Kowal AI Product Feed dla OpenAI Vector Store i LLMS
- SKU
- M2-AI-FEED-VECTOR-STORE
Opis / Kowal AI Product Feed dla OpenAI Vector Store i LLMS
MAGENTO 2 · DANE AI · VECTOR STORE · KATALOGI CSV
Przygotuj dane sklepu dla asystentów AI i katalogów reklamowych.
Kowal AI Product Feed
Połącz eksport katalogu, synchronizację wiedzy i publiczne feedy w jednym module. Dobieraj produkty warunkami Magento, zarządzaj profilami store view i kontroluj aktualizacje danych.
CSV i Magento Conditions · Synchronizacja zmian · llms.txt i NDJSON
JAK TO DZIAŁA W PRAKTYCE
01 · Wybierasz treści i ofertę
Włączasz kanały wiedzy oraz warunki profili katalogowych.
02 · Generujesz i sprawdzasz dane
Moduł eksportuje treści i waliduje katalog CSV.
03 · Udostępniasz wybrany kanał
Korzystasz z Vector Store, publicznych endpointów lub linku feedu.
Co zyskuje Twój sklep?
Poznaj funkcje, zastosowanie i ustawienia modułu.
Poznaj moduł
Kowal AI Product Feed łączy katalog Magento 2 z narzędziami AI i przygotowuje dane produktowe do kampanii OpenAI Ads. Z jednego modułu możesz udostępniać katalog reklamowy przez link HTTPS, zasilać OpenAI Vector Store oraz publikować treści dla asystentów AI, wyszukiwarek semantycznych i rozwiązań RAG.
Moduł porządkuje, normalizuje i publikuje dane sklepu, dając Ci kontrolę nad wyborem produktów, wersją językową i częstotliwością aktualizacji. Przygotujesz osobne feedy dla różnych sklepów, marek czy kolekcji, korzystając z reguł dostępnych bezpośrednio w panelu Magento.
Dzięki temu Magento może stać się realnym źródłem wiedzy dla:
- chatbotów i copilotów produktowych,
- inteligentnej obsługi klienta,
- semantycznej wyszukiwarki,
- odpowiedzi generowanych przez AI,
- automatyzacji contentu,
- katalogów wykorzystywanych w kampaniach produktowych OpenAI Ads,
- zewnętrznych integracji AI opartych o feedy publiczne lub prywatne.
Co moduł robi w praktyce
Moduł pobiera dane z Magento i buduje z nich ustrukturyzowane dokumenty wiedzy. Obsługuje nie tylko treści produktowe, ale również dodatkowe kanały contentowe, które są istotne z perspektywy AI i sprzedaży.
Aktualnie może pracować na treściach takich jak:
product.core- podstawowe dane produktu, opisy, URL, atrybuty i kategorie,product.faq- pytania i odpowiedzi produktowe,product.docs- dokumentacja i pliki Markdown,blog.article- wpisy blogowe,category.content- treści kategorii,cms.page- strony CMS.
W synchronizacji wiedzy do Vector Store dokumenty są zapisywane lokalnie, porównywane po checksumie i synchronizowane tylko wtedy, gdy rzeczywiście uległy zmianie. To ogranicza nadmiarowe uploady, stabilizuje proces synchronizacji i daje większą kontrolę nad kosztami oraz jakością danych.
OpenAI Ads — przygotuj katalog do kampanii produktowych
Feed jest przygotowywany jako źródło informacji o ofercie dla kampanii produktowych OpenAI Ads: nazwach, opisach, cenach, dostępności, zdjęciach i stronach produktów. Po odpowiedniej konfiguracji po stronie platformy katalog może być powiązany z kampanią, a obsługiwany szablon reklamy może korzystać z danych wybranego produktu. Pozwala to pracować na wielu pozycjach katalogu bez ręcznego przygotowywania osobnej kreacji dla każdej z nich. Dowiedz się więcej o kampaniach produktowych OpenAI Ads.
