Steg 2: anslut datakällor och parametrar

Definiera API-endpoints, larmkanaler och tröskelvärden och hämta sedan data från flera källor parallellt.

1. Öppna Set Workflow Parameters och ställ in följande fält till era riktiga endpoints och värden: financialApiUrl, operationalApiUrl, legalApiUrl, insuranceApiUrl, regulatoryApiUrl, correctionWorkflowUrl, investorEmails, slackChannel och riskThreshold (standard 70).
2. Verifiera att HTTP-noderna använder parameteruttrycken: Retrieve Financial Metrics URL ={{ $('Set Workflow Parameters').first().json.financialApiUrl }}, Retrieve Operational Metrics URL ={{ $('Set Workflow Parameters').first().json.operationalApiUrl }}, Retrieve Legal Records URL ={{ $('Set Workflow Parameters').first().json.legalApiUrl }}, Retrieve Insurance Details URL ={{ $('Set Workflow Parameters').first().json.insuranceApiUrl }}, Retrieve Regulatory Updates URL ={{ $('Set Workflow Parameters').first().json.regulatoryApiUrl }}.
3. Notera den parallella exekveringen: Set Workflow Parameters skickar utdata både till Retrieve Financial Metrics och Retrieve Operational Metrics parallellt, samt även till Retrieve Legal Records, Retrieve Insurance Details och Retrieve Regulatory Updates parallellt.
4. Öppna Combine Data Streams och ställ in Number Inputs till 5, och anslut sedan varje hämtningsnod till motsvarande input.

Steg 3: sätt upp AI-riskanalys och parsning

Analysera den sammanslagna datan med en AI-agent och parsa dess utdata till ett strukturerat schema.

1. Öppna OpenRouter Chat Engine och ställ in Model till qwen/qwen-max.
2. Autentiseringsuppgifter krävs: Anslut era openRouterApi-autentiseringsuppgifter i OpenRouter Chat Engine.
3. Öppna AI Risk Analysis Agent och ställ in Text till ={{ $json }}, och säkerställ att Prompt Type är Define och att systemmeddelandet matchar era krav för riskanalysen.
4. Koppla Structured Risk Parser som output-parser. Den använder ett manuellt schema som definierar fält som overallRiskScore, complianceIssues och recommendations.
5. Obs: Structured Risk Parser är en AI-subnod — autentiseringsuppgifter ska läggas till på föräldranodens modell (OpenRouter Chat Engine), inte i parsern.
6. Anslut Combine Data Streams till AI Risk Analysis Agent.

Steg 4: konfigurera logik för risktrösklar och åtgärder för riskreducering

Använd villkorskontroller för att trigga korrigerande åtgärder när risk- eller regelefterlevnadsproblem överskrider tröskelvärden.

1. Öppna Evaluate Risk Thresholds och bekräfta att OR-logikkontrollerna är satta till: ={{ $('AI Risk Analysis Agent').item.json.overallRiskScore }} gte ={{ $('Set Workflow Parameters').first().json.riskThreshold }}, ELLER ={{ $('AI Risk Analysis Agent').item.json.complianceIssues }} lengthGt 0.
2. Öppna Build Mitigation Actions och behåll JavaScript-koden som bygger åtgärdsobjektet; den sätter urgency till critical när overallRiskScore >= 80.
3. Konfigurera Invoke Correction Process med Method POST, URL ={{ $('Set Workflow Parameters').first().json.correctionWorkflowUrl }} och JSON Body ={{ $json }}.
4. Anslut AI Risk Analysis Agent → Evaluate Risk Thresholds, sedan Evaluate Risk Thresholds → Build Mitigation Actions → Invoke Correction Process → Slack Risk Alert.

Steg 5: konfigurera rapportutdata (e-post och Slack)

Skicka investerarrapporter och Slack-larm baserat på analysresultat.

1. Öppna Prepare Report Fields och verifiera rapporttilldelningar som reportTitle Portfolio Risk & Compliance Report, reportDate ={{ $now.format('MMMM dd, yyyy') }} och riskLevel ={{ $json.overallRiskScore >= 80 ? 'Critical' : $json.overallRiskScore >= 60 ? 'High' : $json.overallRiskScore >= 40 ? 'Medium' : 'Low' }}.
2. Öppna Email Investor Report och ställ in Send To till ={{ $('Set Workflow Parameters').first().json.investorEmails }}, och behåll HTML-fälten Message och Subject som konfigurerade.
3. Autentiseringsuppgifter krävs: Anslut era gmailOAuth2-autentiseringsuppgifter i Email Investor Report.
4. Öppna Slack Risk Alert och säkerställ att Channel ID är satt till ={{ $('Set Workflow Parameters').first().json.slackChannel }} och att Authentication är oAuth2.
5. Autentiseringsuppgifter krävs: Anslut era slackOAuth2Api-autentiseringsuppgifter i Slack Risk Alert.
6. Anslut Evaluate Risk Thresholds till Prepare Report Fields, och därefter till Email Investor Report.

Steg 6: testa och aktivera ert arbetsflöde

Validera flödet end-to-end, verifiera utdata och aktivera schemalagd exekvering.

1. Använd Execute Workflow för att köra ett manuellt test från Scheduled Run Trigger.
2. Bekräfta att de fem hämtningsnoderna returnerar data och att Combine Data Streams skickar en sammanslagen payload till AI Risk Analysis Agent.
3. Kontrollera att Evaluate Risk Thresholds routar högriskobjekt till Build Mitigation Actions och lågriskobjekt till Prepare Report Fields.
4. Verifiera att en lyckad körning skickar ett formaterat e-postmeddelande från Email Investor Report och postar larm till Slack via Slack Risk Alert när tröskelvärden överskrids.
5. Växla arbetsflödet till Active för att aktivera den dagliga schemalagda körningen.