Steg 2: lägg till routingvillkor för färdiga objekt

Filtrera fram endast objekt som är klara och tillhör kategorin Product innan utkastskapandet börjar.

1. Lägg till noden Ready Status Check och ställ in villkoret Left Value till ={{ $json.Status }}.
2. Ställ in Operator till equals och Right Value till n8n_ready.
3. Lägg till noden Product Category Gate och ställ in Left Value till ={{ $('Notion Update Watcher').item.json.Category[0] }}.
4. Ställ in Operator till equals och Right Value till Product.

Körflöde: Ready Status Check → Product Category Gate → Mark Item In Progress.

Steg 3: koppla statusuppdateringar i Notion

Markera objekt som pågående och senare slutförda i Notion när utkastet genereras.

1. I Mark Item In Progress, ställ in Resource till databasePage och Operation till update.
2. Ställ in Page ID till ={{ $('Notion Update Watcher').item.json.id }}.
3. I propertiesUi, ställ in Status|status till n8n_runing.
4. Inloggningsuppgifter krävs: Anslut era notionApi-uppgifter.
5. I Set Status Complete, ställ in Page ID till ={{ $('Notion Update Watcher').item.json.id }} och ställ in Status|status till =n8n_completed.
6. Inloggningsuppgifter krävs: Anslut era notionApi-uppgifter.

Körflöde: Product Category Gate → Mark Item In Progress → Generate Outline Draft → … → Set Status Complete.

Steg 4: konfigurera AI-kedjan för utkast

Generera en disposition med OpenAI och utveckla den till en fullständig artikel med Anthropic.

1. Konfigurera Generate Outline Draft med Model inställd på gpt-5-mini.
2. I meddelandena för Generate Outline Draft, referera till Notion-fälten i användarprompten: {{ $('Notion Update Watcher').item.json['Project name'] }} och {{ $('Notion Update Watcher').item.json.Notes }}.
3. Inloggningsuppgifter krävs: Anslut era openAiApi-uppgifter.
4. Konfigurera Compose Article Text med Model inställd på claude-sonnet-4-5-20250929 och Max Tokens till 64000.
5. Säkerställ att Compose Article Text refererar till dispositionen via {{ $json.choices[0].message.content }} samt Notion-fälten {{ $('Notion Update Watcher').item.json['Project name'] }} och {{ $('Notion Update Watcher').item.json.Notes }}.
6. Inloggningsuppgifter krävs: Anslut era anthropicApi-uppgifter.

Körflöde: Generate Outline Draft → Compose Article Text → Create Docs File.

Steg 5: konfigurera Google Docs-utdata och lagring av länk

Skapa ett Google Doc för varje utkast, infoga det genererade innehållet och lagra länken tillbaka i Notion.

1. I Create Docs File, ställ in Title till ={{ $('Notion Update Watcher').item.json['Project name'] }}.
2. Lämna Folder ID tomt om ni vill skapa dokument i roten, eller ställ in det på ett specifikt mapp-ID.
3. Inloggningsuppgifter krävs: Anslut era googleDocsOAuth2Api-uppgifter.
4. I Insert Draft Content, ställ in Operation till update och Document URL till ={{ $json.id }}.
5. Ställ in texten för infogningsåtgärden till ={{ $('Compose Article Text').item.json.content[0].text }}.
6. Inloggningsuppgifter krävs: Anslut era googleDocsOAuth2Api-uppgifter.
7. I Store Docs Link, ställ in Page ID till ={{ $('Notion Update Watcher').item.json.id }} och ställ in Google_Docs_Link|url till =https://docs.google.com/document/d/{{ $json.id }}.
8. Inloggningsuppgifter krävs: Anslut era notionApi-uppgifter.

Körflöde: Create Docs File → Insert Draft Content → Store Docs Link → Set Status Complete.

Steg 6: testa och aktivera ert arbetsflöde

Verifiera utkastskapandet från början till slut och säkerställ att statusuppdateringar och länkar skrivs tillbaka till Notion.

