Weboldal
A Weboldal tartalomforrás egy teljes oldalt beolvasó integráció. Megadsz egy domaint vagy egy nyelvre szűkített URL-t, az EchoAI pedig a sitemap alapján felfedezi az aloldalakat, valódi böngészőben betölti mindet, kivonja a fő tartalmat, és beépíti az asszisztensed tudásbázisába. Működik egyszerű oldalakon, dinamikus (JavaScript-tel épülő) oldalakon, webshop-platformokon és többnyelvű boltokon is.
Ezen az oldalon
Mikor ezt válaszd
- Publikus weboldalad van sok aloldallal, és mindet be akarod tenni az asszisztensed tudásbázisába.
- Az oldal nem WordPressen vagy Frameren fut — azokhoz külön integráció tartozik.
- Olyan modern, dinamikus oldalad van, ahol a tartalom csak a böngészőben jelenik meg — az EchoAI valódi böngészőben tölti be, így ezt is helyesen beolvassa.
- Többnyelvű webshopod van (PrestaShop, Magento, Shopify nyelvi változatok), és csak az egyik nyelvet akarod beolvasni.
Hogyan működik
Három szakaszból áll: felfedezés, ellenőrzés, beolvasás.
- Felfedezés. Az EchoAI megkeresi az oldalad sitemapjét (az oldaltérképet, amely felsorolja az aloldalakat), és összegyűjti belőle az összes aloldalt. A különböző webshop- és CMS-rendszerek eltérő sitemap-formátumait is kezeli.
- Ellenőrzés. Az EchoAI megszámolja a felfedezett aloldalakat, és összeveti azzal, hogy mennyi fér bele a csomagod tartalomkeretébe. Ha a beolvasás túllépné a keretet, már a beolvasás előtt szól — így nincs felesleges munka.
- Beolvasás. Az EchoAI valódi böngészőben tölti be az oldalakat, kivonja a fő szöveget a hozzá tartozó adatokkal (cím, borítókép, leírás), és beépíti a tudásbázisba. Minden aloldalból egy tartalom lesz az asszisztensben.
A beolvasás a háttérben fut, neked nem kell várnod rá. Az integráció kártyája mutatja, hogy éppen tart-e, elkészült-e, vagy hibára futott, a vezérlőpult tetején pedig értesítő sáv jelzi, amíg dolgozik. Egy átlagos oldal 1–10 perc alatt elkészül; egy nagyon nagy katalógus tovább tarthat.
robots.txt Sitemap: sora → /sitemap.xml → /sitemap-index.xml → /sitemap_index.xml. Az egyszerű listákat és a több sitemapre mutató indexeket egyaránt kezeli, a speciálisan csomagolt (CDATA) URL-eket is.
Az oldalakra linkelt PDF-ek
A beolvasott oldalakon talált PDF-linkeket az EchoAI automatikusan beolvassa — külön nem kell feltöltened őket. A beolvasó a betöltött oldalakon megkeresi a .pdf-re mutató hivatkozásokat, letölti a dokumentumokat (biztonsági ellenőrzéssel), kinyeri belőlük a szöveget, és külön tartalomként veszi fel őket a tudásbázisba.
| PDF típusa | OCR (képből szöveg) | Mi történik |
|---|---|---|
| Szövegréteggel rendelkező (legtöbb) PDF | Nem kell | A szöveget közvetlenül kinyerjük a fájlból. |
| Beszkennelt / csak képet tartalmazó PDF | Automatikus | Mivel nincs szövegréteg, OCR-rel olvassuk ki a szöveget, majd egy javító lépéssel rendbe tesszük a tulajdonneveket. |
A linkelt PDF-ek ugyanúgy beleszámítanak a csomagod tartalomkeretébe, mint az aloldalak. Ha kézzel kikapcsolsz egy beolvasott PDF-et a könyvtárban, az újraszinkronizálás nem kapcsolja vissza. Egy menetben legfeljebb 100 linkelt PDF kerül be; a túl nagy (10 MB feletti) vagy 50 oldalnál hosszabb fájlokat kihagyjuk.
Miben tér el a hasonló forrásoktól
- vs. URL kézi feltöltés — az URL egyetlen oldalt olvas be; a Weboldal a sitemap alapján az összes aloldalt. A Weboldal forrás valódi böngészőben tölti be az oldalakat, így a dinamikus, JavaScript-tel épülő oldalakat is jól kezeli. 1–5 oldalhoz válaszd az URL-t, egész weboldalhoz a Weboldal forrást.
