AI Engine Pro - Плагин WordPress

Руководство по настройке и применению AI Engine Pro в WordPress

AI Engine Pro стоит рассматривать не как одну кнопку "добавить чат", а как рабочий слой между WordPress, внешними AI-провайдерами, контентом сайта, формами, посетителями и администратором. В этом руководстве разберём, как подготовить сайт, какие модули включать первыми, где проверять результат, как построить полезный чатбот или AI-форму и как не спутать ошибку модели, хостинга, REST API или кеша с ошибкой самого плагина.

Материал рассчитан на владельца сайта, вебмастера, редактора и разработчика, который уже понимает, зачем ему AI-инструмент в WordPress, но хочет внедрить его безопасно. Здесь нет инструкций по покупке, активации лицензии или обходу доступа к платным функциям. Фокус - настройка, практические сценарии, проверка результата, ограничения, диагностика и выбор похожих решений.

Главная идея: сначала нужно решить, какой результат нужен сайту, затем подключить подходящую среду AI, настроить лимиты, проверить чатбот или форму на тестовой странице и только после этого выводить инструмент на живой трафик. Такой порядок экономит деньги на запросах к AI-провайдерам и снижает риск странных ответов, утечек лишнего контекста или конфликтов с кешем.

Какую задачу решает плагин и где он особенно полезен

AI Engine Pro помогает WordPress-сайту обращаться к внешним AI-сервисам и использовать эти ответы внутри админ-панели, публичной части сайта, форм, чатботов, внутренней статистики и интеграций. По официальным источникам продукт поддерживает чатботы, генерацию контента и изображений, AI Forms, embeddings, AI Copilot, Playground, внутренние и REST API, а в Pro-версии добавляет расширенные формы, realtime audio chatbot, знания на embeddings, расширенные MCP-инструменты, usage insights and control и ассистентов.

Важно понимать механику. Сам плагин не содержит языковую модель и не "думает" автономно. Он создаёт интерфейс, хранит настройки, собирает контекст, отправляет запрос выбранному провайдеру, получает ответ и показывает его пользователю или администратору. Поэтому качество ответа зависит не только от AI Engine Pro, но и от выбранной модели, ключа API, лимитов провайдера, контекста, промпта, доступности REST API WordPress и поведения хостинга.

На практике продукт хорошо подходит для четырёх типов задач. Первый - посетительский чатбот, который отвечает на вопросы по сайту, справке, каталогу, услугам или текущей странице. Второй - AI-формы, где пользователь вводит данные, а плагин генерирует персональный ответ: рекомендацию, краткий план, текст письма, описание товара, идею для проекта. Третий - внутренняя работа редактора: черновики, исправления, переводы, подсказки и тестирование промптов. Четвёртый - технические интеграции через MCP, функции, REST API и фильтры, когда AI должен не только отвечать, но и взаимодействовать с WordPress как с системой.

Для небольшого сайта можно начать с одного простого чатбота и лимитов по количеству запросов. Для агентства, магазина или базы знаний ценнее будет связка: отдельные environments для разных задач, embeddings для базы знаний, AI Forms для сценариев с фиксированным результатом, Insights для контроля запросов и MCP только для доверенных администраторов. Чем больше полномочий получает AI-слой, тем строже должны быть проверки и ограничения.

Когда AI Engine Pro будет сильным выбором

Плагин особенно уместен, если вы хотите оставить AI-функции внутри WordPress, а не подключать отдельный SaaS-виджет с отдельной базой пользователей, отдельной аналитикой и отдельной логикой встраивания. Это удобно, когда редакторы работают в WordPress каждый день, а знания уже находятся в записях, страницах, товарах, документах или пользовательских полях.

Другой сильный сценарий - сайт, где нужна не одна универсальная AI-функция, а набор: чатбот, форма, генерация контента, изображения, статистика запросов, работа с embeddings и возможность подключать разные AI-провайдеры. В таком случае AI Engine Pro становится не "виджетом", а общей AI-инфраструктурой для WordPress.

Кому продукт может не подойти

Если нужен только простой чат поддержки без настройки моделей, знаний, промптов и лимитов, специализированный SaaS-чат может оказаться быстрее. Если сайт не готов работать с внешними AI API, владелец не хочет контролировать расходы на запросы или хостинг блокирует потоковую передачу ответа, внедрение потребует больше внимания. Для проектов с жёсткими юридическими требованиями к персональным данным также нужно отдельно оценить, какие данные отправляются внешнему провайдеру и разрешено ли это политиками сайта.

Проверка перед стартом: если вы не можете объяснить, какие данные пользователь введёт, какая модель их обработает и где будет храниться история запросов, выводить AI-инструмент на публичный сайт рано.