1. Uppdatera manuellt en Notion-sida i databasen Content Plan med Status inställd på n8n_ready och Category inställd på Product.
2. Klicka på Execute Workflow och bekräfta att Mark Item In Progress uppdaterar sidstatusen till n8n_runing.
3. Verifiera att Generate Outline Draft och Compose Article Text producerar innehåll utan fel.
4. Kontrollera att Create Docs File skapar ett nytt dokument och att Insert Draft Content infogar den genererade texten.
5. Bekräfta att Store Docs Link skriver en giltig Google Docs-URL och att Set Status Complete sätter statusen till n8n_completed.
6. Växla arbetsflödet till Active för att köra det automatiskt vid framtida Notion-uppdateringar.

Steg 2: anslut Google Drive för PDF-hämtning

Den här grenen hämtar och laddar ner PDF-resurser från Google Drive för extrahering och bearbetning.

1. Öppna Retrieve PDF Files och ställ in den Drive-fråga eller de sökkriterier som krävs utifrån era formulärinmatningar.
2. I Retrieve PDF Files, konfigurera åtkomst till Google Drive. Credential Required: Anslut era Google Drive-inloggningsuppgifter.
3. Öppna Download PDF Assets för att ladda ner matchande fil(er). Credential Required: Anslut era Google Drive-inloggningsuppgifter.
4. Bekräfta att flödet fortsätter från Retrieve PDF Files → Download PDF Assets → Extract File Contents.

Steg 3: konfigurera PDF-extrahering och datapreparering

Extrahera text från PDF:en och normalisera den innan den skickas till AI-logiken för beslut.

1. Öppna Extract File Contents och säkerställ att den är konfigurerad för att läsa den nedladdade binära fildatan.
2. Använd Isolate PDF Details för att mappa endast de fält som krävs från det extraherade innehållet till rena JSON-egenskaper.
3. Använd Parse and Clean Data för att hantera eventuell strängrensning, formatering eller fältnormalisering före AI-bearbetning.
4. Verifiera flödet: Extract File Contents → Isolate PDF Details → Parse and Clean Data → AI Decision Agent.

Steg 4: konfigurera AI-routning och generering av personligt brev

Det här arbetsflödet använder AI för att avgöra hur datan ska hanteras och genererar villkorligt ett personligt brev.

1. Öppna AI Decision Agent och konfigurera prompt eller instruktioner för att avgöra hur PDF:en ska hanteras.
2. Säkerställ att Gemini Chat Engine är ansluten som språkmodell för AI Decision Agent. Credential Required: Anslut era Google Gemini-inloggningsuppgifter i Gemini Chat Engine (inloggningsuppgifter läggs till på modellnoden, inte på agenten).
3. Konfigurera Route by Condition för att dela upp beteendet baserat på formulärinmatningar eller AI-utdatalogik.
4. Ställ in regler i Conditional Check för grenen som triggar skapande av personligt brev.
5. Öppna Cover Letter Assistant för att utforma innehållet i det personliga brevet och säkerställ att Gemini Chat Engine B är kopplad som språkmodell. Credential Required: Anslut era Google Gemini-inloggningsuppgifter i Gemini Chat Engine B.
6. Bekräfta grenflödet: Route by Condition → Conditional Check → Cover Letter Assistant → Combine Outputs.

Steg 5: generera den slutliga PDF:en och slå ihop utdata

Det här steget konverterar AI-utdata till en PDF och slår ihop den med resultaten från det valfria personliga brevet.

1. Öppna Convert HTML to PDF och konfigurera HTTP-begäran till er PDF-konverteringstjänst.
2. Validera att AI Decision Agent routar till Convert HTML to PDF, och därefter till Combine Outputs.
3. Bekräfta att Combine Outputs slår ihop indata från både Convert HTML to PDF och Cover Letter Assistant.

Steg 6: konfigurera e-postutskick

Skicka slutresultatet via Gmail när all bearbetning är klar.

1. Öppna Dispatch Email Notice och ange mottagare, ämne och brödtext för e-postmeddelandet.
2. Lägg till bilagor eller utdatalänkar från Combine Outputs vid behov.
3. Credential Required: Anslut era Gmail-inloggningsuppgifter i Dispatch Email Notice.
4. Bekräfta flödet: Combine Outputs → Dispatch Email Notice.

Steg 7: testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att validera båda grenarna och säkerställa att det slutliga e-postmeddelandet skickas korrekt.

