione polacca e inglese del negozio,
- un feed per un brand o una categoria prodotto selezionata,
- un catalogo di una collezione stagionale,
- un set di prodotti indicati tramite SKU o attributo personalizzato.
I dati vengono recuperati nel contesto dello store view selezionato, con i suoi contenuti e la valuta di presentazione predefinita. Questo facilita la preparazione di un offerta adatta a una specifica versione del negozio e limita le correzioni manuali delle esportazioni.
Magento Conditions — seleziona i prodotti senza creare liste manualmente
Configuri l ambito del feed tramite le condizioni native di Magento, note dalle regole di catalogo. Puoi combinare criteri, creare gruppi annidati e indicare se il prodotto deve soddisfare tutte le condizioni o se ne basta una qualsiasi.
Ad esempio: seleziona i prodotti della categoria Scarpe, limitali a un brand scelto ed escludi gli SKU indicati. La disponibilità degli attributi personalizzati nel builder dipende dalla loro configurazione per l uso nelle condizioni delle regole promozionali Magento.
A ogni generazione il modulo valuta nuovamente le condizioni. Un nuovo prodotto che soddisfa i criteri può quindi entrare nell esportazione successiva senza essere aggiunto a una lista separata. Mantieni il controllo sull assortimento trasmesso al catalogo pubblicitario, usando i dati gestiti nel negozio.
Varianti, aggiornamenti e controllo qualità
L esportazione supporta prodotti semplici, virtuali e scaricabili, oltre alle varianti dei prodotti configurable. Una variante idonea è una voce separata con il proprio prezzo, la propria disponibilità e le opzioni selezionate. Il collegamento con il prodotto padre consente di mantenere l informazione sulla famiglia comune di varianti.
Puoi generare il catalogo manualmente dal pannello e, per aggiornamenti regolari, attivare la generazione giornaliera tramite cron Magento. Per i team tecnici è disponibile anche un comando CLI. Ogni esportazione Ads contiene l intero set di prodotti selezionati dalle condizioni salvate.
La griglia mostra stato, numero di prodotti nel file pubblicato e data dell ultima generazione riuscita. La validazione controlla i dati richiesti prima della pubblicazione. Se l esportazione termina con un errore, il modulo ne salva la descrizione e mantiene il file corretto precedente. Questo facilita l individuazione di descrizioni, immagini o dati brand mancanti prima dell import successivo.
Endpoint pubblici AI e LLM
Nella nuova versione il modulo può anche pubblicare dati sotto endpoint frontend pubblici:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
Questo significa che il negozio può non solo sincronizzare i dati con OpenAI Vector Store, ma anche rendere disponibile uno strato di contenuti controllato per agenti AI esterni, crawler e strumenti di integrazione.
Il modulo può inoltre:
- aggiungere un segnale nell
headdella pagina tramite link allms.txt, - mostrare opzionalmente il link a
llms.txtnel footer, - pubblicare feed per store view e per lingua,
- mantenere coerenza tra contenuti del negozio, strato AI e strato pubblico di scoperta dei contenuti.
Perché è importante per il business
In molti negozi i dati necessari per implementare l AI sono distribuiti: una parte nelle descrizioni prodotto, una parte nelle FAQ, una parte nel blog e una parte in materiali tecnici separati. Senza uno strato di integrazione è difficile costruire soluzioni AI stabili su questa base.
Kowal AI Product Feed risolve questo problema perché:
- prepara il catalogo per le campagne prodotto OpenAI Ads,
- riduce la creazione e l aggiornamento manuale dei file pubblicitari,
- consente di selezionare l assortimento separatamente per ogni feed,
- centralizza la conoscenza del negozio in un unica architettura di esportazione e sincronizzazione,
- organizza i dati per l uso da parte dei modelli linguistici,
- riduce il costo di sviluppo di ulteriori integrazioni AI,
- accorcia i tempi di implementazione di chat, assistenti e motori di ricerca semantici,
- consente di sviluppare una strategia
AI SEO,AEOeLLM discoverability, - offre una base per implementazioni AI multilingue in Magento 2.
Può migliorare l avvio di nuove funzioni, aumentare la coerenza delle risposte generate dall AI e valorizzare meglio i contenuti che il negozio possiede già.
