Sitemap till llms.txt AI-omvandlare

Omvandla valfri sitemap.xml till ett välstrukturerat llms.txt-format med hjälp av AI. Detta arbetsflöde hämtar URL:er från en sitemap, hämtar och bearbetar deras innehåll, och använder en AI-agent för att generera en optimerad llms.txt-fil som passar för AI-träning eller kunskapsinmatning.

Thumbnail for Video
Så fungerar AI Flow - Sitemap till llms.txt AI-omvandlare

Flows

Så fungerar AI Flow

Visa välkomstmeddelande.
Visar ett välkomst- eller instruktionsmeddelande när chatten öppnas för att vägleda användaren.
Användaren matar in sitemap-URL.
Användaren skickar in sitemap.xml-URL:en via chattgränssnittet.
Hämta URL:er och innehåll.
Hämtar alla URL:er från den angivna sitemapen och hämtar deras webbplatsinnehåll.
AI-agent omvandlar innehåll.
En AI-agent analyserar det hämtade innehållet, bedömer dess betydelse och strukturerar det i llms.txt-format.
Presentera genererad llms.txt.
Visar den genererade llms.txt-filen för användaren för nedladdning eller vidare användning.

Prompts som används i detta flow

Nedan är en komplett lista över alla prompts som används i detta flow för att uppnå dess funktionalitet. Prompts är instruktioner som ges till AI-modellen för att generera svar eller utföra åtgärder. De vägleder AI:n i att förstå användarens avsikt och generera relevanta resultat.

AI-agent

AI-agent som formaterar sitemap.xml till llms.txt med hjälp av en detaljerad prompt och exempel, givet webbsidans innehåll. Anpassad prompt anges i 'goal'-fälte...

                You are an AI assistant that formats sitemap.xml into llms.txt .
Below is the full text content of a webpage, including the page title and body.
Your task:
- Identify the title (either from the first line or a heading).
- convert the content of the xml sitemap into an llms.txt SIMILAR TO THE EXAMPLE GIVEN BELOW.
-YOU CAN DECIDE WHICH PAGES ARE MORE IMPORTANT AND PUT THEM AT THE START AND OTHER THINGS LIKE CATEGORIES AND TAGS CAN COME AND THE VERY END.
this is an example from langfuse:

**example of llms.txt**

**YOUR OUTPUT SHOULD LOOK AND HAVE A VERY SIMILAR FORMAT TO SOMETHING LIKE THE EXAMPLE ABOVE.**

Komponenter som används i detta flow

Nedan är en komplett lista över alla komponenter som används i detta flow för att uppnå dess funktionalitet. Komponenter är byggstenarna i varje AI Flow. De låter dig skapa komplexa interaktioner och automatisera uppgifter genom att koppla olika funktioner. Varje komponent tjänar ett specifikt syfte, som att hantera användarindata, bearbeta data eller integrera med externa tjänster.

Chatöppningsutlösare

Komponenten Chatöppningsutlösare upptäcker när en chattsession startar och möjliggör att arbetsflöden kan svara omedelbart så snart en användare öppnar chatten. Den initierar flöden med det första meddelandet, vilket gör den oumbärlig för att bygga responsiva, interaktiva chatbotar.

Se Chatöppningsutlösare

Meddelande-widget

Meddelande-widget-komponenten visar anpassade meddelanden i ditt arbetsflöde. Perfekt för att välkomna användare, ge instruktioner eller visa viktig information – den har stöd för Markdown-formatering och kan ställas in att visas endast en gång per session.

Se Meddelande-widget

Chattutgång

Upptäck Chattutgång-komponenten i FlowHunt—slutför chatbottsvar med flexibla, flerdelade utdata. Oumbärlig för smidig avslutning av flöden och skapande av avancerade, interaktiva AI-chattbottar.

Se Chattutgång

Chatinmatning

Chatinmatningskomponenten i FlowHunt initierar användarinteraktioner genom att fånga upp meddelanden från Playground. Den fungerar som startpunkt för flöden och möjliggör att arbetsflödet kan bearbeta både text- och filbaserade indata.

Se Chatinmatning

URL-hämtare

Lås upp webbinnehåll i dina arbetsflöden med komponenten URL-hämtare. Extrahera och bearbeta enkelt text och metadata från valfri lista av URL:er – inklusive webbartiklar, dokument och mer. Stöder avancerade alternativ som OCR för bilder, selektiv metadataextraktion och anpassningsbar cache, vilket gör den idealisk för att bygga kunskapsrika AI-flöden och automatiseringar.

Se URL-hämtare

AI-agent

Komponenten AI-agent i FlowHunt ger dina arbetsflöden autonom beslutsfattande och verktygsanvändande förmåga. Den utnyttjar stora språkmodeller och kopplar till olika verktyg för att lösa uppgifter, följa mål och ge intelligenta svar. Perfekt för att bygga avancerade automatiseringar och interaktiva AI-lösningar.

Se AI-agent

GoogleSearch-komponent

FlowHunt’s GoogleSearch-komponent förbättrar chatbotens noggrannhet genom att använda Retrieval-Augmented Generation (RAG) för att hämta uppdaterad kunskap från Google. Kontrollera resultat med val som språk, land och frågeprefix för precisa och relevanta svar.

Se GoogleSearch-komponent

Flow-beskrivning

Syfte och fördelar

Detta arbetsflöde automatiserar processen att omvandla en webbplats sitemap.xml till ett strukturerat och AI-vänligt llms.txt-format. Flödet använder AI-agenter och hämtningsverktyg för att effektivisera förberedelsen av din webbplats innehåll för användning i stora språkmodeller (LLMs) och andra AI-applikationer. Nedan följer en detaljerad genomgång av dess steg och komponenter.

