--- type: "blog" id: 7 url: "https://prestadev.pl/pl/blog/baza-wiedzy/markdown-for-agents-content-signals-prestashop" markdown_url: "https://prestadev.pl/pl/markdown/blog/7.md" title: "Jak AI czyta Twój sklep? Markdown i Content Signals w PrestaShop" description: "Jak udostępniać treści PrestaShop agentom AI? Poznaj Markdown for Agents, llms.txt i Content Signals oraz praktyczne zasady SEO i GEO dla sklepu" language: "pl" published: "2026-09-12 17:06:12" updated: "2026-09-12 17:07:02" author: "Patryk Marek" category: "Baza wiedzy" --- # Jak AI czyta Twój sklep? Markdown i Content Signals w PrestaShop **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 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](https://blog.cloudflare.com/markdown-for-agents/). ## 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](https://developers.cloudflare.com/fundamentals/reference/markdown-for-agents/), konwertująca HTML po jej włączeniu. Można też udostępnić osobne adresy `.md` i wskazać je jako wersje alternatywne strony. [Propozycja `llms.txt`](https://llmstxt.org/) 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](https://blog.cloudflare.com/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](https://developers.cloudflare.com/fundamentals/reference/markdown-for-agents/#content-signals-policy), 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: 1. **Jednoznacznie opisz produkt.** Podaj model, SKU lub EAN, jednostki i cechy wariantu. Zamiast „wysoka wydajność” napisz konkretnie, co produkt potrafi i do czego pasuje. 2. **Zadbaj o aktualność.** Cena musi mieć walutę i informację o podatku, a dostępność dotyczyć właściwego wariantu. Uwzględnij odświeżanie cache oraz indeksów po zmianach. 3. **Dodaj kontekst zakupowy.** Publikuj konkretne odpowiedzi FAQ, zasady dostawy i zwrotów. Oddziel opinie klientów od parametrów producenta. 4. **Zachowaj spójność i prywatność.** Wersja Markdown powinna odpowiadać publicznej ofercie w danym języku, wskazywać oryginalną stronę i nie ujawniać danych konta ani koszyka. 5. **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](https://prestadev.pl/pl/markdown4agents-pro-dla-prestashop-tresc-sklepu-w-markdown-dla-agentow-ai.html) 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](https://developers.google.com/search/docs/appearance/ai-features) 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](https://prestadev.pl/pl/blog/baza-wiedzy/dane-strukturalne-schemaorg-w-prestashop-jak-zwiekszyc-widocznosc-sklepu-i-produktow-bez-grzebania-w-szablonie), a Markdown potraktuj jako dodatkowy sposób dostarczenia tej samej, rzetelnej informacji.