Dla sklepu oznacza to możliwość wykorzystania danych utrzymywanych już w Magento do obsługi kolejnego kanału reklamowego. Kowal AI Product Feed przygotowuje i aktualizuje katalog, aby zespół marketingowy mógł skupić się na wyborze oferty i prowadzeniu kampanii.
Moduł eksportuje nazwy, opisy bez HTML, zdjęcia, linki, markę, sprzedawcę, dostępność oraz cenę z oznaczeniem waluty. Gdy cena końcowa jest niższa od regularnej, dodaje również cenę promocyjną. Produkty w feedzie Ads otrzymują oznaczenie kwalifikujące je do przetwarzania reklamowego.
Konto z dostępem do odpowiednich funkcji Ads, konfiguracja kampanii, budżet i akceptacja produktów pozostają po stronie OpenAI Ads Managera. Sam eksport nie uruchamia reklam ani nie gwarantuje ich emisji; moduł odpowiada za przygotowanie danych katalogowych. Zasady kwalifikacji produktów do emisji.
Feed pod stałym linkiem HTTPS
Udostępnij katalog jako hostowany adres URL i wykorzystaj go podczas konfiguracji importu w Ads Managerze. Moduł generuje plik CSV z nagłówkami kolumn, który możesz także pobrać do ręcznego przesłania.
Każdy profil ma własny, stały link. Kolejna udana generacja aktualizuje plik pod tym samym adresem, dzięki czemu nie trzeba podmieniać URL przy każdej zmianie oferty. Po podłączeniu katalogu sprawdzasz mapowanie kolumn i ustawiasz pobieranie po stronie panelu reklamowego, jeśli ta opcja jest dostępna na Twoim koncie.
W Magento decydujesz, czy dany feed ma być publicznie dostępny. Możesz wyłączyć jego udostępnianie bez usuwania zapisanej konfiguracji i warunków wyboru produktów.
Osobne katalogi dla store view, języków i oferty
Panel OpenAI Ads Feeds pozwala zarządzać wieloma profilami eksportu. Każdy profil przypisujesz do jednego store view, a dla tego samego widoku możesz utworzyć kilka feedów z różnymi warunkami.
W praktyce przygotujesz na przykład:
- osobne katalogi dla polskiej i angielskiej wersji sklepu,
- feed wybranej marki lub kategorii produktowej,
- katalog kolekcji sezonowej,
- zestaw produktów wskazanych przez SKU lub własny atrybut.
Dane są pobierane w kontekście wybranego store view, z jego treściami i domyślną walutą prezentacji. Dzięki temu łatwiej przygotować ofertę dopasowaną do konkretnej wersji sklepu i ograniczyć ręczne poprawianie eksportów.
Magento Conditions — wybieraj produkty bez ręcznego układania list
Zakres feedu konfigurujesz za pomocą natywnych warunków Magento, znanych z reguł katalogowych. Możesz łączyć kryteria, tworzyć zagnieżdżone grupy i wskazywać, czy produkt ma spełniać wszystkie warunki, czy wystarczy dowolny z nich.
Przykładowo: wybierz produkty z kategorii „Buty”, ogranicz je do wybranej marki i wyklucz wskazane SKU. Dostępność własnych atrybutów w kreatorze zależy od ich konfiguracji do użycia w warunkach reguł promocyjnych Magento.
Przy każdej generacji moduł ponownie ocenia warunki. Nowy produkt spełniający kryteria może więc trafić do kolejnego eksportu bez dopisywania go do osobnej listy. Zachowujesz kontrolę nad asortymentem przekazywanym do katalogu reklamowego, korzystając z danych utrzymywanych w sklepie.
Warianty, aktualizacje i kontrola jakości
Eksport obsługuje produkty proste, wirtualne i do pobrania oraz warianty produktów configurable. Kwalifikujący się wariant jest osobną pozycją z własną ceną, dostępnością i wybranymi opcjami. Powiązanie z produktem nadrzędnym pozwala zachować informację o wspólnej rodzinie wariantów.
Katalog wygenerujesz ręcznie z panelu, a dla regularnych aktualizacji możesz włączyć codzienną generację przez cron Magento. Dla zespołów technicznych dostępna jest także komenda CLI. Każdy eksport Ads zawiera pełny zestaw produktów wybranych przez zapisane warunki.
