Steg 2: anslut Google Sheets

Hämta senaste idéerna och lägg till nya inlägg i ert ark.

1. Öppna Retrieve Sheet Rows och välj målark och flik.
2. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Retrieve Sheet Rows.
3. Öppna Append Sheet Record och välj samma ark/flik för utdata.
4. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Append Sheet Record.
5. I Append Sheet Record > Columns, behåll mappningarna enligt konfigurationen, inklusive idea till {{ $('Flatten Output').item.json.idea }} och output till {{ $json.output.post }}.

Steg 3: begränsa och researcha idéer

Använd senaste idéerna för att undvika duplicering och skapa nya, researchbaserade ämnen.

1. I Restrict Items, ställ in keep till lastItems och maxItems till 5.
2. Öppna Perplexity Research Query och behåll model inställd på sonar-pro.
3. Verifiera att systemprompten refererar till de fem senaste idéerna med uttryck som {{ $('Restrict Items').all()[0].json.idea }} för att undvika upprepningar.
4. Inloggningsuppgifter krävs: Anslut era perplexityApi-inloggningsuppgifter i Perplexity Research Query.

Steg 4: konfigurera AI-tolkning och generering av inlägg

Tolka idéer, skriv LinkedIn-inlägg och säkerställ strukturerad JSON-utdata.

1. Öppna OpenAI Chat Engine och välj modellen gpt-4.1-mini med de angivna alternativen.
2. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i OpenAI Chat Engine.
3. I Interpret Ideas, ställ in text till {{ $json.choices[0].message.content }} och behåll hasOutputParser aktiverad.
4. Säkerställ att Idea JSON Parser är kopplad som output parser för Interpret Ideas. Denna parser är en sub-nod; inloggningsuppgifter hanteras av OpenAI Chat Engine, inte av parsern i sig.
5. I Compose LinkedIn Post, ställ in text till Generate a post based on this: Idea: {{ $json.idea }} Details: {{ $json.details }} Style: {{ $json.style }} Your output must always be in the following JSON format: { "post": "" } och behåll hasOutputParser aktiverad.
6. Säkerställ att Post JSON Parser är kopplad som output parser för Compose LinkedIn Post. Denna parser är en sub-nod; inloggningsuppgifter hanteras av OpenAI Chat Engine, inte av parsern i sig.

Steg 5: transformera utdata och skicka notiser

Platta ut AI-utdata-arrayen och avisera ert team efter att data har lagts till.

1. I Flatten Output, behåll jsCode inställd på return $input.first().json.output.flat(1).
2. Bekräfta flödet Interpret Ideas → Flatten Output → Compose LinkedIn Post → Append Sheet Record.
3. Öppna Telegram Alert och ställ in chatId till ert Telegram-ID och ersätt [YOUR_ID].
4. Behåll notisens text som New ideas for LinkedIn have been generated!.

Steg 6: testa och aktivera ert arbetsflöde

Validera körningen från start till mål och slå på schemat.

1. Klicka på Execute Workflow för att köra ett manuellt test från Timed Schedule Start.
2. Bekräfta att Append Sheet Record lägger till nya rader med värden mappade från Flatten Output och Compose LinkedIn Post.
3. Kontrollera att Telegram Alert skickar notisen efter att tillägget i arket är klart.
4. Växla arbetsflödet till Active för att köra automatiskt vid schemalagd tid.