Markdown for Agents è un modo per fornire agli agenti AI i contenuti della pagina in un formato testuale leggero. I Content Signals permettono invece di dichiarare le regole del loro utilizzo. In PrestaShop vale la pena combinare queste soluzioni con dati di prodotto aggiornati e una buona SEO. Ognuna risolve però un problema diverso — nessuna, da sola, garantisce la raccomandazione del negozio da parte dell’AI.
Markdown for Agents: meno codice, più informazioni
Un agente che confronta prodotti ha bisogno del nome, dei parametri, del prezzo e della disponibilità, non del menu, degli script o degli elementi ripetuti del template. I modelli sono in grado di elaborare l’HTML, ma un Markdown ripulito può ridurre la quantità di dati superflui. Mantiene comunque intestazioni, elenchi, tabelle e link.
Cloudflare ha mostrato l’entità della differenza su un proprio articolo: 16.180 token in HTML contro 3150 in Markdown, cioè circa l’80% in meno. Si tratta di un risultato relativo a una pagina specifica, non di una garanzia per ogni negozio. Il risparmio dipende dal template, dai contenuti e dal modo in cui vengono conteggiati i token. Vedi l’esempio di Cloudflare.
Come rendere disponibili i contenuti del negozio agli agenti?
Uno dei meccanismi è la negoziazione del formato: il client invia Accept: text/markdown e il server che la gestisce restituisce Content-Type: text/markdown. L’utente normale continua a ricevere HTML. L’intestazione Vary: Accept segnala alle cache che la risposta dipende dal formato richiesto. È così che funziona il servizio Markdown for Agents di Cloudflare, che converte l’HTML dopo la sua attivazione.
Si possono anche rendere disponibili indirizzi .md separati e indicarli come versioni alternative della pagina. La proposta llms.txt integra questo meccanismo con una breve guida contenente la descrizione del sito e i link ai documenti dettagliati. Si tratta di un’indicazione per gli agenti che lo gestiscono, non di un sostituto della sitemap né di uno standard obbligatorio per tutti i motori di ricerca.
Content Signals: ricerca, risposte o training?
La Content Signals Policy distingue tre utilizzi dei contenuti, che è facile raggruppare erroneamente sotto l’unica etichetta “AI”:
search — costruzione dell’indice e presentazione dei risultati con link e brevi estratti; non include i riepiloghi generati dall’AI.ai-input — passaggio del contenuto al modello come materiale per la risposta, ad esempio in un meccanismo RAG che recupera informazioni dalle fonti durante la gestione della domanda.ai-train — addestramento o fine-tuning dei modelli sui contenuti.
Una dichiarazione di esempio che consente la ricerca e l’uso nelle risposte, ma esclude il training, appare così:
Content-Signal: search=yes, ai-input=yes, ai-train=no
In robots.txt tale voce va inserita nel gruppo appropriato insieme alla descrizione della policy, mantenendo le regole attuali del negozio. L’omissione del segnale non significa consenso — significa assenza di dichiarazione in questo meccanismo. I Content Signals non sono un blocco tecnico al recupero e non sostituiscono il controllo degli accessi.
Attenzione con Cloudflare: secondo la documentazione del servizio, se il server di origine non imposta l’intestazione Content-Signal, la conversione in Markdown aggiunge per impostazione predefinita yes per tutti e tre gli utilizzi. Verifica quindi non solo robots.txt, ma anche le intestazioni finali della risposta.
Cosa ottimizzare in PrestaShop come prima priorità?
L’ordine pratico dei lavori dovrebbe iniziare dalla qualità delle informazioni e solo dopo dal formato:
- Descrivi il prodotto in modo univoco. Indica modello, SKU o EAN, unità di misura e caratteristiche della variante. Invece di “alte prestazioni”, scrivi in modo concreto cosa sa fare il prodotto e a cosa si adatta.
- Assicurati che sia aggiornato. Il prezzo deve avere valuta e informazione fiscale, e la disponibilità deve riferirsi alla variante corretta. Considera l’aggiornamento della cache e degli indici dopo le modifiche.
- Aggiungi contesto d’acquisto. Pubblica risposte FAQ concrete, regole di consegna e reso. Separa le recensioni dei clienti dai parametri del produttore.
- Mantieni coerenza e privacy. La versione Markdown dovrebbe corrispondere all’offerta pubblica nella lingua specifica, indicare la pagina originale e non rivelare dati dell’account o del carrello.
- Verifica la risposta reale. Confronta HTML e Markdown dopo il passaggio attraverso il CDN. Verifica prezzi, link e se l’agente autorizzato non riceve una pagina di blocco invece del contenuto.
Come aiuta PD Markdown4Agents Pro?
Il nostro PD Markdown4Agents Pro per PrestaShop prepara documenti a partire dai dati del negozio, non dall’intero template renderizzato. Supporta prodotti, categorie, pagine CMS e produttori; nei prodotti include tra l’altro prezzi, disponibilità, caratteristiche e combinazioni. Rende disponibili indirizzi .md e una negoziazione del formato opzionale.
Genera anche llms.txt e llms-full.txt — in questo modulo il secondo è un indice esteso con riepiloghi e link, non un insieme di descrizioni complete. Dopo l’attivazione delle integrazioni appropriate, include il blog ph_simpleblog, le FAQ e le recensioni dai moduli supportati. Consente di gestire i Content Signals in robots.txt. Le statistiche mostrano i download dei contenuti, non il numero di citazioni da parte dell’AI.
Il Markdown migliora SEO e GEO?
Il Markdown è una facilitazione tecnica, non una promessa di posizionamento. Google non richiede file AI speciali né markup Schema.org aggiuntivo per la presenza in AI Overviews e AI Mode. Continuano a contare accessibilità, indicizzazione, contenuti utili e coerenza dei dati.
In pratica, il GEO, cioè l’ottimizzazione per le risposte generative, conviene basarlo su fatti facili da trovare e citare. Mantieni un buon HTML e dati strutturati Schema.org in PrestaShop coerenti con l’offerta, e considera il Markdown come un modo aggiuntivo per fornire la stessa informazione affidabile.
Commenti (0)