Grid pokazuje status, liczbę produktów w opublikowanym pliku i datę ostatniej udanej generacji. Walidacja sprawdza wymagane dane przed publikacją. Jeśli eksport zakończy się błędem, moduł zapisze jego opis i zachowa poprzedni poprawny plik. Ułatwia to wychwycenie brakujących opisów, zdjęć lub danych marki przed kolejnym importem.
Publiczne endpointy AI i LLM
W nowej wersji moduł może także publikować dane pod publicznymi endpointami frontendowymi:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
To oznacza, że sklep może nie tylko synchronizować dane do OpenAI Vector Store, ale też udostępniać kontrolowaną warstwę treści dla zewnętrznych agentów AI, crawlerów i narzędzi integracyjnych.
Moduł może dodatkowo:
- dodać sygnał do
headstrony przez link dollms.txt, - opcjonalnie wyświetlić link do
llms.txtw stopce, - publikować feedy per store view i per język,
- zachować spójność pomiędzy treściami sklepu, warstwą AI i publiczną warstwą odkrywania treści.
Dlaczego to jest ważne biznesowo
W wielu sklepach dane potrzebne do wdrożenia AI są rozproszone: część jest w opisach produktów, część w FAQ, część w blogu, a część w osobnych materiałach technicznych. Bez warstwy integracyjnej trudno zbudować na tym stabilne rozwiązania AI.
Kowal AI Product Feed rozwiązuje ten problem, ponieważ:
- przygotowuje katalog do kampanii produktowych OpenAI Ads,
- ogranicza ręczne tworzenie i aktualizowanie plików reklamowych,
- pozwala dobierać asortyment osobno dla każdego feedu,
- centralizuje wiedzę sklepu w jednej architekturze eksportu i synchronizacji,
- porządkuje dane pod użycie przez modele językowe,
- redukuje koszt budowy kolejnych integracji AI,
- skraca czas wdrożenia chatów, asystentów i wyszukiwarek semantycznych,
- pozwala rozwijać strategię
AI SEO,AEOiLLM discoverability, - daje podstawę pod wielojęzyczne wdrożenia AI w Magento 2.
Może to usprawnić uruchamianie nowych funkcji, większą spójność odpowiedzi generowanych przez AI i lepsze wykorzystanie treści, które sklep już posiada.
Dla kogo jest ten moduł
Moduł jest przeznaczony dla:
- sklepów Magento 2 przygotowujących katalog do OpenAI Ads,
- zespołów e-commerce i marketingu zarządzających ofertą wielu marek lub wersji językowych,
- sklepów Magento 2 wdrażających AI chat lub AI assistant,
- firm budujących wyszukiwarki semantyczne i RAG na danych e-commerce,
- zespołów technicznych integrujących Magento z
OpenAI, - sklepów rozwijających wielojęzyczne bazy wiedzy produktowej,
- agencji i software house'ów wdrażających AI w Magento,
- marek, które chcą przygotować sklep pod przyszłe kanały odkrywania treści przez LLM.
Jak korzystają z niego inne moduły
Inne moduły mogą wykorzystywać Kowal AI Product Feed jako centralne źródło wiedzy i warstwę integracyjną zamiast budować osobne eksporty, własne serializacje danych i własne procesy synchronizacji.
Przykładowe zastosowania:
- moduł AI chat może zadawać pytania do
Vector Storei odpowiadać na podstawie bieżącej wiedzy o produktach, - moduł FAQ może wzbogacać wspólną bazę wiedzy o dodatkowe pytania i odpowiedzi,
- moduł dokumentacji może zasilać AI treściami instruktażowymi i technicznymi,
- moduł obsługi klienta może wykorzystywać te same dane do odpowiedzi kontekstowych,
- moduł rekomendacji może korzystać z uporządkowanych treści do lepszego dopasowania produktów,
- moduły contentowe mogą rozszerzać warstwę wiedzy o blog, CMS i kolejne typy dokumentów.