- vs. WordPress — a WordPress a REST API-t és webhookokat használ a valós idejű szinkronizáláshoz. A Weboldal forrás újrabeolvasással frissít. Ha WordPress-oldalad van, használd a WordPress integrációt.
- vs. Framer — az EchoAI automatikusan felismeri a Framer-oldalakat akkor is, ha Weboldalként adod meg, és csendben átvált a Framer feldolgozásra. Nem kell külön kiválasztanod.
Beállítás lépésről lépésre
- Nyisd meg a Tartalomforrások oldalt a vezérlőpult szinkronizált források szekciójából.
- Kattints a Forrás hozzáadása gombra, és válaszd a Weboldal típust.
- Add meg a weboldal URL-jét. Egész oldalhoz a főoldalt használd (pl.
https://example.com), egy nyelvre szűkítéshez pedig egy útvonal-előtaggal ellátott URL-t (pl.https://example.com/hu). - Válaszd ki, melyik asszisztens kapja a beolvasott tartalmat.
- Küldd el. Az EchoAI ellenőrzi a sitemapet, összeveti a tartalomkereteddel, és a háttérben elindítja a beolvasást.
Az integráció kártyáján követheted az állapotot. Később az újraszinkronizálással frissítheted a tartalmat.
Többnyelvű és nagy katalógusok
Ha az oldalad többnyelvű sitemap-indexet használ (nyelvenként egy beágyazott sitemap), az EchoAI egyetlen nyelvre szűkítheti a beolvasást.
- Adj meg útvonal-előtagot — például
https://shop.example.com/hua csupasz domain helyett. Az EchoAI kinyeri az útvonal-előtagot, és a sitemapet csak a/hu-val kezdődő URL-ekre szűri. - Pontos illesztés — a szűrő egész útvonalszakaszokra illeszt: a
/hubeengedi a/hués a/hu/bármicímeket, de a/hungarian-t soha. - A böngésző is csak ezt tölti be — ugyanez a szűrő érvényes a beolvasásra is, így a rendszer nem pazarol időt a kihagyandó címekre.
- Automatikus ráhagyás — az EchoAI kicsivel nagyobb kerettel indít, hogy beleférjenek azok a címek, amelyeket a böngésző menet közben jogosan kihagy (megszűnt oldalak, átirányítások, ismétlődések). Ezzel neked nincs dolgod.
- Beolvasás ellenőrzése — a végén az EchoAI összeveti, hány oldalt olvasott be ténylegesen, és mennyi szerepel a sitemapben. Ha túl nagy a különbség, szól, hogy utánanézhess (néhány oldal kimaradása normális, csak a jelentős eltérés érdekes).
Gyakori hibák és megoldások
| Hibaüzenet | Állapot | Megoldás |
|---|---|---|
| „Nem található sitemap" | Sikertelen | Az EchoAI egyik szokásos helyen sem talált sitemapet. A legtöbb CMS és webshop alapból készít sitemapet; ellenőrizd, hogy be van-e kapcsolva, és nyilvánosan elérhető-e. |
| „A sitemap megvan, de nincs benne oldal" | Sikertelen | A sitemap fájl beolvasódott, de egyetlen <loc> bejegyzés sincs benne. Nyisd meg a sitemapet a böngésződben, és ellenőrizd a tartalmát. |
| „Megtelt a tartalomkereted" | Sikertelen | A sitemap több oldalt tartalmaz, mint amennyit a csomagod tartalomkerete megenged. Szűkíts egy nyelvre az útvonal-előtaggal, törölj tartalmat a felszabadításhoz, vagy válts nagyobb csomagra. A tartalomkeret nem havi: nem nullázódik, csak tartalom törlésével szabadul fel hely. |
| „Nem sikerült ellenőrizni a weboldalt" | Sikertelen | A főoldal vagy a sitemap nem válaszolt elég gyorsan. Próbáld újra, vagy ellenőrizd, hogy a szervered nem tiltja-e az EchoAI beolvasójának kéréseit. |
| „A beolvasott oldalak száma a vártnál kevesebb" | Részleges | A sitemapben szereplőnél érezhetően kevesebb oldal jött be. Néhány oldal nem töltődött be rendesen — nyisd meg azokat egyenként a böngésződben, és ha kell, szinkronizálj újra. |
| „A beolvasás időtúllépés miatt megszakadt" | Sikertelen | A beolvasó kifutott az időkeretből egy nagyon nagy oldalon. Szűkíts egy nyelvre, vagy bontsd több integrációra. |
| „A beolvasás a túl sok oldal miatt megszakadt" | Sikertelen | Az oldalszám meghaladta a beolvasó felső határát. Szűkíts az útvonal-előtaggal. |