1. Användarupplevelse & ingångspunkt

  • Välkomstmeddelande vid chatöppning
    När en användare öppnar chatten visas ett vänligt meddelande i widgeten:

    🗂️ Släpp din sitemap.xml-URL här!
    Jag omvandlar den till ett rent llms.txt-format, perfekt för att mata AI-modeller 🤖📄

    Detta sätter tydliga förväntningar och guidar användaren att skicka in rätt input.

2. Hantering av användarinmatning

  • Chat Input-nod
    Användaren klistrar in URL:en till sin sitemap.xml-fil i chattgränssnittet.
  • Start av arbetsflöde
    Den inmatade URL:en skickas automatiskt vidare till nästa steg för bearbetning.

3. Hämtning och bearbetning av sitemap-URL:er

  • URL-hämtare (primär)
    Arbetsflödet använder en URL-hämtarnod för att:

    • Hämta innehållet från den angivna sitemap.xml-URL:en.
    • Använda extraktionsstrategier (t.ex. extrahera från rubriker, stycken).
    • Cacha resultat för effektivitet.
    • Begränsa innehåll med hjälp av token- och rubrikstrategier (t.ex. börja från H1, hoppa över sista rubrik).
    • Valfritt bearbeta metadata (såsom produktdata).

  • Avancerade inställningar

    • Hanterar upp till 300 000 tokens per dokument.
    • Kan inkludera innehåll från olika HTML-element (H1–H6, stycken).
    • Stöd för strikt vitlistning, cache (2 veckor) och laddningsstrategier.
    • Kan integrera OCR för bildbaserat innehåll (inaktiverat som standard).

4. Komplettering med extern kunskap

  • Google-sökverktyg
    AI-agenten är utrustad med ett Google-sökverktyg, vilket gör att den kan:

    • Söka efter ytterligare kontext eller relaterad dokumentation vid behov.
    • Begränsa resultat (standard: 3), ange land/språk.
    • Använda cachade resultat för effektivitet.

  • Sekundär URL-hämtare
    En extra hämtarnod kan konfigureras för att hämta innehåll från URL:er som hittas via Google-sökning, vilket ytterligare berikar AI-agentens kunskapsbas vid behov.

5. AI-agent för innehållsomvandling

  • AI-agentnod
    Kärnan i arbetsflödet är en AI-agent konfigurerad med följande:
    • Mål:
      Omvandla innehållet i sitemap.xml till en välstrukturerad llms.txt enligt ett angivet exempel.
    • Bakgrund & roll:
      Agenten är positionerad som specialist på att generera llms.txt-filer.
    • Verktyg:
      Använder både Google-sök och URL-hämtare för åtkomst till webbplats- och webbinnehåll.
    • Arbetssätt:
      Agenten:
      • Läser allt hämtat sidinnehåll.
      • Identifierar titel och struktur.
      • Avgör vilka sidor som är viktigast och listar dem först.
      • Placerar mindre kritiska sidor (t.ex. kategorier, taggar) i slutet.
      • Följer ett strikt format för att säkerställa att utdata matchar kraven på llms.txt för LLM-inläsning.

6. Utdata och användarfeedback

  • Chat Output-nod
    AI-agentens formaterade utdata (llms.txt-innehållet) visas för användaren i chatten, redo att användas för AI-träning eller inläsning.

Arbetsflödesstruktur (processöversikt)

StegKomponentSyfte
1Chat Opened TriggerVisar välkomst-/instruktionsmeddelande
2Message WidgetVägledare användaren att mata in sitemap.xml-URL
3Chat InputTar emot användarens sitemap.xml-URL
4URL RetrieverHämtar och tolkar URL:er/innehåll från sitemapen
5Google Search Tool(Valfritt) Hittar ytterligare kontext för sidor
6URL Retriever (Google)(Valfritt) Hämtar innehåll från Google-hittade URL:er
7AI AgentOmvandlar allt siddata till formaterad llms.txt
8Chat OutputPresenterar formaterad llms.txt för användaren

Varför är detta arbetsflöde användbart?

  • Skalbarhet:
    Automatiserar en tidskrävande manuell process, så att du kan omvandla vilken webbplats sitemap som helst till ett användbart format för LLM:er utan teknisk expertis.

  • Kvalitet och konsekvens:
    Säkerställer att utdata följer ett strikt format, vilket förbättrar kvaliteten på din AI-träningsdata.

  • Utbyggbarhet:
    Kan anpassas för att inkludera ytterligare kunskapskällor eller tillämpa mer avancerad extraktionslogik.

  • Effektivitet:
    Integrerar cache och tokenbegränsningar för att hantera även stora webbplatser snabbt och tillförlitligt.

  • AI-drivna beslut:
    Agenten kan prioritera viktiga sidor och strukturera utdata intelligent—något som annars vore tidskrävande eller felbenäget att göra manuellt.

Exempel på användningsområden

  • Förbereda hela din webbplats som ett enda, välstrukturerat dokument för AI-inläsning.
  • Automatisera innehållskurering för kunskapsbaser eller dokumentationssystem.
  • Skala upp datamängdsskapande för finjustering av LLM:er med domänspecifikt webbplatsinnehåll.

Detta arbetsflöde gör det enkelt, snabbt och tillförlitligt att omvandla webbplatsers sitemaps till AI-optimerade textfiler, vilket sparar dig många timmars manuellt arbete och säkerställer att dina AI-modeller får högkvalitativ, strukturerad input.

Låt oss bygga ditt eget AI-team

Vi hjälper företag som ditt att utveckla smarta chatbotar, MCP-servrar, AI-verktyg eller andra typer av AI-automatisering för att ersätta människor i repetitiva uppgifter i din organisation.

Boka en demo Prova nu