Najważniejsze jest to, że inne moduły nie muszą znać technicznych szczegółów synchronizacji, checksum, eksportu plików czy uploadu do OpenAI. Otrzymują gotową, spójną i rozwijalną warstwę danych.
Najważniejsze korzyści
- feedy produktowe CSV przygotowane do wykorzystania w OpenAI Ads,
- stałe linki HTTPS do katalogów i możliwość ręcznego pobrania plików,
- niezależne profile eksportu per store view,
- wybór produktów za pomocą Magento Conditions,
- obsługa wariantów configurable i cen promocyjnych,
- ręczna lub codzienna generacja, walidacja i podgląd statusu w panelu,
- gotowa warstwa danych AI dla Magento 2,
- wsparcie dla
OpenAI Vector Store, - publiczne
llms.txti feedyNDJSON, - synchronizacja tylko zmienionych treści,
- obsługa wielu kanałów contentowych,
- przygotowanie pod
AI SEO,AEOi integracje LLM, - zgodność z architekturą store view i wersji językowych Magento,
- solidna baza pod dalszy rozwój automatyzacji AI w sklepie.
Trzy ścieżki danych, osobne ustawienia
Synchronizacja wiedzy do Vector Store, publiczne feedy AI i profile katalogów Ads mają różne zadania. Feedy publiczne możesz udostępniać niezależnie od zdalnej synchronizacji; wysyłka do Vector Store wymaga klucza API i identyfikatora właściwego store view.
Eksportowanie pliku nie tworzy kampanii ani nie zapewnia akceptacji katalogu przez zewnętrzną platformę. Format importu i dostępność funkcji sprawdzasz po stronie docelowego konta.
Źródła dodatkowych kanałów
FAQ korzysta z dostępnego źródła pytań produktowych, dokumentacja z plików Markdown przypisanych do SKU, a blog z obsługiwanych integracji lub źródła niestandardowego. Kanały wymagają rzeczywistych danych — samo ich włączenie nie generuje nowych treści.
Pliki lokalne powstają w var/ai-feeds. Checksuma ogranicza ponowną wysyłkę niezmienionej wiedzy, a porządkowanie synchronizacji obejmuje dokumenty, które zniknęły lub zostały wyłączone.
Walidacja katalogu i warunków
Profile Ads wykorzystują obsługiwane typy warunków reguł produktowych Magento; niestandardowe klasy warunków wymagają dopasowania. Eksport pomija m.in. pozycje niekwalifikujące się do budowy rekordu oraz oferty bezpłatne.
Błędy wymaganych danych zatrzymują publikację całego nowego pliku. Poprzedni poprawny katalog pozostaje dostępny, a panel zapisuje status i opis błędu. Celowo pusty wybór warunków może wygenerować pusty katalog.
Instalacja przez Composer
Pakiet kowal/module-ai-product-feed, moduł Kowal_AiProductFeed. Po skonfigurowaniu dostępu do repozytorium Kowal zainstaluj pakiet, włącz moduł, zaktualizuj Magento i wyczyść cache. W produkcji uwzględnij kompilację i wdrożenie treści statycznych zgodnie z procesem sklepu.
Od konfiguracji do efektu
1. Wybierasz treści i ofertę
Włączasz kanały wiedzy oraz warunki profili katalogowych.
2. Generujesz i sprawdzasz dane
Moduł eksportuje treści i waliduje katalog CSV.
3. Udostępniasz wybrany kanał
Korzystasz z Vector Store, publicznych endpointów lub linku feedu.
Jedno źródło wiedzy, kilka zastosowań
Produkty, FAQ i dokumentacja zasilają bazę wiedzy asystenta. Osobny profil CSV obejmuje wybraną markę w polskim store view.
Każda ścieżka ma własne ustawienia. Synchronizacja wiedzy porównuje zmiany, a katalog Ads powstaje jako pełny eksport zapisanych warunków.
Przygotuj uporządkowaną warstwę danych AI
Chcesz dopasować moduł do swojego sklepu? Zapytaj o wdrożenie Kowal AI Product Feed i omów konfigurację lub potrzebne rozszerzenia.