Что проверить перед установкой и первым включением

Подготовка нужна не для формальности. AI Engine Pro затрагивает внешние API, REST-запросы WordPress, публичные виджеты, формы, права пользователей и иногда кеш. Если сразу включить всё на рабочем сайте, первая ошибка может выглядеть как "чатбот не работает", хотя причина окажется в закрытом /wp-json, неверном провайдере, недоступной модели, агрессивной оптимизации JavaScript или отсутствующих лимитах.

Техническая готовность WordPress

Сначала проверьте базовые вещи: сайт должен нормально выполнять REST API, администратор должен иметь доступ к меню плагинов и настройкам Meow Apps, а публичная часть не должна ломать скрипты чатбота минификацией или отложенной загрузкой без исключений. Официальная документация по проблеме живого сайта прямо связывает работу чатбота с WordPress REST API: если /wp-json недоступен или требует авторизации для посетителя, публичный чат может не отвечать.

На тестовой странице откройте инструменты разработчика браузера и проверьте, нет ли ошибок JavaScript и HTTP-ответов с кодами авторизации или серверной ошибки. Если сайт защищён плагином безопасности, firewall, ограничением REST API или сложными правилами кеша, временно тестируйте на странице, где эти правила можно контролировать.

Готовность AI-провайдера

AI Engine Pro поддерживает разные AI-сервисы через environments. В официальном tutorial указано, что после установки может быть создана среда OpenAI без ключа, а дополнительные среды можно добавлять под разные сервисы и задачи. Это полезно, но требует дисциплины: не смешивайте тестовую среду, модель для изображений, модель для текста и модель для embeddings в один хаотичный набор.

Для первого запуска достаточно одной текстовой среды, которая проходит быстрый тест связи. Затем можно добавлять отдельные environments для vision, image generation, Anthropic, OpenRouter, локального Ollama через add-on или векторной базы для embeddings, если такая задача действительно есть. Ошибка вида "You exceeded your current quota" обычно относится к провайдеру или его лимитам, а не к самому плагину.

Политика данных и роли пользователей

Перед публичным запуском решите, какие данные можно отправлять в AI-запрос. Для простого FAQ-бота достаточно публичного текста страниц. Для формы с персональными данными, внутреннего ассистента или MCP-доступа нужно заранее ограничить круг пользователей, включить лимиты и не отправлять в модель то, что не должно покидать сайт. Это особенно важно для MCP: документация описывает Bearer Token и выбор exposed tools, а значит токен нужно хранить как секрет, а список инструментов должен быть минимальным.

Установка и первичная проверка без лишнего риска

Для обычного WordPress-плагина базовый путь стандартный: загрузить ZIP или установить из каталога, активировать, открыть настройки и подключить нужную среду AI. У AI Engine Pro есть важный нюанс: официальная инструкция по первому чатботу предупреждает, что Pro-версию не нужно держать одновременно с бесплатной версией, потому что параллельная работа может создавать проблемы. В статье не будем разбирать лицензионные действия, но организационный вывод простой: на сайте должна быть одна активная версия продукта.

После активации не начинайте с вывода виджета на все страницы. Сначала откройте dashboard плагина, включите только нужные modules и настройте среду AI. Если вы тестируете чатбот, выберите environment и model в настройках чатбота или используйте defaults. Если тестируете AI Forms, включите модуль Forms и создайте форму на закрытой или черновой странице. Если тестируете MCP, начните с минимального набора инструментов и без публичной демонстрации.

Первые действия после активации

1. Откройте раздел настроек AI Engine и убедитесь, что видите dashboard, server/client modules и вкладки, которые соответствуют включённым функциям.
2. Создайте или проверьте environment для выбранного AI-провайдера, затем выполните тест связи из интерфейса плагина.
3. Выберите default environments для задач, которые будете использовать: текстовые ответы, изображения, vision или embeddings.
4. Создайте отдельную тестовую страницу и выводите первый chatbot через block или shortcode, а не site-wide режим.
5. Включите Insights до публичного запуска, чтобы видеть запросы, ошибки, токены и поведение лимитов.
6. Проверьте публичную страницу в режиме гостя, в другом браузере и при включённом кешировании.

Такой порядок даёт ясную причинно-следственную цепочку: если не проходит environment test, проблема до чатбота. Если тест проходит, но блок не отвечает на странице, смотрите REST API, кеш, JavaScript и выбранный chatbot ID. Если чат отвечает, но говорит не по материалам сайта, переходите к instructions, content-aware или embeddings.

Как понять, что базовая настройка сработала

Минимальный успешный тест выглядит так: админ-панель сохраняет environment, быстрый тест возвращает ответ, тестовый chatbot отвечает в preview или на закрытой странице, в браузерной консоли нет ошибок REST API, а Insights показывает новую запись запроса. Если включён streaming, ответ может появляться постепенно; если хостинг или провайдер плохо поддерживает потоковую передачу, временно отключите streaming и сравните поведение.

Не выводите site-wide chatbot сразу. Сначала проверьте один embed на тестовой странице. Глобальный виджет на всех страницах усложняет диагностику, потому что на результат начинают влиять разные шаблоны, кеш, условия загрузки и сторонние скрипты.