1. Klicka på Test Workflow i n8n och skicka in ett exempelformulär till Form Submission Trigger.
2. Verifiera att Form Submission Trigger kör både Retrieve PDF Files och Route by Condition parallellt.
3. Bekräfta lyckade utdata i Combine Outputs och att Dispatch Email Notice skickar e-postmeddelandet med förväntat innehåll.
4. När ni är nöjda, växla arbetsflödet till Active för användning i produktion.

Steg 2: anslut externa datakällor

Konfigurera de två HTTP-förfrågningarna som hämtar FX- och kryptoprisdata.

1. I Fetch FX Rates ställer ni in URL till https://api.exchangerate-api.com/v4/latest/USD.
2. I Retrieve Crypto Prices ställer ni in URL till https://api.coingecko.com/api/v3/simple/price?ids=bitcoin,ethereum&vs_currencies=usd&include_24hr_change=true.
3. Anslut båda noderna till Combine Data Streams så att deras utdata slås ihop för vidare bearbetning.

Steg 3: sätt upp bearbetningsnoden

Använd kodnoden för att kombinera API-resultat och bygga en Notion-kompatibel payload.

1. Lägg till noden Combine Data Streams och anslut indata från Fetch FX Rates och Retrieve Crypto Prices.
2. I Compose Notion Payload klistrar ni in JavaScript-koden i fältet Code:
3. Använd exakt denna snippet: let fx,cg;for(const it of $input.all()){ if(it.json?.rates) fx=it.json; if(it.json?.bitcoin) cg=it.json; } const page={ properties:{ Title:{ title:[{ text:{ content:`Crypto+FX — ${new Date().toLocaleString('en-US',{timeZone:'Africa/Lagos'})}`}}]}, BTC:{ number: cg?.bitcoin?.usd ?? null }, BTC_24h:{ number: cg?.bitcoin?.usd_24h_change ?? null }, ETH:{ number: cg?.ethereum?.usd ?? null }, ETH_24h:{ number: cg?.ethereum?.usd_24h_change ?? null }, USD_EUR:{ number: fx?.rates?.EUR ?? null }, USD_NGN:{ number: fx?.rates?.NGN ?? null } } }; return [{json:page}];
4. Bekräfta körflödet: Combine Data Streams → Compose Notion Payload.

Steg 4: konfigurera Notion-utdata

Skapa en Notion-sida med hjälp av den kombinerade payload-datan.

1. Lägg till noden Add Page to Notion och anslut den till Compose Notion Payload.
2. Ställ in Page ID till den Notion-databas eller sid-URL som ni vill lägga till poster i.
3. Låt Simple vara satt till false för att möjliggöra anpassad property-mappning.
4. Credential Required: Anslut era Notion-inloggningsuppgifter.

Steg 5: testa och aktivera ert arbetsflöde

Kör ett manuellt test, verifiera data i Notion och aktivera arbetsflödet för körning varje timme.

1. Klicka på Execute Workflow för att trigga Hourly Schedule Trigger manuellt.
2. Verifiera att både Fetch FX Rates och Retrieve Crypto Prices returnerar data och slås ihop i Combine Data Streams.
3. Bekräfta att Add Page to Notion skapar en ny post med fält som BTC, ETH, USD_EUR och USD_NGN.
4. Växla arbetsflödet till Active för att köra automatiskt enligt timschemat.

Steg 2: Anslut Notion

Konfigurera Notion-datakällan så att sidor kan hämtas för analys av dubbletter.

1. Öppna Retrieve Notion Pages och ställ in Resource till databasePage och Operation till getAll.
2. Aktivera Return All genom att sätta den till true.
3. Ställ in Database ID till samma Notion-databas som ni vill skanna efter dubbletter.

Autentiseringsuppgifter krävs: Anslut era Notion-autentiseringsuppgifter i Retrieve Notion Pages.

Steg 3: Sätt upp datamappning och aggregering

Mappa de fält som behövs och samla all siddata i en enda samling för dubblettdetektering.

1. I Map Page Fields, sätt fältvärdet för id till {{ $json.id }}.
2. I Map Page Fields, ställ in property_to_check till den egenskap ni vill avduplicera, genom att ersätta ="SET YOUR PROPERTY HERE" med rätt värde eller uttryck.
3. Öppna Aggregate Page Data och ställ in Aggregate till aggregateAllItemData och Destination Field Name till pages.