Więcej informacji
| Informacje o zakupie | DEMOusername: aifeed |
|---|---|
| Zgodność z szablonem | Luma / Blank, KOWAL |
Instrukcja Instalacji modułu
Przed rozpoczęciem
Kowal AI Product Feed - instalacja i konfiguracja
Cel dokumentu
Ten dokument opisuje pełny proces instalacji, uruchomienia i konfiguracji modułu Kowal_AiProductFeed w Magento 2. Został przygotowany tak, aby można było przejść od wdrożenia technicznego do pierwszego działającego eksportu oraz publikacji llms.txt.
Zakres funkcjonalny modułu
Moduł umożliwia:
- eksport treści sklepu do plików
JSONiJSONL, - synchronizację danych do
OpenAI Vector Store, - obsługę wielu kanałów treści, takich jak produkt, blog, kategoria i CMS,
- publikację publicznych endpointów:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
- dodanie linku do
llms.txtw sekcjihead, - opcjonalne dodanie linku do
llms.txtw stopce sklepu.
llms.txt działa per aktualny Store View. Oznacza to, że każda wersja językowa może zwracać własny manifest i własne linki do feedów.
Wymagania wstępne
Przed instalacją upewnij się, że:
- Magento 2 działa poprawnie,
- masz dostęp SSH do katalogu głównego Magento,
Composerjest dostępny w środowisku,- proces PHP ma możliwość zapisu do katalogu
var/, - masz aktywny klucz
OpenAI API Key, jeśli chcesz korzystać z synchronizacji doOpenAI Vector Store.
Instalacja modułu
1. Dodanie repozytorium Composer
Dodaj repozytorium Composer Kowal:
Dane dostępowe do repozytorium Composer (adres e-mail klienta i token licencyjny) otrzymasz e-mailem po zakupie. Są również dostępne w panelu klienta po zalogowaniu na kowal.store. Zastąp TWOJ_EMAIL_KLIENTA adresem e-mail swojego konta, a TWOJ_TOKEN otrzymanym tokenem. Polecenia wykonaj w katalogu głównym Magento.
composer config repositories.kowal composer https://repo.kowal.store
Jeżeli repozytorium jest prywatne:
composer config http-basic.repo.kowal.store "TWOJ_EMAIL_KLIENTA" "TWOJ_TOKEN"
2. Instalacja pakietu
composer require kowal/module-ai-product-feed
3. Włączenie modułu
bin/magento module:enable Kowal_AiProductFeed
4. Aktualizacja Magento
bin/magento setup:upgrade
5. Kompilacja i cache
W środowisku produkcyjnym wykonaj dodatkowo:
bin/magento setup:di:compile
bin/magento cache:flush
W środowisku developerskim zwykle wystarczy:
bin/magento cache:flush
Jeżeli przed Magento działa dodatkowa warstwa cache, wykonaj również purge po stronie:
VarnishCloudflareNginx fastcgi/proxy cache- innego reverse proxy lub CDN
6. Potwierdzenie statusu modułu
bin/magento module:status Kowal_AiProductFeed
Lokalizacja konfiguracji
Konfiguracja modułu jest dostępna w panelu:
Stores -> Configuration -> General -> Kowal AI Feed
Zalecany model konfiguracji
Najlepszą praktyką jest konfiguracja na poziomie Store View, szczególnie jeśli sklep działa w wielu językach.
Zalecenie:
- jeden
Store View= jeden język, - jeden
Store View= jedenVector Store ID, - jeden
Store View= osobna publiczna warstwa feedów AI.
Przykład:
PLstore view -> polskiVector Store IDENstore view -> angielskiVector Store ID
Konfiguracja pól
Enable Module
Włącza moduł dla wybranego zakresu.
Zalecenie:
- ustaw
Yesna tychStore View, które mają generować dane AI
OpenAI API Key
Globalny klucz API wykorzystywany do komunikacji z OpenAI.