Подробная настройка после установки: среды, модули, лимиты и история запросов

Самый полезный раздел настройки в AI Engine Pro - это не внешний вид чатбота, а базовая управляемость. Нужно понять, какая среда отвечает за какую задачу, какие modules включены, где плагин хранит данные запросов и как ограничивается расход. Без этого чатбот может работать в тесте, но стать дорогим, непредсказуемым или неудобным на публичном сайте.

Environments for AI и default environments

В официальном tutorial описано, что environments позволяют подключать разные сервисы: OpenAI, Azure, Google, Anthropic, OpenRouter, HuggingFace и другие поддерживаемые варианты. Default environments помогают назначить конкретные среды и модели под разные задачи. Это лучше, чем менять модель в каждом месте вручную, потому что плагины, custom code и внутренние функции AI Engine могут использовать настроенные defaults.

Для типового сайта начните с трёх уровней. Первый - "основная текстовая среда" для чатбота и форм. Второй - "экспериментальная среда" для тестов моделей и prompt engineering в Playground, чтобы не менять поведение публичного инструмента. Третий - "отдельная среда embeddings", если вы используете Pro-knowledge с Pinecone, Qdrant, Chroma или OpenAI Vector Store. Не называйте среды одинаково: через месяц вы должны понимать, какая среда отвечает за пользовательский чат, а какая нужна только редактору.

Что включать сразу

• Одну рабочую среду для текста, которая проходит тест связи и не используется для рискованных экспериментов.
• Модель по умолчанию для chatbot и AI Forms, если эти функции будут первыми публичными сценариями.
• Streaming только после проверки хостинга и поведения выбранного провайдера.
• Отдельные environments для embeddings или изображений только тогда, когда вы реально используете соответствующие функции.

Что лучше не включать без причины

Не включайте все modules "на будущее". Чем больше модулей доступно, тем сложнее читать интерфейс, диагностировать ошибки и объяснять редакторам, где что находится. Public REST API, MCP, function calling, advanced assistants и дополнительные add-ons лучше включать только под конкретный сценарий. Особенно осторожно относитесь к функциям, которые дают AI или внешнему приложению возможность выполнять действия в WordPress, а не только отвечать текстом.

Insights, Statistics и Queries Data

Insights нужны не только для красивой статистики. Документация указывает, что через Queries можно видеть scope, user, model, tokens, price и дополнительные metadata, а Queries Data и Queries Form Data позволяют сохранять детали отправленных и полученных данных. Это помогает проверить, какой chatbot или form действительно делает запрос, какая модель используется и какие входные параметры ушли в AI.

С другой стороны, сохранение подробных queries увеличивает объём локальной базы данных и может включать данные, которые пользователи вводили в формы. Поэтому включайте хранение осознанно: для тестов и диагностики - полезно, для постоянной публичной работы - с учётом политики данных, сроков хранения и доступа администраторов.

Limits для гостей, пользователей и всей системы

Официальная документация разделяет лимиты для users, guests и system. Это правильно: гость, авторизованный пользователь и весь сайт имеют разные риски. Для первого публичного запуска обычно достаточно лимита по количеству запросов, а не по стоимости. Стоимостные лимиты сложнее, потому что разные провайдеры и модели считают расходы по-разному, а в некоторых случаях подсчёт может быть неточным.

Практичный старт: ограничьте гостей строгим лимитом, авторизованных пользователей - более мягким, а system limit используйте как общий предохранитель на случай ошибки, бота, зацикленного кода или неожиданного трафика. Затем посмотрите Insights за несколько дней и корректируйте значения по реальному поведению.

Откат спорной настройки

Если после включения функции сайт ведёт себя странно, откат должен быть быстрым. Сначала выключите публичный вывод конкретного chatbot или form, затем отключите streaming, затем временно выключите модуль, который вы недавно включили. Не удаляйте данные и не меняйте сразу несколько параметров. Один шаг - одна проверка. Иначе вы не поймёте, что именно исправило проблему.

Для продакшн-сайта полезно вести короткую таблицу изменений: дата не нужна в статье, но в рабочем журнале администратора стоит записывать, какой environment, model, chatbot ID, page ID и limits использовались в момент теста. Когда появится ошибка "не отвечает" или "контекст не подставился", такие записи сэкономят часы.

Чатботы, content-aware и знания: как добиться ответов по материалам сайта

Чатбот в AI Engine Pro может быть простым интерфейсом к модели или более умным помощником, который получает контекст страницы, обращения пользователя и knowledge base. Разница принципиальная. Если вы просто добавили красивый виджет без контекста, модель будет отвечать общими знаниями и может уверенно придумывать детали. Если вы настроили instructions, content-aware или embeddings, чатбот получает шанс отвечать по вашим материалам.