Steg 4: Sätt upp dubblettdetektering och arkivering

Använd kodlogiken för att identifiera dubbletter och arkivera dem automatiskt.

1. Öppna Identify Duplicates och granska JavaScript-logiken för att bekräfta att den kontrollerar property_to_check mot den aggregerade arrayen pages.
2. I Archive Duplicate Pages, ställ in Operation till archive.
3. Ställ in Page ID i Archive Duplicate Pages till {{ $json.id }} så att den matchade dubbletten arkiveras.

Autentiseringsuppgifter krävs: Anslut era Notion-autentiseringsuppgifter i Archive Duplicate Pages.

Steg 5: Testa och aktivera ert arbetsflöde

Verifiera att arbetsflödet fungerar från början till slut och aktivera det sedan för kontinuerlig rensning.

1. Klicka på Execute Workflow för att köra ett manuellt test och bekräfta att Retrieve Notion Pages returnerar data, att Identify Duplicates ger ut poster och att Archive Duplicate Pages arkiverar dubbletter.
2. Kontrollera Notion-databasen för att säkerställa att endast dubblettsidor arkiveras och att originalposter förblir aktiva.
3. Slå på arbetsflödet med reglaget Active så att det dagliga schemat och triggringen för nya sidor körs i produktion.

Steg 2: Anslut hämtning av innehållskälla

Hämta det externa sidinnehållet från URL:en som lagras i Notion så att det kan sammanfattas.

1. Öppna External Page Fetch och ställ in URL till ={{ $json.URL }}.
2. Aktivera Send Headers och bekräfta att headers innehåller realistiska värden för User-Agent och Accept (redan angivet i noden).
3. Säkerställ att körflödet är Notion Change Listener → External Page Fetch.

Steg 3: Konfigurera AI-sammanfattning

Konfigurera AI-noden för att sammanfatta sidinnehållet och generera taggar med OpenAI.

1. I AI Summary Agent ställer ni in Prompt Type till define.
2. Ställ in Text till hela prompten:
3. =You are a helpful assistant. Summarize the following content in 3-5 sentences. Then suggest 3–6 concise tags (single-word or short phrases). {{ $json.data }} Respond as in valid markdown: **Summary**:
   **Tags**: tag1, tag2, ...
4. Anslut OpenAI Chat Engine som språkmodell för AI Summary Agent.
5. Autentisering krävs: Anslut era OpenAI-inloggningsuppgifter i OpenAI Chat Engine (inloggningsuppgifter läggs till i modellnoden, inte i AI Summary Agent).

Steg 4: Tolka utdata och uppdatera Notion

Extrahera sammanfattningen och taggarna från AI-svaret och skriv sedan tillbaka dem till Notion-posten.

1. Öppna Parse AI Output och behåll JavaScript Code exakt som angivet för att extrahera aiSummary och tags.
2. I Update Notion Record ställer ni in Page ID till ={{ $('Notion Change Listener').item.json.id }}.
3. Under Properties mappar ni AI summary|rich_text till ={{ $json.aiSummary }} och Tags|multi_select till ={{ $json.tags }}.
4. Autentisering krävs: Anslut era Notion-inloggningsuppgifter i Update Notion Record.

Steg 5: Testa och aktivera ert arbetsflöde

Verifiera flödet från start till mål och aktivera arbetsflödet för löpande användning.

1. Klicka på Execute Workflow och trigga en ändring i raden i Notion-databasen som innehåller en giltig URL.
2. Bekräfta att flödet körs i ordning: Notion Change Listener → External Page Fetch → AI Summary Agent → Parse AI Output → Update Notion Record.
3. Kontrollera Notion-sidan för att verifiera att fälten AI summary och Tags uppdaterades korrekt.
4. Växla arbetsflödet till Active för att köra automatiskt varje minut.

Steg 2: Anslut Telegram Intake

Konfigurera noden som hämtar röstmeddelandedata från Telegram före transkribering.