A chi è destinato questo modulo
Il modulo è destinato a:
- negozi Magento 2 che preparano il catalogo per OpenAI Ads,
- team e-commerce e marketing che gestiscono l offerta di più brand o versioni linguistiche,
- negozi Magento 2 che implementano AI chat o AI assistant,
- aziende che costruiscono motori di ricerca semantici e RAG su dati e-commerce,
- team tecnici che integrano Magento con
OpenAI, - negozi che sviluppano basi di conoscenza prodotto multilingue,
- agenzie e software house che implementano AI in Magento,
- brand che vogliono preparare il negozio ai futuri canali di scoperta dei contenuti tramite LLM.
Come lo usano altri moduli
Altri moduli possono utilizzare Kowal AI Product Feed come fonte centrale di conoscenza e strato di integrazione, invece di costruire esportazioni separate, serializzazioni dati proprie e processi di sincronizzazione propri.
Esempi di utilizzo:
- un modulo AI chat può porre domande a
Vector Storee rispondere sulla base della conoscenza prodotto aggiornata, - un modulo FAQ può arricchire la base di conoscenza comune con ulteriori domande e risposte,
- un modulo di documentazione può alimentare l AI con contenuti istruttivi e tecnici,
- un modulo di assistenza clienti può usare gli stessi dati per risposte contestuali,
- un modulo di raccomandazione può sfruttare contenuti ordinati per migliorare l abbinamento dei prodotti,
- i moduli content possono estendere lo strato di conoscenza con blog, CMS e ulteriori tipi di documenti.
L aspetto più importante è che gli altri moduli non devono conoscere i dettagli tecnici di sincronizzazione, checksum, esportazione file o upload verso OpenAI. Ricevono uno strato dati pronto, coerente ed estendibile.
Vantaggi principali
- feed prodotto CSV preparati per l utilizzo in OpenAI Ads,
- link HTTPS permanenti ai cataloghi e possibilità di scaricare manualmente i file,
- profili di esportazione indipendenti per store view,
- selezione dei prodotti tramite Magento Conditions,
- supporto per varianti configurable e prezzi promozionali,
- generazione manuale o giornaliera, validazione e anteprima dello stato nel pannello,
- strato dati AI pronto per Magento 2,
- supporto per
OpenAI Vector Store, llms.txtpubblico e feedNDJSON,- sincronizzazione solo dei contenuti modificati,
- supporto di più canali content,
- preparazione per
AI SEO,AEOe integrazioni LLM, - compatibilità con l architettura store view e versioni linguistiche di Magento,
- solida base per sviluppare ulteriormente l automazione AI nel negozio.
Tre percorsi dati, impostazioni separate
La sincronizzazione della conoscenza verso Vector Store, i feed AI pubblici e i profili dei cataloghi Ads hanno compiti diversi. Puoi rendere disponibili i feed pubblici indipendentemente dalla sincronizzazione remota; l invio a Vector Store richiede una chiave API e l identificatore dello store view corretto.
L esportazione del file non crea una campagna e non garantisce l approvazione del catalogo da parte di una piattaforma esterna. Verifichi formato di import e disponibilità delle funzioni sul lato dell account di destinazione.
Fonti dei canali aggiuntivi
Le FAQ utilizzano la fonte disponibile delle domande prodotto, la documentazione usa file Markdown assegnati agli SKU e il blog usa integrazioni supportate o una fonte personalizzata. I canali richiedono dati reali: la sola attivazione non genera nuovi contenuti.
I file locali vengono creati in var/ai-feeds. Il checksum limita il reinvio della conoscenza invariata e il riordino della sincronizzazione include i documenti scomparsi o disattivati.
Validazione del catalogo e delle condizioni
I profili Ads utilizzano i tipi di condizioni supportati dalle regole prodotto Magento; le classi di condizioni personalizzate richiedono adattamento. L esportazione omette, tra le altre, le voci non idonee alla costruzione del record e le offerte gratuite.
Gli errori nei dati richiesti bloccano la pubblicazione dell intero nuovo file. Il catalogo corretto precedente resta disponibile e il pannello salva stato e descrizione dell errore. Una selezione condizioni volutamente vuota può generare un catalogo vuoto.
Installazione tramite Composer
Pacchetto kowal/module-ai-product-feed, modulo Kowal_AiProductFeed. Dopo aver configurato l accesso al repository Kowal, installa il pacchetto, abilita il modulo, aggiorna Magento e svuota la cache. In produzione considera compilazione e deployment dei contenuti statici secondo il processo del negozio.