Три уровня знания для первого чатбота

Первый уровень - инструкции. В них задают роль, границы ответа, стиль, запрет на выдумывание и правила перенаправления пользователя. Для сайта услуг это может быть "отвечай только по информации сайта, если ответа нет - предложи связаться с менеджером". Второй уровень - content-aware. Официальный tutorial показывает placeholder {CONTENT}, который подставляет очищенный текст текущей страницы в контекст. Это хорошо подходит для вопросов по конкретной статье, услуге или странице продукта.

Третий уровень - embeddings. Pro-документация объясняет, что пользовательский запрос векторизуется, затем подходящие embeddings добавляются в контекст чатбота. Это не "поиск по базе" в привычном смысле, а подбор релевантных фрагментов, которые модель использует при генерации ответа. Embeddings полезны, когда чатбот должен помнить не одну страницу, а много записей, справку, контакты, правила, каталог или базу знаний.

Почему content-aware иногда не видит страницу

Серьёзный нюанс из документации: content-aware и Knowledge Push получают контент из записи WordPress, а не из финального HTML, который посетитель видит после работы билдера, ACF, shortcode или стороннего плагина. Если важный текст хранится не в стандартном поле post content, чатбот может не увидеть его. Проверка делается через Dev Tools и кнопку получения контента, а при shortcode-сценарии может помочь опция resolve shortcodes. Для сложных полей разработчик может использовать фильтр mwai_contentaware_content($content) или отдельный Content Parser add-on.

Это типичный пример, где AI Engine Pro работает корректно, но сайт устроен сложнее стандартной записи WordPress. Поэтому не оценивайте качество knowledge по одному вопросу. Сначала проверьте, какой контент реально попадает в запрос, затем уже меняйте instructions, модель или embeddings.

Embeddings в Pro: что проверить до импорта базы знаний

Для embeddings требуется среда и, в зависимости от выбранного сервиса, внешняя векторная база. Официальный tutorial упоминает Pinecone и Qdrant как примеры. Перед массовой синхронизацией проверьте маленький набор: один контактный блок, одну страницу услуги, один фрагмент FAQ. Затем задайте чатботу вопросы словами посетителя, а не точными заголовками из админки.

В документации по ошибкам embeddings есть несколько полезных проверок: выбрана ли knowledge environment в chatbot settings, не слишком ли низкий или высокий minimum score, есть ли максимальное число embeddings для добавления в context, попадают ли embedding-запросы в Insights, появляется ли найденный контекст в Discussion tab. Отдельно упоминается ошибка несоответствия vector dimension, когда размерность индекса не совпадает с моделью embeddings. Это не лечится промптом - нужно согласовать модель и индекс.

Проверка результата для чатбота

Сделайте короткий набор тестовых вопросов: один вопрос с точным ответом на странице, один вопрос по теме из базы знаний, один вопрос вне темы и один вопрос с просьбой нарушить инструкцию. Успешная настройка означает не то, что чатбот отвечает длинно, а то, что он отвечает в рамках доступного контекста, признаёт отсутствие данных и не выдаёт выдуманные ссылки, цены, адреса или условия.

Если чатбот отвечает слишком общо, проверьте instructions и наличие контекста. Если отвечает уверенно, но неверно, уменьшите свободу в инструкции и добавьте явное правило не выдумывать. Если embeddings не используются, проверьте выбранную knowledge environment, query mode и context max length. Если ответы слишком медленные, не спешите обвинять плагин: официальная документация по long response times и streaming указывает, что задержка часто зависит от провайдера, расстояния, хостинга и поддержки SSE.

AI Forms: когда форма лучше чатбота и как собрать рабочий сценарий

AI Forms - одна из функций, которую легко недооценить. Чатбот хорош для свободного диалога, но плохо подходит для задач, где вы хотите получить один структурированный результат из заранее известных параметров. Официальная документация прямо объясняет, что AI Forms удобны для сценариев, где нужно создать custom response на основе user input, например quiz или decision tree, и часто это проще, чем пытаться обучить чатбот шаг за шагом вести пользователя к одному outcome.

Из каких блоков строится форма

AI Forms используют Gutenberg blocks. Документация описывает container, fields, submit prompt и output. Container держит структуру и оформление, fields собирают данные пользователя, submit prompt отправляет шаблон запроса в AI, а output показывает ответ. Поля можно подставлять в prompt через фигурные скобки: если поле называется WORD, конструкция {WORD} заменится пользовательским вводом.

Если сайт работает на стороннем page builder и форму неудобно собирать прямо в записи, можно включить Forms Editor и вставить форму через shortcode. Это важный практический нюанс: не нужно ломать страницу только ради Gutenberg, если форма может быть собрана в отдельном редакторе и выведена там, где позволяет builder.

