Kowal AI Product Feed per OpenAI Vector Store e LLMs
- SKU
- M2-AI-FEED-VECTOR-STORE
Descrizione / Kowal AI Product Feed per OpenAI Vector Store e LLMs
Kowal AI Product Feed è un modulo Magento 2 per costruire il layer dati per l'AI, che prepara i contenuti del negozio in un formato pronto per essere utilizzato da OpenAI Vector Store, assistenti AI, motori di ricerca semantici, pipeline RAG e meccanismi pubblici di discovery dei contenuti come llms.txt e feed NDJSON.
Non si tratta di una semplice esportazione del catalogo prodotti. Il modulo organizza, normalizza e pubblica la knowledge base del negozio in modo da poter alimentare in sicurezza i sistemi AI, mantenendo il controllo sull'aggiornamento dei dati, sull'ambito dei contenuti e sulla struttura dei documenti.
In questo modo Magento può diventare una reale fonte di conoscenza per:
- chatbot e copilot di prodotto,
- customer service intelligente,
- motori di ricerca semantici,
- risposte generate dall'AI,
- automazione dei contenuti,
- integrazioni AI esterne basate su feed pubblici o privati.
Cosa fa il modulo nella pratica
Il modulo acquisisce i dati da Magento e costruisce documenti di conoscenza strutturati. Supporta non solo i contenuti di prodotto, ma anche canali di contenuto aggiuntivi rilevanti dal punto di vista dell'AI e delle vendite.
Attualmente può lavorare su contenuti come:
product.core- dati base del prodotto, descrizioni, URL, attributi e categorie,product.faq- domande e risposte sui prodotti,product.docs- documentazione e file Markdown,blog.article- articoli del blog,category.content- contenuti di categoria,cms.page- pagine CMS.
Ogni documento viene salvato localmente, confrontato tramite checksum e sincronizzato solo quando è effettivamente cambiato. Questo riduce gli upload ridondanti, stabilizza il processo di sincronizzazione e offre un maggiore controllo su costi e qualità dei dati.
Endpoint pubblici AI e LLM
Nella nuova versione il modulo può anche pubblicare i dati tramite endpoint frontend pubblici:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
Questo significa che il negozio non può solo sincronizzare i dati con OpenAI Vector Store, ma anche mettere a disposizione un layer di contenuti controllato per agenti AI esterni, crawler e strumenti di integrazione.
Il modulo può inoltre:
- aggiungere un segnale nella sezione
headdella pagina tramite un link allms.txt, - mostrare facoltativamente un link a
llms.txtnel footer, - pubblicare feed per store view e per lingua,
- mantenere la coerenza tra i contenuti del negozio, il layer AI e il layer pubblico di discovery dei contenuti.
Perché è importante dal punto di vista business
In molti negozi i dati necessari per implementare l'AI sono frammentati: una parte si trova nelle descrizioni prodotto, una parte nelle FAQ, una parte nel blog e una parte in materiali tecnici separati. Senza un layer di integrazione è difficile costruire su questa base soluzioni AI stabili.
Kowal AI Product Feed risolve questo problema perché:
- centralizza la conoscenza del negozio in un'unica architettura di esportazione e sincronizzazione,
- organizza i dati per l'utilizzo da parte dei modelli linguistici,
- riduce il costo di sviluppo delle integrazioni AI successive,
- accorcia i tempi di implementazione di chat, assistenti e motori di ricerca semantici,
- consente di sviluppare una strategia di
AI SEO,AEOeLLM discoverability, - fornisce una base per implementazioni AI multilingua in Magento 2.
Questo si traduce in un avvio più rapido di nuove funzionalità, maggiore coerenza nelle risposte generate dall'AI e un migliore utilizzo dei contenuti che il negozio possiede già.
A chi è destinato questo modulo
Il modulo è pensato per:
- negozi Magento 2 che implementano una AI chat o un AI assistant,
- aziende che sviluppano motori di ricerca semantici e RAG su dati e-commerce,
- team tecnici che integrano Magento con
OpenAI, - negozi che sviluppano knowledge base di prodotto multilingua,
- agenzie e software house che implementano l'AI in Magento,
- brand che vogliono preparare il negozio ai futuri canali di discovery dei contenuti da parte degli LLM.
Come lo utilizzano altri moduli
Altri moduli possono utilizzare Kowal AI Product Feed come fonte centrale di conoscenza e layer di integrazione, invece di costruire esportazioni separate, serializzazioni dei dati personalizzate e processi di sincronizzazione propri.
Esempi di utilizzo:
- il modulo AI chat può porre domande al
Vector Storee rispondere sulla base della conoscenza aggiornata sui prodotti, - il modulo FAQ può arricchire la knowledge base condivisa con ulteriori domande e risposte,
- il modulo documentazione può alimentare l'AI con contenuti tecnici e istruttivi,
- il modulo di customer service può utilizzare gli stessi dati per risposte contestuali,
- il modulo raccomandazioni può sfruttare contenuti organizzati per migliorare l'abbinamento dei prodotti,
- i moduli di contenuto possono estendere il layer di conoscenza con blog, CMS e nuovi tipi di documenti.