Dalla configurazione al risultato
1. Scegli contenuti e offerta
Attivi i canali di conoscenza e le condizioni dei profili di catalogo.
2. Generi e verifichi i dati
Il modulo esporta i contenuti e valida il catalogo CSV.
3. Rendi disponibile il canale scelto
Usi Vector Store, endpoint pubblici o il link del feed.
Una fonte di conoscenza, più utilizzi
Prodotti, FAQ e documentazione alimentano la base di conoscenza dell assistente. Un profilo CSV separato include un brand selezionato nello store view polacco.
Ogni percorso ha le proprie impostazioni. La sincronizzazione della conoscenza confronta le modifiche, mentre il catalogo Ads nasce come esportazione completa delle condizioni salvate.
Prepara uno strato dati AI ordinato
Vuoi adattare il modulo al tuo negozio? Richiedi l implementazione di Kowal AI Product Feed e discuti la configurazione o le estensioni necessarie.
Maggiori Informazioni
| Addtocart Description | DEMOusername: aifeed |
|---|---|
| Conformità al modello | Luma / Vuoto, Fabbro |
Istruzioni per l'installazione del modulo
Kowal AI Product Feed - installazione e configurazione
Scopo del documento
Questo documento descrive il processo completo di installazione, avvio e configurazione del modulo Kowal_AiProductFeed in Magento 2. È stato preparato per consentire il passaggio dall implementazione tecnica alla prima esportazione funzionante e alla pubblicazione di llms.txt.
Ambito funzionale del modulo
Il modulo consente di:
- esportare i contenuti del negozio in file
JSONeJSONL, - sincronizzare i dati con
OpenAI Vector Store, - gestire più canali di contenuto, come prodotto, blog, categoria e CMS,
- pubblicare endpoint pubblici:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
- aggiungere un link a
llms.txtnella sezionehead, - aggiungere opzionalmente un link a
llms.txtnel footer del negozio.
llms.txt funziona per lo Store View corrente. Ciò significa che ogni versione linguistica può restituire il proprio manifest e i propri link ai feed.
Requisiti preliminari
Prima dell installazione assicurati che:
- Magento 2 funzioni correttamente,
- tu abbia accesso SSH alla directory principale di Magento,
Composersia disponibile nell ambiente,- il processo PHP possa scrivere nella directory
var/, - tu abbia una
OpenAI API Keyattiva, se vuoi utilizzare la sincronizzazione conOpenAI Vector Store.
Installazione del modulo
1. Aggiunta del repository Composer
Aggiungi il repository Composer Kowal:
I dati di accesso al repository Composer, cioè l indirizzo e-mail del cliente e il token di licenza, ti saranno inviati via e-mail dopo l acquisto. Sono disponibili anche nel pannello cliente dopo l accesso su kowal.store. Sostituisci TWOJ_EMAIL_KLIENTA con l indirizzo e-mail del tuo account e TWOJ_TOKEN con il token ricevuto. Esegui i comandi nella directory principale di Magento.
composer config repositories.kowal composer https://repo.kowal.storeSe il repository è privato:
composer config http-basic.repo.kowal.store 'TWOJ_EMAIL_KLIENTA' 'TWOJ_TOKEN'2. Installazione del pacchetto
composer require kowal/module-ai-product-feed3. Abilitazione del modulo
bin/magento module:enable Kowal_AiProductFeed4. Aggiornamento di Magento
bin/magento setup:upgrade5. Compilazione e cache
In ambiente di produzione esegui inoltre:
bin/magento setup:di:compile
bin/magento cache:flushIn ambiente di sviluppo di solito è sufficiente:
bin/magento cache:flushSe davanti a Magento opera uno strato cache aggiuntivo, esegui anche il purge lato:
VarnishCloudflareNginx fastcgi/proxy cache- altro reverse proxy o CDN
6. Conferma dello stato del modulo
bin/magento module:status Kowal_AiProductFeedPosizione della configurazione
La configurazione del modulo è disponibile nel pannello:
Stores -> Configuration -> General -> Kowal AI Feed
Modello di configurazione consigliato
La best practice è configurare a livello di Store View, soprattutto se il negozio opera in più lingue.
