Steg 2: anslut Google Drive och callback för parsning

Ladda ned den nya filen och skicka den till den externa parsern, och ta sedan emot parserns callback i n8n.

1. I Download Drive File ställer ni in Operation på download och sätter File ID till {{ $json.id }}.
2. Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter i Download Drive File.
3. I Send File to Parser ställer ni in URL till https://api.cloud.llamaindex.ai/api/parsing/upload, Method till POST och Content Type till multipart-form-data.
4. I body-parametrarna för Send File to Parser sätter ni webhook_url till er produktions-URL för Incoming Parse Webhook, sätter file till formBinaryData med Input Data Field Name data, och behåller disable_ocr som true och disable_image_extraction som True.
5. I headers för Send File to Parser sätter ni accept till application/json, sätter Authorization till Bearer [CONFIGURE_YOUR_TOKEN] och behåller parsing_instruction som Please extract invoice line items: Name, Quantity, Unit Price, Amount.
6. Konfigurera Incoming Parse Webhook med HTTP Method POST och Path 0f7f5ebb-8b66-453b-a818-20cc3647c783.

Steg 3: konfigurera AI-extraktion och omvandling av radartiklar

Förbered prompt och schema, kör AI-extraktionen och konvertera sedan AI-svaret till artikelrader.

1. I Prepare Prompt Fields sätter ni prompt till Please, process parsed data and return only needed..
2. I Prepare Prompt Fields sätter ni schema till JSON-schemauttrycket i ={ ... } (lämna hela JSON-schemat som angivet).
3. I AI Extract Line Items sätter ni URL till =https://api.openai.com/v1/chat/completions och behåller uttrycket för JSON Body exakt som konfigurerat, inklusive modellen gpt-4o-mini och referenser till {{ JSON.stringify($('Prepare Prompt Fields').item.json.prompt) }} och {{ JSON.stringify( JSON.stringify($('Incoming Parse Webhook').item.json.body.json[0].items) ) }}.
4. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i AI Extract Line Items.
5. I Transform Line Items behåller ni JavaScript-koden som parsar utdata från AI Extract Line Items och returnerar varje rad som ett separat JSON-objekt.

Steg 4: konfigurera utdata-noder för Airtable

Skapa fakturaposten och skapa sedan en radpost för varje extraherad artikelrad.

1. I Generate Invoice Record ställer ni in Base till [YOUR_ID] och Table till [YOUR_ID] (Invoices-tabellen) med Operation inställt på create.
2. Inloggningsuppgifter krävs: Anslut era airtableTokenApi-inloggningsuppgifter i Generate Invoice Record.
3. I Create Item Records ställer ni in Base till [YOUR_ID] och Table till [YOUR_ID] (Line Items-tabellen) med Operation inställt på create.
4. Mappa kolumnerna i Create Item Records så här: Qty till {{ $json.qty }}, Unit price till {{ parseFloat($json.unit_price.replace('$', '').trim()) }}, Amount till {{ parseFloat($json.amount.replace('$', '').trim()) }}, Description till {{ $json.description }} och Invoices till ["{{ $('Generate Invoice Record').item.json.id }}"].
5. Inloggningsuppgifter krävs: Anslut era airtableTokenApi-inloggningsuppgifter i Create Item Records.

Steg 5: testa och aktivera ert arbetsflöde

Kör ett fullständigt test med en exempelfaktura för att verifiera parsning, AI-extraktion och skapande av poster i Airtable.

1. Klicka på Execute Workflow och ladda upp en testfaktura i den övervakade Google Drive-mappen för att trigga Drive File Watcher.
2. Bekräfta att Send File to Parser tar emot filen och att Incoming Parse Webhook anropas tillbaka med parsad data.
3. Verifiera att Generate Invoice Record skapar en ny post i Invoices-tabellen och att Create Item Records lägger till rader som är länkade till den fakturan.
4. Om testet lyckas, växla arbetsflödet till Active så att det körs automatiskt för nya filer.