1. Öppna Telegram Intake och säkerställ att den följer efter Telegram Event Trigger.
2. Mappa inkommande Telegram-meddelande eller filinnehåll enligt vad som krävs för nästa nod.

Steg 3: Konfigurera AI-bearbetning

Transkribera röstmeddelandet och bearbeta det med AI-agenten.

1. Öppna OpenAI Transcriber och konfigurera den så att den tar emot ljudindata från Telegram Intake.
2. Verifiera att OpenAI Transcriber skickar utdata till både AI Orchestration och Drive File Creator parallellt.
3. Öppna AI Orchestration och bekräfta att den använder DeepSeek Chat Engine som anslutning för sin språkmodell.

Steg 4: Konfigurera Drive-utdata

Spara det bearbetade dokumentet och hantera filskapande i Google Drive.

1. Öppna Drive File Creator och ange målmapp och filmetadata för transkriptionsutdata.
2. Öppna Drive Document Saver och mappa den strukturerade utdata från AI Orchestration till dokumentinnehållet.
3. Säkerställ att AI Orchestration ansluter direkt till Drive Document Saver som visat.

Steg 5: Testa och aktivera ert arbetsflöde

Kör ett test för att bekräfta att Telegram-röstmeddelanden transkriberas, bearbetas och sparas i Drive.

1. Klicka på Execute Workflow och skicka ett röstmeddelande till er Telegram-bot.
2. Verifiera att OpenAI Transcriber skapar en transkription och att AI Orchestration ger ett strukturerat resultat.
3. Bekräfta att filer skapas av Drive File Creator och att slutdokumentet sparas av Drive Document Saver.
4. När det fungerar, växla arbetsflödet till Active för att möjliggöra användning i produktion.

Steg 2: anslut intag av Telegram-meddelanden

Fånga innehållet i det inkommande meddelandet och skicka det vidare till transkriberingssteget.

1. Lägg till Telegram Message Capture efter Incoming Telegram Start.
2. Anslut Incoming Telegram Start till Telegram Message Capture.
3. Inloggningsuppgifter krävs: anslut era inloggningsuppgifter för Telegram Bot.

Steg 3: konfigurera AI-transkribering och agentintelligens

Transkribera ljudet och förbered ett agentdrivet arbetsflöde för dokumenthantering.

1. Lägg till AI Transcription Call efter Telegram Message Capture för att hantera ljudtranskribering.
2. Inloggningsuppgifter krävs: anslut era OpenAI-inloggningsuppgifter i AI Transcription Call.
3. Lägg till Automation Agent Hub och anslut den som en parallell utgång från AI Transcription Call.
4. Anslut DeepSeek Language Core till Automation Agent Hub som språkmodell.
5. Inloggningsuppgifter krävs: anslut era DeepSeek-inloggningsuppgifter i DeepSeek Language Core.

AI Transcription Call skickar utdata parallellt till både Drive File Writer och Automation Agent Hub.

Steg 4: konfigurera utdata till Google Drive

Spara transkriberingsutdata till Google Drive i både fil- och dokumentformat.

1. Lägg till Drive File Writer och anslut den till AI Transcription Call för omedelbar filutdata.
2. Lägg till Drive Document Saver och anslut den till Automation Agent Hub för lagring av bearbetade dokument.
3. Inloggningsuppgifter krävs: anslut era Google Drive-inloggningsuppgifter för både Drive File Writer och Drive Document Saver.

Steg 5: granska arbetsflödets anteckningar och layout

Behåll dokumentationsblocket och säkerställ att flödet matchar den avsedda processen.

1. Behåll Flowpast Branding som en referensanteckning för arbetsflödet.
2. Verifiera ordningen: Incoming Telegram Start → Telegram Message Capture → AI Transcription Call med parallella utgångar till Drive File Writer och Automation Agent Hub.
3. Bekräfta att Automation Agent Hub är ansluten till Drive Document Saver och DeepSeek Language Core som sin språkmodell.

Steg 6: testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att bekräfta att ljud transkriberas och lagras korrekt.

1. Klicka på Execute Workflow och skicka ett testljudmeddelande till er Telegram-bot.
2. Bekräfta att AI Transcription Call genererar utdata och att både Drive File Writer och Drive Document Saver skapar filer i Google Drive.
3. När allt fungerar, växla arbetsflödet till Active för användning i produktion.