Raccomandazione:
- uno
Store View= una lingua, - uno
Store View= unVector Store ID, - uno
Store View= uno strato pubblico separato di feed AI.
Esempio:
PLstore view ->Vector Store IDpolaccoENstore view ->Vector Store IDinglese
Configurazione dei campi
Enable Module
Abilita il modulo per l ambito selezionato.
Raccomandazione:
- imposta
Yessu quegliStore Viewche devono generare dati AI
OpenAI API Key
Chiave API globale utilizzata per la comunicazione con OpenAI.
Richiesta se:
- vuoi sincronizzare file con
OpenAI Vector Store
Non richiesta se:
- vuoi usare solo esportazioni locali,
- vuoi usare solo
llms.txte feed pubblici.
Vector Store ID
Identificatore OpenAI Vector Store per uno specifico Store View.
Raccomandazione:
- configurare a livello di
Store View, - impostare un identificatore separato per ogni lingua.
Feed Location
Percorso relativo della directory in cui verranno salvati i file di esportazione.
Valore predefinito:
var/ai-feeds
Raccomandazione:
- lasciare la directory in
var/, - non esporre questa directory direttamente tramite webserver.
Enable Public AI Feed
Abilita gli endpoint pubblici:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
Attiva questa opzione solo per le viste negozio i cui contenuti possono essere disponibili pubblicamente.
Importante:
/llms.txtnon è un indice globale di tutti i negozi- ogni versione linguistica del negozio restituisce il proprio manifest
/llms.txtda solo non richiede l esistenza di file generati per rispondere correttamente
Show LLMs.txt Link in Footer
Aggiunge un link visibile a /llms.txt nel footer del negozio.
Raccomandazione:
Noper impostazione predefinita,Yes, se vuoi comunicare esplicitamente la disponibilità dello strato AI a partner, integratori o bot.
Docs Location
Percorso relativo della directory con la documentazione prodotto Markdown per product.docs.
Esempi:
var/ai-docsvar/ai-docs/pl
Sono supportati, tra gli altri, file:
{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
Dimensione del batch per l esportazione dei prodotti.
Valore iniziale:
500
Riduci il valore se:
- il catalogo è molto grande,
- l ambiente ha memoria limitata,
- operazioni AI aggiuntive aumentano il carico.
Sync Product Core
Abilita il tipo di contenuto product.core.
Raccomandazione:
Yes
Sync Product FAQ
Abilita product.faq.
Usalo se il negozio dispone di dati nella tabella kowal_zapytajoprodukt_pytania.
Sync Product Docs
Abilita product.docs.
Usalo se la documentazione Markdown è già preparata.
Sync Blog Content
Abilita il canale blog e il tipo blog.article.
Sync Category Content
Abilita il canale category e il tipo category.content.
Sync CMS Pages
Abilita il canale cms_page e il tipo cms.page.
Max Retries
Numero massimo di tentativi per le operazioni API.
Predefinito:
3
Polling Timeout
Tempo massimo di attesa per il completamento dell elaborazione del file lato OpenAI.
Predefinito:
600
Polling Interval
Intervallo tra controlli successivi dello stato.
Predefinito:
5
HTTP Timeout
Tempo massimo di una singola richiesta HTTP a OpenAI.
Predefinito:
60
Ordine di configurazione consigliato
Dopo l installazione configura il modulo in questo ordine:
- Abilita il modulo per lo
Store Viewdi destinazione. - Aggiungi
OpenAI API Key, se prevedi la sincronizzazione conOpenAI. - Imposta
Vector Store IDper ogni lingua. - Verifica
Feed Location. - Imposta
Docs Location, se usi documentazione Markdown. - Abilita i tipi di contenuto e i canali necessari.
- Abilita
Enable Public AI Feed, se gli endpoint devono essere disponibili pubblicamente. - Opzionalmente abilita
Show LLMs.txt Link in Footer. - Svuota la cache Magento.
