Kowal AI Product Feed per OpenAI Vector Store e LLMs

Kowal AI Product Feed è un modulo Magento 2 che trasforma i dati di prodotto del negozio in una knowledge base ordinata, aggiornata e pronta per essere utilizzata dai sistemi AI.
SKU
M2-AI-FEED-VECTOR-STORE
61,50 €
Email to a Friend

Richiedi informazioni su questo prodotto

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 head della pagina tramite un link a llms.txt,
  • mostrare facoltativamente un link a llms.txt nel 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, AEO e LLM 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 Store e 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.txt pubblico e feed NDJSON,
  • sincronizzazione dei soli contenuti modificati,
  • supporto per più canali di contenuto,
  • preparazione per AI SEO, AEO e 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

DEMO

username: aifeed
password: M2Aifeed

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 JSON e JSONL,
  • 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.txt nella sezione head,
  • aggiungere opzionalmente un link a llms.txt nel 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,
  • Composer sia disponibile nell'ambiente,
  • il processo PHP possa scrivere nella directory var/,
  • tu abbia una chiave OpenAI API Key attiva, se vuoi utilizzare la sincronizzazione con OpenAI 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.store

Se 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-feed

3. Abilitazione del modulo

bin/magento module:enable Kowal_AiProductFeed

4. Aggiornamento di Magento

bin/magento setup:upgrade

5. Compilazione e cache

In ambiente di produzione, esegui inoltre:

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

In ambiente di sviluppo di solito è sufficiente:

bin/magento cache:flush

Se davanti a Magento è presente un ulteriore livello di cache, esegui anche il purge lato:

  • Varnish
  • Cloudflare
  • Nginx fastcgi/proxy cache
  • altro reverse proxy o CDN

6. Conferma dello stato del modulo

bin/magento module:status Kowal_AiProductFeed

Posizione 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 = un Vector Store ID,
  • uno Store View = un livello pubblico separato di feed AI.

Esempio:

  • PL store view -> Vector Store ID polacco
  • EN store view -> Vector Store ID inglese

Configurazione dei campi

Enable Module

Abilita il modulo per l'ambito selezionato.

Raccomandazione:

  • imposta Yes sugli Store View che 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.txt e 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.txt non è un indice globale di tutti gli store
  • ogni versione linguistica dello store restituisce il proprio manifest
  • /llms.txt non richiede l'esistenza di file generati per rispondere correttamente

Aggiunge un link visibile a /llms.txt nel footer dello store.

Raccomandazione:

  • No per 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-docs
  • var/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:

  1. Abilita il modulo per lo Store View di destinazione.
  2. Aggiungi OpenAI API Key, se prevedi la sincronizzazione con OpenAI.
  3. Imposta Vector Store ID per ogni lingua.
  4. Verifica Feed Location.
  5. Imposta Docs Location, se utilizzi documentazione Markdown.
  6. Abilita i tipi di contenuto e i canali necessari.
  7. Abilita Enable Public AI Feed, se gli endpoint devono essere disponibili pubblicamente.
  8. Opzionalmente abilita Show LLMs.txt Link in Footer.
  9. Svuota la cache di Magento.
bin/magento cache:flush

Primo 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-run

Export reale

Quindi avvia la sincronizzazione effettiva:

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

Verifica dello stato

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

Verifica 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.ndjson

Se 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.txt

Comportamento atteso:

  • /llms.txt restituisce il manifest solo per lo Store View corrente
  • /llms.txt funziona anche quando non sono ancora stati generati file di feed
  • /ai-feed/{storeCode}/index.json mostra solo i feed esistenti per il relativo store
  • /ai-feed/{storeCode}/{contentType}.ndjson funziona 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.json

Dovresti vedere:

  • per /llms.txt header che di fatto disabilitano la cache,
  • per index.json una breve durata della cache e una revalidazione forzata.

Verifica HTML:

  • nel sorgente della pagina dovrebbe comparire un link in head a /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=1

Stato

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

Importazione delle fonti del blog

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

Vecchio 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-run

Cron

Il modulo utilizza tre job cron:

  • kowal_ai_blog_source_import
  • kowal_ai_feed_generate
  • kowal_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 Feed sia 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 View corretto,
  • 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.txt e feed NDJSON,
  • estensibile per ulteriori integrazioni e moduli AI.
Write Your Own Review
You're reviewing: Kowal AI Product Feed per OpenAI Vector Store e LLMs
Your Rating:
Prezzo
Qualité
Assistenza
loader
Loading...

You submitted your review for moderation.

This form is protected by reCAPTCHA - the Google Privacy Policy and Terms of Service apply.

Domande e risposte

Domanda
I robot AI non possono farne a meno?
Risposta
Kowal AI Product Feed è un modulo Magento 2 che trasforma i dati di prodotto del negozio in una base di conoscenza ordinata, aggiornata e pronta all'uso per i sistemi AI. Il suo compito non è una semplice esportazione del catalogo, ma la preparazione dei contenuti in modo che possano essere utilizzati in modo sicuro ed efficace da soluzioni basate su OpenAI Vector Store, motori di ricerca semantici, assistenti AI e meccanismi RAG. Se hai bisogno di una risposta più dettagliata, puoi precisare la domanda oppure utilizzare il classico modulo di contatto.
Update cookie preferences