Практический пример: форма подбора рекомендации для страницы услуги

Возьмём конкретную задачу: на странице консультационной услуги нужно дать посетителю первичную рекомендацию по типу проекта. Мы не собираем персональные документы и не обещаем юридическое или медицинское решение. Форма должна спросить сферу проекта, цель, ограничение и желаемый формат ответа, а затем показать аккуратный план следующего шага.

Цель

Получить короткую персональную подсказку на странице услуги: что подготовить перед обращением, какой формат консультации выбрать и какие вопросы задать менеджеру. Это уменьшает количество пустых заявок и помогает посетителю понять, подходит ли услуга.

Подготовка

• Включите модуль Forms и убедитесь, что выбран рабочий environment для текстовых ответов.
• Создайте тестовую страницу без индексации или с ограниченным доступом, чтобы не показывать черновик посетителям.
• Определите поля: PROJECT_TYPE, GOAL, LIMITATION и FORMAT.
• Решите, нужно ли сохранять form data в Insights. Для диагностики полезно, но для публичного режима оцените политику данных.

Шаги

1. Добавьте AI Form Container и выберите базовую тему оформления, чтобы форма не выглядела как сырой HTML.
2. Внутри container добавьте поля: select для типа проекта, input или textarea для цели, select для ограничения и select для формата ответа.
3. Добавьте AI Form Submit и составьте prompt с подстановками: "Составь краткую рекомендацию для проекта типа {PROJECT_TYPE}. Цель: {GOAL}. Ограничение: {LIMITATION}. Формат ответа: {FORMAT}. Не обещай точный результат, если данных недостаточно".
4. Добавьте AI Form Output и укажите его selector или ID в настройках submit, чтобы ответ выводился именно в нужный блок.
5. Откройте страницу как гость, заполните форму и проверьте, что submit блокирует повторную отправку во время обработки, а output получает ответ.

Проверка и нюанс

Проверяйте не только красивый ответ, но и поведение пустых полей, обязательность данных, повторную отправку, отображение markdown, сохранение данных в Insights и влияние кеша. Если ответ появляется не там, где ожидали, чаще всего проблема в selector output. Если форма собрана в builder, сначала убедитесь, что shortcode выводит правильную форму, а затем смотрите JavaScript и конфликт темы.

Когда AI Forms лучше не использовать

Не превращайте AI Forms в замену критичной формы заявки, оплаты, юридической анкеты или медицинского решения без отдельной проверки. AI-ответ должен быть подсказкой, черновиком, рекомендацией или интерактивным помощником, а не окончательным действием с последствиями для пользователя. Если результат должен быть строго детерминированным, лучше использовать обычную форму с правилами валидации и только затем, при необходимости, добавлять AI как вспомогательный текстовый слой.

Проверка результата перед публичным запуском

После настройки легко попасть в ловушку: администратор видит ответ в preview, считает задачу завершённой и выводит чатбот или форму на все страницы. Для AI Engine Pro этого мало. Нужно проверить не только факт ответа, но и путь запроса, качество контекста, поведение гостя, запись в Insights, лимиты и влияние темы. Иначе первая реальная проблема появится уже у посетителя, а не на тестовой странице.

Проверку лучше вести как короткий acceptance test: заранее определить, что считается успешным результатом, какие ошибки допустимы на тесте и какой параметр меняется после каждого неудачного прогона. Такой подход особенно важен для AI-инструментов, потому что модель может дать убедительный текст даже тогда, когда контекст подставился неправильно.

Тест чатбота по четырём типам вопросов

Для первого chatbot подготовьте небольшой набор вопросов. Не используйте только идеальные формулировки из вашей админки. Посетители пишут неточно, сокращают названия, путают разделы и задают вопросы в разговорном виде. Поэтому тест должен включать разные ситуации.

• Вопрос с точным ответом на странице, где включён content-aware. Здесь chatbot должен ответить по текущему материалу, а не общими знаниями.
• Вопрос по базе знаний или embeddings. Здесь важно увидеть, что найденные фрагменты действительно добавились в context.
• Вопрос вне темы сайта. Здесь хороший ответ - вежливый отказ или предложение обратиться к человеку, а не фантазия.
• Вопрос с попыткой обойти инструкцию. Здесь проверяется не абсолютная безопасность, а устойчивость ваших базовых ограничений.

После каждого ответа смотрите Insights и Discussion tab, если они включены. Вам нужно понять, какая model ответила, какой chatbot ID использовался, был ли embedding-запрос и не превысил ли запрос лимит. Если ответ хороший, но Insights пустой, значит вы проверяете не тот слой или не включили сохранение нужных данных.

Тест AI Forms на повторяемость

AI Forms нужно тестировать иначе. Здесь меньше свободы диалога, зато больше риска в полях, selector output и повторной отправке. Проверьте форму минимум на трёх наборах данных: обычный пользовательский ввод, пустое обязательное поле и длинный ввод с лишними деталями. Если submit prompt использует имена полей в фигурных скобках, убедитесь, что все placeholders заменяются реальными значениями.