Steg 2: Koppla Google Gemini

Koppla Gemini-språkmodeller till de tre agentnoderna så att de kan tolka förfrågningar, orkestrera sökningar och skriva mejlet.

1. Öppna Gemini Chat Engine A och koppla den som språkmodell för Parse Travel Inquiry. Credentials krävs: Anslut era googlePalmApi-credentials.
2. Öppna Gemini Chat Engine B och koppla den som språkmodell för Trip Plan Orchestrator. Credentials krävs: Anslut era googlePalmApi-credentials.
3. Öppna Gemini Chat Engine C och koppla den som språkmodell för Email Composition Agent. Credentials krävs: Anslut era googlePalmApi-credentials.

Steg 3: Konfigurera Parse Travel Inquiry

Den här agenten extraherar strukturerade resedetaljer från användarens chattmeddelande med hjälp av ett strikt JSON-schema.

1. Öppna Parse Travel Inquiry och behåll hasOutputParser aktiverat.
2. Granska det inbäddade systemmeddelandet (redan konfigurerat) för att säkerställa att det matchar er tolkningspolicy.
3. Öppna Schema Output Formatter och bekräfta att schemaType är satt till manual med det angivna schemat för reseförfrågningar.
4. Säkerställ att Schema Output Formatter är kopplad som output parser för Parse Travel Inquiry.

Steg 4: Konfigurera reseplanering och sökverktyg

Det här steget orkestrerar sökningar efter flyg, boende och aktiviteter och ger en komplett reseplan som output.

1. Öppna Trip Plan Orchestrator och ställ in Text till =The requested travel information is as follows (in JSON format): {{ JSON.stringify($json.output) }}.
2. Säkerställ att Plan Schema Parser är kopplad som output parser för Trip Plan Orchestrator och att schemaType är manual med reseplansschemat.
3. Konfigurera Lodging Search Tool med URL https://serpapi.com/search och body-/query-parametrarna som redan är satta i noden. Credentials krävs: Anslut era httpQueryAuth-credentials.
4. Konfigurera Lodging Detail Fetch med URL https://serpapi.com/search och query-parametrar som använder AI-överstyrningarna. Credentials krävs: Anslut era httpQueryAuth-credentials.
5. Konfigurera Activity Lookup Tool med URL https://serpapi.com/search och query-parametern för AI-överstyrning. Credentials krävs: Anslut era httpQueryAuth-credentials.
6. Konfigurera Flight Search Tool med URL https://serpapi.com/search?engine=google_flights och AI-överstyrningsparametrar för departure_id och arrival_id. Credentials krävs: Anslut era httpQueryAuth-credentials.

Steg 5: Konfigurera e-postskapande och leverans

Generera HTML-mejlet baserat på reseplanen och skicka det via Gmail.

1. Öppna Email Composition Agent och ställ in Text till =The travel plan is as follows (in JSON format): {{ JSON.stringify($json.output) }}.
2. Säkerställ att Email Schema Parser är kopplad som output parser för Email Composition Agent med schemaType satt till manual.
3. Öppna Dispatch Email Notice och ställ in Send To till [YOUR_EMAIL] (ersätt med er inkorg).
4. Ställ in Subject till ={{ $json.output.subject }} och Message till ={{ $json.output.content }}.
5. Credentials krävs: Anslut era gmailOAuth2-credentials i Dispatch Email Notice.

Steg 6: Testa och aktivera ert arbetsflöde

Validera hela exekveringsflödet från chattintag till e-postleverans och aktivera sedan arbetsflödet för produktionsanvändning.

1. Klicka på Execute Workflow och skicka ett testmeddelande till Chat Intake Trigger (inkludera destination, datum och resenärer).
2. Bekräfta att exekveringen följer: Chat Intake Trigger → Parse Travel Inquiry → Trip Plan Orchestrator → Email Composition Agent → Dispatch Email Notice.
3. Verifiera att Dispatch Email Notice skickar ett mejl med ämne och HTML-body ifyllda från {{$json.output.subject}} och {{$json.output.content}}.
4. När ni är nöjda, slå på arbetsflödet till Active för att möjliggöra kontinuerlig chattbaserad reseplanering.