Wymagany, jeśli:
- chcesz synchronizować pliki do
OpenAI Vector Store
Nie jest wymagany, jeśli:
- chcesz korzystać tylko z lokalnych eksportów,
- chcesz korzystać tylko z
llms.txti publicznych feedów.
Vector Store ID
Identyfikator OpenAI Vector Store dla konkretnego Store View.
Zalecenie:
- konfigurować na poziomie
Store View, - ustawić osobny identyfikator dla każdego języka.
Feed Location
Ścieżka względna do katalogu, w którym będą zapisywane pliki eksportu.
Domyślna wartość:
var/ai-feeds
Zalecenie:
- pozostawić katalog w
var/, - nie wystawiać tego katalogu bezpośrednio przez webserver.
Enable Public AI Feed
Włącza publiczne endpointy:
/llms.txt/ai-feed/{storeCode}/index.json/ai-feed/{storeCode}/{contentType}.ndjson
Włącz tę opcję tylko dla tych widoków sklepu, których treści mogą być publicznie dostępne.
Ważne:
/llms.txtnie jest globalnym indeksem wszystkich sklepów- każda wersja językowa sklepu zwraca własny manifest
- sam
/llms.txtnie wymaga istnienia wygenerowanych plików, aby odpowiedzieć poprawnie
Show LLMs.txt Link in Footer
Dodaje widoczny link do /llms.txt w stopce sklepu.
Zalecenie:
Nodomyślnie,Yes, jeśli chcesz jawnie komunikować dostępność warstwy AI dla partnerów, integratorów lub botów.
Docs Location
Ścieżka względna do katalogu z dokumentacją produktową Markdown dla product.docs.
Przykłady:
var/ai-docsvar/ai-docs/pl
Obsługiwane są m.in. pliki:
{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
Rozmiar paczki dla eksportu produktów.
Wartość startowa:
500
Zmniejsz wartość, jeżeli:
- katalog jest bardzo duży,
- środowisko ma ograniczoną pamięć,
- dodatkowe operacje AI zwiększają obciążenie.
Sync Product Core
Włącza typ treści product.core.
Zalecenie:
Yes
Sync Product FAQ
Włącza product.faq.
Użyj, jeśli sklep posiada dane w tabeli kowal_zapytajoprodukt_pytania.
Sync Product Docs
Włącza product.docs.
Użyj, jeśli dokumentacja Markdown jest już przygotowana.
Sync Blog Content
Włącza kanał blog i typ blog.article.
Sync Category Content
Włącza kanał category i typ category.content.
Sync CMS Pages
Włącza kanał cms_page i typ cms.page.
Max Retries
Maksymalna liczba prób operacji API.
Domyślnie:
3
Polling Timeout
Maksymalny czas oczekiwania na zakończenie przetwarzania pliku po stronie OpenAI.
Domyślnie:
600
Polling Interval
Interwał pomiędzy kolejnymi sprawdzeniami statusu.
Domyślnie:
5
HTTP Timeout
Maksymalny czas pojedynczego requestu HTTP do OpenAI.
Domyślnie:
60
Zalecana kolejność konfiguracji
Po instalacji skonfiguruj moduł w tej kolejności:
- Włącz moduł dla docelowego
Store View. - Dodaj
OpenAI API Key, jeśli planujesz synchronizację zOpenAI. - Ustaw
Vector Store IDdla każdego języka. - Zweryfikuj
Feed Location. - Ustaw
Docs Location, jeśli używasz dokumentacji Markdown. - Włącz potrzebne typy treści i kanały.
- Włącz
Enable Public AI Feed, jeśli endpointy mają być dostępne publicznie. - Opcjonalnie włącz
Show LLMs.txt Link in Footer. - Wyczyść cache Magento.
