Markdown for Agents to sposób dostarczania agentom AI treści strony w lekkim formacie tekstowym. Content Signals pozwalają natomiast zadeklarować zasady jej wykorzystania. W PrestaShop warto połączyć te rozwiązania z aktualnymi danymi produktów i dobrym SEO. Każde rozwiązuje jednak inny problem — żadne samo nie zapewnia rekomendacji sklepu przez AI.
Markdown for Agents: mniej kodu, więcej informacji
Agent porównujący produkty potrzebuje nazwy, parametrów, ceny i dostępności, a nie menu, skryptów czy powtarzających się elementów szablonu. Modele potrafią przetwarzać HTML, lecz oczyszczony Markdown może ograniczyć ilość zbędnych danych. Zachowuje przy tym nagłówki, listy, tabele i odnośniki.
Cloudflare pokazał skalę różnicy na własnym artykule: 16 180 tokenów w HTML wobec 3150 w Markdown, czyli około 80% mniej. To wynik konkretnej strony, nie gwarancja dla każdego sklepu. Oszczędność zależy od szablonu, treści i sposobu liczenia tokenów. Zobacz przykład Cloudflare.
Jak udostępniać treści sklepu agentom?
Jednym z mechanizmów jest negocjacja formatu: klient wysyła Accept: text/markdown, a obsługujący ją serwer zwraca Content-Type: text/markdown. Zwykły użytkownik nadal otrzymuje HTML. Nagłówek Vary: Accept sygnalizuje pamięci podręcznej, że odpowiedź zależy od żądanego formatu. Tak działa usługa Markdown for Agents w Cloudflare, konwertująca HTML po jej włączeniu.
Można też udostępnić osobne adresy .md i wskazać je jako wersje alternatywne strony. Propozycja llms.txt uzupełnia ten mechanizm o krótki przewodnik z opisem witryny i linkami do szczegółowych dokumentów. To wskazówka dla obsługujących ją agentów, nie zamiennik mapy witryny ani obowiązkowy standard wszystkich wyszukiwarek.
Content Signals: wyszukiwanie, odpowiedzi czy trening?
Content Signals Policy rozdziela trzy zastosowania treści, które łatwo błędnie wrzucić do jednego worka „AI”:
search — budowanie indeksu i prezentowanie wyników z linkami oraz krótkimi fragmentami; nie obejmuje podsumowań generowanych przez AI.ai-input — przekazywanie treści modelowi jako materiału do odpowiedzi, np. w mechanizmie RAG, który pobiera informacje ze źródeł podczas obsługi pytania.ai-train — trenowanie lub dostrajanie modeli na treści.
Przykładowa deklaracja dopuszczająca wyszukiwanie i użycie w odpowiedziach, ale wykluczająca trening, wygląda tak:
Content-Signal: search=yes, ai-input=yes, ai-train=no
W robots.txt taki wpis należy osadzić w odpowiedniej grupie wraz z opisem polityki, zachowując dotychczasowe reguły sklepu. Pominięcie sygnału nie oznacza zgody — oznacza brak deklaracji w tym mechanizmie. Content Signals nie są techniczną blokadą pobierania i nie zastępują kontroli dostępu.
Uwaga przy Cloudflare: według dokumentacji usługi, jeśli serwer źródłowy nie ustawia nagłówka Content-Signal, konwersja Markdown dodaje domyślnie yes dla wszystkich trzech zastosowań. Sprawdź więc nie tylko robots.txt, lecz także końcowe nagłówki odpowiedzi.
Co zoptymalizować w PrestaShop w pierwszej kolejności?
Praktyczna kolejność prac powinna zaczynać się od jakości informacji, a dopiero potem od formatu:
- Jednoznacznie opisz produkt. Podaj model, SKU lub EAN, jednostki i cechy wariantu. Zamiast „wysoka wydajność” napisz konkretnie, co produkt potrafi i do czego pasuje.
- Zadbaj o aktualność. Cena musi mieć walutę i informację o podatku, a dostępność dotyczyć właściwego wariantu. Uwzględnij odświeżanie cache oraz indeksów po zmianach.
- Dodaj kontekst zakupowy. Publikuj konkretne odpowiedzi FAQ, zasady dostawy i zwrotów. Oddziel opinie klientów od parametrów producenta.
- Zachowaj spójność i prywatność. Wersja Markdown powinna odpowiadać publicznej ofercie w danym języku, wskazywać oryginalną stronę i nie ujawniać danych konta ani koszyka.
- Sprawdź rzeczywistą odpowiedź. Porównaj HTML i Markdown po przejściu przez CDN. Zweryfikuj ceny, linki oraz to, czy dozwolony agent nie otrzymuje strony blokady zamiast treści.
Jak pomaga PD Markdown4Agents Pro?
Nasz PD Markdown4Agents Pro dla PrestaShop przygotowuje dokumenty z danych sklepu, a nie z całego wyrenderowanego szablonu. Obsługuje produkty, kategorie, strony CMS i producentów; w produktach uwzględnia m.in. ceny, dostępność, cechy oraz kombinacje. Udostępnia adresy .md i opcjonalną negocjację formatu.
Generuje również llms.txt oraz llms-full.txt — w tym module ten drugi jest rozbudowanym indeksem z podsumowaniami i linkami, a nie zlepkiem pełnych opisów. Po włączeniu odpowiednich integracji dołącza blog ph_simpleblog, FAQ i opinie z obsługiwanych modułów. Pozwala zarządzać Content Signals w robots.txt. Statystyki pokazują pobrania treści, nie liczbę cytowań przez AI.
Czy Markdown poprawia SEO i GEO?
Markdown jest ułatwieniem technicznym, nie obietnicą pozycji. Google nie wymaga specjalnych plików AI ani dodatkowego znacznika Schema.org do obecności w AI Overviews i AI Mode. Nadal liczą się dostępność, indeksowanie, pomocne treści i spójność danych.
W praktyce GEO, czyli optymalizację pod odpowiedzi generatywne, warto oprzeć na faktach łatwych do odnalezienia i przytoczenia. Zachowaj dobry HTML oraz zgodne z ofertą dane strukturalne Schema.org w PrestaShop, a Markdown potraktuj jako dodatkowy sposób dostarczenia tej samej, rzetelnej informacji.
Komentarze (0)