Отдельно проверьте, как форма ведёт себя после ошибки AI-провайдера. Хороший интерфейс не должен зависать в состоянии вечной отправки. Если result block остаётся пустым, смотрите selector output, консоль браузера и запись query. Если форма находится внутри page builder, протестируйте её и как авторизованный администратор, и как гость, потому что builder иногда меняет разметку или порядок загрузки скриптов.

Тест лимитов и поведения гостей

Лимиты лучше проверять до публичного запуска. Создайте низкий guest limit на тестовой странице и отправьте несколько запросов как гость. Вы должны увидеть сообщение о достижении лимита и запись в Insights. Затем проверьте авторизованного пользователя с другим лимитом. Это покажет, что AI Engine Pro действительно различает guests, users и system, а не применяет одно общее правило ко всем.

Не ставьте боевые лимиты наугад. Если сайт получает мало трафика, строгий дневной лимит для гостей может быть нормальным. Если чатбот встроен в справку с большим числом посетителей, слишком низкое значение создаст ложное ощущение поломки. Правильная настройка обычно появляется после нескольких циклов: тестовый лимит, просмотр Insights, корректировка, повторная проверка.

Тест производительности и streaming

Потоковая выдача делает чат приятнее, но зависит от модели, провайдера, хостинга и поддержки SSE. Проверьте один и тот же запрос со streaming и без него. Если без streaming ответ стабилен, а с ним обрывается, проблема может быть в хостинге или сетевом слое. Если оба режима медленные, уменьшайте prompt, контекст, число embeddings или выбирайте более быструю модель.

Не измеряйте скорость одним вопросом. Возьмите короткий вопрос, вопрос с контекстом страницы и вопрос с embeddings. Так вы увидите, что именно тормозит: модель, подстановка контента, поиск знаний или вывод на странице. Для публичного запуска важнее стабильность, чем эффект печатающегося текста. Если streaming создаёт ошибки, временно отключите его и вернитесь к настройке позже.

MCP, REST API и function calling: мощные режимы для аккуратных пользователей

AI Engine Pro интересен тем, что не ограничивается виджетом на публичной странице. Он может служить мостом между WordPress и внешними AI-приложениями через MCP, а также предоставлять REST API и инструменты для разработчиков. Это мощно, но именно здесь особенно важны роли, токены, список доступных инструментов и понимание последствий.

MCP как доступ AI-приложения к WordPress

Документация описывает MCP server как структурированный API-like интерфейс, через который приложение вроде ChatGPT или Claude может видеть tools и выполнять действия: получать данные, обновлять контент, управлять сущностями WordPress. В настройках AI Engine нужно включить MCP, задать Bearer Token и выбрать, какие tools будут exposed.

Для администратора это открывает сценарии вроде "подготовь черновик записи", "проверь медиа", "собери список страниц без описаний" или "помоги с контентом". Для разработчика - возможность строить собственные MCP-инструменты. Но для публичного сайта это не функция "включить и забыть". Bearer Token должен оставаться секретом, а набор tools нужно ограничивать тем, что действительно нужно конкретному доверенному приложению.

Когда использовать MCP, а когда function calling

MCP лучше подходит, когда внешнее AI-приложение должно работать с WordPress как с набором tools. Function calling уместнее, когда чатбот внутри сайта должен вызвать конкретную заранее подготовленную функцию: например получить доступное время, проверить статус записи, вернуть данные из внутреннего каталога. Если задачу можно описать как один контролируемый вызов, не обязательно открывать широкий MCP-слой.

Хорошее правило: чем шире доступ, тем меньше пользователей и тем больше журналирования. Для публичного посетителя - чатбот и формы с лимитами. Для редактора - Copilot, Playground, внутренний assistant. Для администратора - MCP и REST только после тестов, с закрытым доступом и понятным rollback.

Public REST API и безопасность доступа

Документация по Public REST API указывает, что по умолчанию он отключён. При включении запросы должны быть аутентифицированы, а доступ также ограничивается limits AI Engine. Примеры с открытием функции всем пользователям отмечены как нежелательные или требующие осторожности. Для обычного руководства достаточно вывода: включайте Public REST API только под конкретную интеграцию и не открывайте endpoints публично без авторизации.

Если разработчик строит внешнее приложение, используйте nonce или собственный Bearer Token, проверку прав и отдельные лимиты. Не храните секреты в JavaScript, который видит любой посетитель. Не подключайте внешние системы, пока не понятно, какие данные они отправляют и какой пользователь WordPress считается автором действия.

Практичные идеи применения на разных типах сайтов

AI Engine Pro раскрывается лучше, когда вы не пытаетесь включить "AI везде", а выбираете один понятный сценарий под тип сайта. Ниже - несколько рабочих направлений, основанных на подтверждённых возможностях: чатбот, формы, embeddings, usage insights, редакторские AI-инструменты и управляемые интеграции.