L'aspetto più importante è che gli altri moduli non devono conoscere i dettagli tecnici della sincronizzazione, dei checksum, dell'esportazione dei file o dell'upload su OpenAI. Ricevono un layer dati pronto, coerente ed estendibile.
Vantaggi principali
- layer dati AI pronto per Magento 2,
- supporto per
OpenAI Vector Store, llms.txtpubblico e feedNDJSON,- sincronizzazione dei soli contenuti modificati,
- supporto per più canali di contenuto,
- preparazione per
AI SEO,AEOe integrazioni LLM, - compatibilità con l'architettura store view e con le versioni linguistiche di Magento,
- base solida per l'ulteriore sviluppo dell'automazione AI nel negozio.
More Information
| 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 l'intero processo di installazione, avvio e configurazione del modulo Kowal_AiProductFeed in Magento 2. È stato preparato per consentire di passare dall'implementazione tecnica al primo export funzionante e alla pubblicazione di llms.txt.
Ambito funzionale del modulo
Il modulo consente di:
- esportare i contenuti dello store 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 dello store.
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.
Prerequisiti
Prima dell'installazione, assicurati che:
- Magento 2 funzioni correttamente,
- tu abbia accesso SSH alla directory root di Magento,
Composersia disponibile nell'ambiente,- il processo PHP possa scrivere nella directory
var/, - tu abbia una chiave
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 (indirizzo e-mail del cliente e token di licenza) saranno inviati via e-mail dopo l'acquisto. Sono inoltre disponibili 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 root 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:compilebin/magento cache:flushIn ambiente di sviluppo di solito è sufficiente:
bin/magento cache:flushSe davanti a Magento è presente un ulteriore livello di cache, 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 lo store opera in più lingue.
Raccomandazione:
- uno
Store View= una lingua, - uno
Store View= unVector Store ID, - uno
Store View= un livello 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
YessugliStore Viewche devono generare dati AI
OpenAI API Key
Chiave API globale utilizzata per la comunicazione con OpenAI.
Richiesta se:
- vuoi sincronizzare i file con
OpenAI Vector Store
Non è richiesta se:
- vuoi utilizzare solo export locali,
- vuoi utilizzare 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 export.
Valore predefinito:
var/ai-feeds
Raccomandazione:
- lasciare la directory in
var/, - non esporre questa directory direttamente tramite il webserver.
Enable Public AI Feed
Abilita gli endpoint pubblici:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
Abilita questa opzione solo per le viste store i cui contenuti possono essere disponibili pubblicamente.
Importante:
/llms.txtnon è un indice globale di tutti gli store- ogni versione linguistica dello store restituisce il proprio manifest
/llms.txtnon richiede l'esistenza di file generati per rispondere correttamente
Show LLMs.txt Link in Footer
Aggiunge un link visibile a /llms.txt nel footer dello store.
Raccomandazione:
Noper impostazione predefinita,Yes, se vuoi comunicare esplicitamente la disponibilità del livello 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, i 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'export 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 lo store dispone di dati nella tabella kowal_zapytajoprodukt_pytania.
Sync Product Docs
Abilita product.docs.
Usalo se la documentazione Markdown è già pronta.
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 i successivi controlli 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 utilizzi 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 di 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-runExport reale
Quindi avvia la sincronizzazione effettiva:
bin/magento kowal:ai-export:sync --channel=product --store=1Verifica 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 lo store 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 di feed/ai-feed/{storeCode}/index.jsonmostra solo i feed esistenti per il relativo store/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 di fatto disabilitano la cache, - per
index.jsonuna breve durata della cache e una revalidazione forzata.
Verifica HTML:
- nel sorgente della pagina dovrebbe comparire un link in
heada/llms.txt, - se hai attivato l'opzione del footer, nel footer dovrebbe comparire il link
LLMs.txt.
Comandi CLI
Sincronizzazione
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=1Stato
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_blogImportazione delle fonti del blog
bin/magento kowal:ai-blog-source:import --source=amasty_blog --store=1Vecchio alias prodotto
Ancora disponibile per retrocompatibilità:
bin/magento kowal:ai-feed:generatebin/magento kowal:ai-feed:generate --store=1 --content-type=product.core --sku=example-sku --dry-runCron
Il modulo utilizza tre job cron:
kowal_ai_blog_source_importkowal_ai_feed_generatekowal_ai_feed_cleanup
Assicurati che cron Magento funzioni correttamente nell'ambiente.
Problemi più comuni
/llms.txt restituisce 404
Verifica:
- che sia stata implementata la versione corrente 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 standard dello static content secondo il processo del progetto,
- che tu abbia svuotato la cache,
- che tu abbia eseguito il purge del livello CDN / reverse proxy,
- che
Enable Public AI Feedsia abilitato.
Se https://twoja-domena.pl/llms.txt?v=123 funziona, ma 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'export non è ancora stato eseguito,
- mancano contenuti attivi per il relativo canale,
- i flag di sincronizzazione appropriati sono disabilitati.
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 di
OpenAI API Key, - la correttezza di
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 un livello dati pronto per l'AI:
- locale,
- multilingua,
- sincronizzabile con
OpenAI, - pronto per la pubblicazione tramite
llms.txte feedNDJSON, - estensibile per ulteriori integrazioni e moduli AI.