Steg 2: Rutta meddelandetyper och hämta bilder

Dela upp flödet så att textmeddelanden och bildmeddelanden hanteras på rätt sätt.

1. Öppna Route Message Type och verifiera att den första regeln kontrollerar Left Value ={{ $json.message.text }} med operatorn string exists.
2. Verifiera att den andra regeln kontrollerar Left Value ={{ $json.message.photo[2] }} med operatorn object exists.
3. Bekräfta att utgången märkt Text går till Compose Text Prompt, och att utgången märkt Image går till Retrieve Telegram File.
4. I Retrieve Telegram File, ställ in Resource på file och File ID på ={{ $json.message.photo[2].file_id }}.
5. Credential Required: Anslut era telegramApi-uppgifter i Retrieve Telegram File.

Steg 3: Analysera bilder och skapa prompts

Förbered ren text för AI:n genom att bygga promptsträngar från användarens text eller bildanalys.

1. Öppna Inspect Image Content och ställ in Resource på image, Input Type på binary och Operation på analyze.
2. Ställ in Model på models/gemini-2.5-flash.
3. Credential Required: Anslut era googlePalmApi-uppgifter i Inspect Image Content.
4. I Compose Image Prompt, lägg till en strängtilldelning med namnet text med värdet =User image description: {{ $json.content.parts[0].text }} User image caption: {{ $('Telegram Incoming Trigger').item.json.message.caption }}.
5. I Compose Text Prompt, lägg till en strängtilldelning med namnet text med värdet ={{ $json.messages[0].text.body }}.

Steg 4: Sätt upp AI-agenten och minnet

Konfigurera AI-assistenten så att den svarar på antingen text- eller bildprompts och behåller kontexten i konversationen.

1. Öppna Context Response Agent och ställ in Text till =Use these Descriptions to reply with a message to the user according to his question simply, shortly, and make sure he understand the thing he attaches: "" {{ $json.text }} "" I need your output message to be well spaced and formatted and look as attractive as possible for a telegram response!.
2. Säkerställ att både Compose Text Prompt och Compose Image Prompt är anslutna till Context Response Agent.
3. Öppna Session Memory Buffer och ställ in Session Key till =memory_{{ $('Telegram Incoming Trigger').item.json.message.message_id }} med Context Window Length satt till 20.
4. Bekräfta att Session Memory Buffer är länkat till Context Response Agent via anslutningen ai_memory.
5. Öppna Gemini Chat Engine och anslut den till Context Response Agent som ai_languageModel.
6. Credential Required: Anslut era googlePalmApi-uppgifter i Gemini Chat Engine.

Steg 5: Konfigurera Telegram-svaret

Skicka det AI-genererade svaret tillbaka till den Telegram-chatt där det kom ifrån.

1. Öppna Dispatch Telegram Reply och ställ in Text till ={{ $json.output }}.
2. Ställ in Chat ID till ={{ $('Telegram Incoming Trigger').item.json.message.chat.id }}.
3. Credential Required: Anslut era telegramApi-uppgifter i Dispatch Telegram Reply.

Steg 6: Testa och aktivera ert arbetsflöde

Validera hela flödet för både text- och bildmeddelanden och aktivera sedan automatiseringen.

1. Klicka på Execute Workflow och skicka ett textmeddelande till er Telegram-bot för att testa flödet Route Message Type → Compose Text Prompt → Context Response Agent.
2. Skicka en bild med en bildtext för att testa flödet Retrieve Telegram File → Inspect Image Content → Compose Image Prompt → Context Response Agent.
3. Bekräfta att ett korrekt formaterat svar kommer via Dispatch Telegram Reply.
4. Växla arbetsflödet till Active för att köra det kontinuerligt i produktion.