База знаний или сайт услуг

Для базы знаний начните с content-aware на статьях и embeddings для основных справочных материалов. Чатбот должен помогать найти ответ, а не заменять навигацию. В instructions добавьте правило ссылаться только на доступные материалы и признавать отсутствие данных. Проверяйте результат вопросами, которые посетители реально задают: "как записаться", "какие документы нужны", "что делать, если письмо не пришло".

Контентный сайт и редакционная команда

Редактору полезны Copilot, Playground и templates для черновиков, переводов, исправлений и подготовки кратких вариантов текста. При этом не стоит автоматически публиковать AI-ответы без редакторской проверки. Лучше сделать AI Engine Pro рабочим инструментом подготовки, а финальное решение оставить человеку: он проверит факты, тон, ссылки, юридические формулировки и соответствие бренду.

Лендинг с интерактивным подбором

Для лендинга чаще сильнее AI Forms, чем чатбот. Посетитель вводит 3-5 параметров, получает персональную подсказку и понимает, какой следующий шаг выбрать. Такой сценарий легче контролировать, потому что prompt заранее структурирован, а output расположен в известном месте. Добавьте лимиты для гостей и проверьте, не сохраняете ли вы лишние персональные данные в Queries Form Data.

Административные сценарии и агентская работа

MCP и developer API интересны для агентств и технических владельцев сайтов: можно автоматизировать черновики, проверки, медиа, SEO-задачи и внутренние операции. Но такие сценарии нельзя запускать на живом сайте без staging, резервной копии и ограниченных tools. AI-инструмент должен помогать администратору, а не получать неограниченное право менять всё подряд.

Мини-итог: для публичного посетителя выбирайте chat или AI Forms, для редактора - Copilot и Playground, для знаний - embeddings, для разработчика - MCP, REST API и filters. Не смешивайте эти уровни доступа в одном первом запуске.

Безопасное улучшение: условный вывод чатбота через shortcode

Официальная документация по первому chatbot показывает несколько вариантов вывода: site-wide feature, shortcode и block. Там же описана идея shortcode override для условий показа. Это полезный безопасный приём, если вы хотите показать AI-чат не на всех страницах, а только там, где он действительно помогает: в справке, на страницах услуг или в личном кабинете.

Ниже - маленький пример для Code Snippets или дочерней темы. Он не правит ядро WordPress и не меняет файлы плагина. Замените массив $allowed_pages на ID страниц, где чат должен появляться, и проверьте ID chatbot в shortcode. Если у вас не default, используйте свой ID из вкладки Chatbots.

add_shortcode( 'site_help_ai_chat', function () {
    $allowed_pages = array( 42, 105 ); // ID страниц, где нужен AI-чат.

    if ( ! is_page( $allowed_pages ) ) {
        return '';
    }

    return do_shortcode( '[mwai_chatbot id="default"]' );
} );

После добавления snippet вставьте shortcode [site_help_ai_chat] на тестовую страницу. Проверьте страницу из гостевого браузера, затем откройте страницу, которой нет в массиве $allowed_pages. На разрешённой странице чат должен появиться, на остальных - нет. Откат простой: отключите snippet или удалите shortcode со страницы.

Этот подход удобен, когда site-wide режим слишком широк. Например, чатбот уместен в справке и на странице услуги, но не нужен на checkout, в политике конфиденциальности, на тяжёлых лендингах или там, где уже есть другой интерактивный виджет. Если используете кеш, после изменения условий очистите кеш конкретных страниц.

Почему AI Engine Pro может не работать и как искать причину

Диагностика AI Engine Pro должна идти по слоям. Сначала проверьте AI-провайдера и environment, затем WordPress REST API, затем модуль плагина, затем вывод на странице, затем кеш, тему и сторонние оптимизации. Если сразу менять prompt, модель, дизайн и настройки сервера, можно случайно скрыть настоящую причину.

Чатбот отвечает в админке, но не работает на живой странице

Симптом: preview в настройках отвечает, а посетитель на сайте видит пустой виджет, ошибку отправки или бесконечную загрузку.

Возможная причина: закрыт или ограничен WordPress REST API, публичный запрос требует авторизации, security-плагин блокирует endpoint, тема или оптимизатор ломает JavaScript. Официальная troubleshooting-страница для live website issues прямо указывает на роль REST API.

Что проверить: откройте /wp-json, посмотрите Network в браузере, временно отключите оптимизацию JavaScript на тестовой странице, проверьте страницу как гость. Если запросы получают отказ авторизации, ищите правило безопасности или ограничение REST API.

Как исправить: разрешите нужный REST-доступ для публичного сценария, исключите страницу или скрипты из агрессивной оптимизации, отключите site-wide режим и протестируйте block/shortcode на одной странице. Если причина в хостинге, передайте поддержку конкретный URL и ошибку из Network.

Content-aware не подставляет текст страницы

Симптом: chatbot должен отвечать по текущей странице, но ведёт себя так, будто не видит её содержимое.