bin/magento cache:flush
Pierwsze uruchomienie
Dry run
Najpierw wykonaj suchy test dla jednego Store View:
bin/magento kowal:ai-export:sync --channel=product --store=1 --dry-run
Realny eksport
Następnie uruchom synchronizację właściwą:
bin/magento kowal:ai-export:sync --channel=product --store=1
Sprawdzenie statusu
bin/magento kowal:ai-export:status --store=1
Weryfikacja publicznych endpointów
Jeżeli Enable Public AI Feed jest włączone, sprawdź:
curl -i https://twoja-domena.pl/llms.txt
curl -i https://twoja-domena.pl/ai-feed/pl/index.json
curl -i https://twoja-domena.pl/ai-feed/pl/product.core.ndjson
Jeżeli sklep ma osobne wersje językowe w URL, sprawdź również:
curl -i https://twoja-domena.pl/en/llms.txt
curl -i https://twoja-domena.pl/de/llms.txt
Oczekiwane zachowanie:
/llms.txtzwraca manifest tylko dla bieżącegoStore View/llms.txtdziała nawet wtedy, gdy nie ma jeszcze wygenerowanych plików feedu/ai-feed/{storeCode}/index.jsonpokazuje tylko istniejące feedy dla danego sklepu/ai-feed/{storeCode}/{contentType}.ndjsondziała dopiero wtedy, gdy istnieją odpowiednie pliki źródłowe
Weryfikacja nagłówków cache:
curl -I https://twoja-domena.pl/llms.txt
curl -I https://twoja-domena.pl/ai-feed/pl/index.json
Powinieneś zobaczyć:
- dla
/llms.txtnagłówki praktycznie wyłączające cache, - dla
index.jsonkrótki czas życia cache i wymuszoną rewalidację.
Weryfikacja HTML:
- w źródle strony powinien pojawić się link w
headdo/llms.txt, - jeżeli aktywowałeś opcję stopki, w footerze powinien pojawić się link
LLMs.txt.
Komendy CLI
Synchronizacja
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=1
Status
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_blog
Import źródeł bloga
bin/magento kowal:ai-blog-source:import --source=amasty_blog --store=1
Stary alias produktowy
Wciąż dostępny dla zgodności wstecznej:
bin/magento kowal:ai-feed:generate
bin/magento kowal:ai-feed:generate --store=1 --content-type=product.core --sku=example-sku --dry-run
Cron
Moduł korzysta z trzech zadań cron:
kowal_ai_blog_source_importkowal_ai_feed_generatekowal_ai_feed_cleanup
Upewnij się, że cron Magento działa poprawnie w środowisku.
Najczęstsze problemy
/llms.txt zwraca 404
Sprawdź:
- czy wdrożona jest aktualna wersja modułu z frontend routingiem,
- czy wykonałeś
bin/magento setup:upgrade, - czy w production mode wykonałeś
bin/magento setup:di:compile, - czy wykonałeś standardowy deploy static content zgodnie z procesem projektu,
- czy wyczyściłeś cache,
- czy wykonałeś purge warstwy CDN / reverse proxy,
- czy
Enable Public AI Feedjest włączone.
Jeżeli https://twoja-domena.pl/llms.txt?v=123 działa, a https://twoja-domena.pl/llms.txt nie, to zwykle oznacza, że po drodze nadal działa stary cache współdzielony.
/llms.txt działa, ale feedy są puste
To oznacza zwykle, że:
- nie wykonano jeszcze eksportu,
- brak aktywnych treści dla danego kanału,
- odpowiednie flagi synchronizacji są wyłączone.
To zachowanie jest poprawne. Sam manifest może działać wcześniej niż właściwe feedy.
Brak plików w var/ai-feeds
Sprawdź:
- czy moduł jest aktywny na właściwym
Store View, - czy są włączone wymagane typy treści,
- czy Magento ma prawa zapisu do
var/, - czy proces synchronizacji został uruchomiony.
Problemy z synchronizacją do OpenAI
Sprawdź:
- poprawność
OpenAI API Key, - poprawność
Vector Store ID, - dostępność połączeń wychodzących HTTP,
- wartości timeoutów i retry.
Podsumowanie
Po poprawnej instalacji i konfiguracji moduł daje Magento 2 gotową warstwę danych dla AI:
- lokalną,
- wielojęzyczną,
- możliwą do synchronizacji z
OpenAI, - gotową do publikacji przez
llms.txti feedyNDJSON, - rozwijalną pod kolejne integracje i moduły AI.