bin/magento cache:flushPrimo avvio
Dry run
Per prima cosa esegui un test a secco per un singolo Store View:
bin/magento kowal:ai-export:sync --channel=product --store=1 --dry-runEsportazione reale
Quindi avvia la sincronizzazione effettiva:
bin/magento kowal:ai-export:sync --channel=product --store=1Controllo dello stato
bin/magento kowal:ai-export:status --store=1Verifica degli endpoint pubblici
Se Enable Public AI Feed è abilitato, verifica:
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.ndjsonSe il negozio ha versioni linguistiche separate nell URL, verifica anche:
curl -i https://twoja-domena.pl/en/llms.txtcurl -i https://twoja-domena.pl/de/llms.txtComportamento atteso:
/llms.txtrestituisce il manifest solo per loStore Viewcorrente/llms.txtfunziona anche quando non sono ancora stati generati file feed/ai-feed/{storeCode}/index.jsonmostra solo i feed esistenti per il negozio indicato/ai-feed/{storeCode}/{contentType}.ndjsonfunziona solo quando esistono i file sorgente appropriati
Verifica degli header cache:
curl -I https://twoja-domena.pl/llms.txtcurl -I https://twoja-domena.pl/ai-feed/pl/index.jsonDovresti vedere:
- per
/llms.txtheader che in pratica disattivano la cache, - per
index.jsonuna breve durata della cache e una revalidazione forzata.
Verifica HTML:
- nel sorgente della pagina dovrebbe comparire un link nell
heada/llms.txt, - se hai attivato l opzione footer, nel footer dovrebbe comparire il link
LLMs.txt.
Comandi CLI
Sincronizzazione
bin/magento kowal:ai-export:sync --channel=product
bin/magento kowal:ai-export:sync --channel=product --store=1
bin/magento kowal:ai-export:sync --channel=product --store=1 --content-type=product.core --identifier=example-sku --dry-run
bin/magento kowal:ai-export:sync --channel=blog --store=1 --source=amasty_blog
bin/magento kowal:ai-export:sync --channel=category --store=1
bin/magento kowal:ai-export:sync --channel=cms_page --store=1Stato
bin/magento kowal:ai-export:status
bin/magento kowal:ai-export:status --store=1
bin/magento kowal:ai-export:status --channel=blog --store=1
bin/magento kowal:ai-export:status --channel=blog --store=1 --source=amasty_blogImport delle fonti del blog
bin/magento kowal:ai-blog-source:import --source=amasty_blog --store=1Vecchio alias prodotto
Ancora disponibile per compatibilità retroattiva:
bin/magento kowal:ai-feed:generate
bin/magento kowal:ai-feed:generate --store=1 --content-type=product.core --sku=example-sku --dry-runCron
Il modulo utilizza tre attività cron:
kowal_ai_blog_source_importkowal_ai_feed_generatekowal_ai_feed_cleanup
Assicurati che il cron Magento funzioni correttamente nell ambiente.
Problemi più comuni
/llms.txt restituisce 404
Verifica:
- che sia implementata la versione attuale del modulo con frontend routing,
- che tu abbia eseguito
bin/magento setup:upgrade, - che in production mode tu abbia eseguito
bin/magento setup:di:compile, - che tu abbia eseguito il deploy static content standard secondo il processo del progetto,
- che tu abbia svuotato la cache,
- che tu abbia eseguito il purge dello strato CDN / reverse proxy,
- che
Enable Public AI Feedsia abilitato.
Se https://twoja-domena.pl/llms.txt?v=123 funziona e https://twoja-domena.pl/llms.txt no, di solito significa che lungo il percorso è ancora attiva una vecchia cache condivisa.
/llms.txt funziona, ma i feed sono vuoti
Di solito significa che:
- l esportazione non è ancora stata eseguita,
- mancano contenuti attivi per il canale indicato,
- i flag di sincronizzazione appropriati sono disattivati.
Questo comportamento è corretto. Il manifest può funzionare prima dei feed effettivi.
Nessun file in var/ai-feeds
Verifica:
- che il modulo sia attivo sullo
Store Viewcorretto, - che i tipi di contenuto richiesti siano abilitati,
- che Magento abbia i permessi di scrittura su
var/, - che il processo di sincronizzazione sia stato avviato.
Problemi con la sincronizzazione verso OpenAI
Verifica:
- la correttezza della
OpenAI API Key, - la correttezza del
Vector Store ID, - la disponibilità delle connessioni HTTP in uscita,
- i valori di timeout e retry.
Riepilogo
Dopo una corretta installazione e configurazione, il modulo fornisce a Magento 2 uno strato dati pronto per l AI:
- locale,
- multilingue,
- sincronizzabile con
OpenAI, - pronto per la pubblicazione tramite
llms.txte feedNDJSON, - estensibile per ulteriori integrazioni e moduli AI.