Возможная причина: текст хранится не в стандартном post content, а в builder, ACF, shortcode, метаполях или стороннем компоненте. Документация объясняет, что content-aware получает данные из записи WordPress, а не из финально отрисованного HTML.

Что проверить: включите Dev Tools в настройках AI Engine, используйте проверку полученного контента, посмотрите, заменился ли placeholder {CONTENT} фактическим текстом. Если текста нет, проблема не в модели.

Как исправить: включите resolve shortcodes, если контент приходит из shortcode. Для ACF и сложных builder-структур используйте Content Parser add-on или разработческий фильтр mwai_contentaware_content($content). Если быстрое исправление невозможно, не обещайте пользователю ответы по этой странице.

Embeddings созданы, но chatbot их не использует

Симптом: база знаний есть, но ответы остаются общими или chatbot не находит нужный фрагмент.

Возможная причина: knowledge environment не выбран в chatbot settings, minimum score или max embeddings настроены неудачно, context max length слишком мал, embedding-запрос не выполняется, размерность векторного индекса не совпадает с моделью.

Что проверить: используйте Query mode в Knowledge tab, Insights для проверки embedding-запроса и Discussion tab, где виден добавленный контекст. Убедитесь, что query сформулирован словами пользователя, а не только точным названием записи.

Как исправить: выберите knowledge environment в chatbot, настройте score и число embeddings, увеличьте context max length, согласуйте модель embeddings и индекс. Если ошибка указывает на vector dimension mismatch, исправляйте модель или индекс, а не prompt.

Ошибка квоты или лимита провайдера

Симптом: ответ сообщает о превышении квоты, лимита или невозможности выполнить запрос.

Возможная причина: у внешнего провайдера не настроены billing details, исчерпаны лимиты, выбранная модель недоступна, ошибка была сохранена кешем. Документация по quota подчёркивает, что AI Engine не содержит моделей и зависит от внешнего сервиса.

Что проверить: выполните запрос в AI Playground или напрямую в панели провайдера, проверьте environment test, временно очистите кеш страницы, посмотрите Insights и фактическую модель.

Как исправить: исправьте настройки провайдера, выберите доступную модель, задайте лимиты в AI Engine, очистите кеш. Если ошибка видна только в публичном виджете, проверьте, не закешировал ли сайт старый ответ.

Ответы идут слишком медленно или streaming не работает

Симптом: пользователь долго ждёт ответ, потоковая выдача не появляется или обрывается.

Возможная причина: задержка провайдера, расстояние до сервиса, модель с длинным временем ответа, хостинг без нормальной поддержки SSE, proxy или firewall. Официальная страница hosting and streaming связывает streaming с поддержкой Server-Sent Events.

Что проверить: отключите streaming и сравните обычный ответ, попробуйте более лёгкую модель, проверьте другой хостинг или staging, посмотрите сетевые запросы.

Как исправить: используйте модель быстрее, сократите prompt и context, временно отключите streaming, уточните поддержку SSE у хостинга. Если задержка идёт от AI-провайдера, плагин не сможет ускорить её сам.

История запросов или данные формы не видны

Симптом: вы ожидаете увидеть query details или form input в Insights, но данных нет.

Возможная причина: Insights включён, но Queries Data или Queries Form Data не включены, либо запрос не дошёл до AI Engine.

Что проверить: включены ли нужные options в Settings, появляется ли сам запрос в Queries, нет ли ошибок REST API, выбран ли правильный chatbot или form.

Как исправить: включите хранение данных только на период диагностики или с учётом политики сайта. Если данные чувствительные, лучше собирать минимальный набор и ограничить доступ администраторов.

Когда AI Engine Pro будет удачным выбором

AI Engine Pro стоит использовать, если вам нужен контролируемый AI-слой внутри WordPress: один продукт для чатботов, AI Forms, embeddings, редакторских инструментов, usage insights, API и аккуратных интеграций. Он особенно хорош, когда сайт уже живёт в WordPress, а команда хочет не просто добавить внешний виджет, а связать AI с контентом, ролями, лимитами и админ-процессами.

Не начинайте с максимума. Сначала настройте environment, проверьте простой chatbot или AI Form на тестовой странице, включите Insights, задайте лимиты и убедитесь, что REST API, кеш и хостинг не мешают. Потом добавляйте content-aware, embeddings, MCP и developer-сценарии. Такой путь медленнее в первый день, зато даёт понятный результат и меньше неожиданных ошибок.

Если после чтения вы понимаете, какой сценарий будете тестировать первым и какие проверки проведёте до публичного запуска, можно скачать установочный файл и подготовить безопасный пробный запуск на staging или отдельной тестовой странице. Финальное решение принимайте не по списку функций, а по тому, насколько продукт стабильно отвечает на вопросы вашего сайта, укладывается в лимиты и не усложняет работу редакторов.