Steg 2: Anslut källan för filmlistningar

Hämta de senaste 4K-förhandsbokningarna från den publika webbplatsen.

1. I Fetch Movie Listings ställer ni in URL till https://www.blu-ray.com/movies/movies.php?show=newpreorders.
2. Säkerställ att Generate Current Date matar ut till Fetch Movie Listings i flödet.
3. Anslut Fetch Movie Listings till Extract Link Blocks.

Steg 3: Ställ in processnoderna

Extrahera relevanta HTML-block och filtrera dem till dagens listningar.

1. I Extract Link Blocks ställer ni in Operation till extractHtmlContent.
2. Konfigurera extraheringsregeln i Extract Link Blocks med CSS Selector satt till td[width=728]>h3, td[width=728]>div div, Return Value till html och aktivera Return Array.
3. I Select Todays Items behåller ni JavaScript-koden som den är för att jämföra datum mot utdata från Generate Current Date.
4. Säkerställ att körordningen matchar: Fetch Movie Listings → Extract Link Blocks → Select Todays Items.

Steg 4: Konfigurera Discord-utdata

Formatera meddelandet och skicka det till er Discord-kanal via webhook.

1. I Compose Discord Text behåller ni JavaScript-koden som bygger Markdown-meddelandet med länkar och titlar.
2. Anslut Select Todays Items till Compose Discord Text och sedan till Send Discord Update.
3. I Send Discord Update ställer ni in Authentication till webhook.
4. Ställ in Content till ={{ $json.message }} för att posta det formaterade meddelandet.
5. Inloggningsuppgifter krävs: Anslut era discordWebhookApi-inloggningsuppgifter i Send Discord Update.

Steg 5: Testa och aktivera ert arbetsflöde

Verifiera arbetsflödet från start till mål och aktivera det sedan för nattliga körningar.

1. Klicka på Execute Workflow för att köra Manual Run Trigger och verifiera flödet via Generate Current Date, Fetch Movie Listings och Send Discord Update.
2. Kontrollera Discord-kanalen efter ett meddelande som börjar med *New 4k Preorders Today!* och en lista med länkade titlar.
3. Om inga objekt visas, granska utdata från Extract Link Blocks och verifiera datumformateringen i Generate Current Date.
4. Växla arbetsflödet till Active för att aktivera Nightly Schedule Trigger för produktion.

Steg 2: Anslut Notion

Skapa den Notion-sida som markdown ska läggas till på.

1. Lägg till noden Generate Notion Page.
2. Ställ in Title till Mark2Notion Test Page.
3. Inloggning krävs: Anslut era Notion-uppgifter.

Steg 3: Sätt upp markdown-payloaden

Definiera markdown-innehållet som ska läggas till på Notion-sidan.

1. Lägg till noden Compose Markdown Payload.
2. Ställ in Mode till raw.
3. Ställ in JSON Output till den angivna markdown-payloaden, inklusive rubriker, listor och tabeller.
4. Koppla Compose Markdown Payload till Generate Notion Page.

Steg 4: Konfigurera tillägg via Mark2Notion API

Skicka markdown och Notion-sidans ID till Mark2Notion API för att lägga till innehåll.

1. Lägg till noden Append via Mark2Notion API.
2. Ställ in URL till https://api.mark2notion.com/api/append.
3. Ställ in Method till POST och aktivera Send Body.
4. Konfigurera body-parametrar: markdown till ={{ $('Compose Markdown Payload').item.json.markdown }} och pageId till ={{ $json.id }}.
5. Lämna notionToken som en parameter endast om ert API kräver det; annars tar ni bort den eller fyller i den baserat på ert Mark2Notion-konto.
6. Inloggning krävs: Anslut era HTTP Header Auth-uppgifter (genericCredentialType med httpHeaderAuth).

Steg 5: Testa och aktivera ert arbetsflöde

Kör ett manuellt test för att verifiera skapandet av Notion-sidan och beteendet för att lägga till markdown, och aktivera sedan arbetsflödet för användning.

1. Klicka på Execute Workflow från Manual Launch Trigger för att köra flödet.
2. Bekräfta att Generate Notion Page returnerar ett sid-id och att Append via Mark2Notion API returnerar ett lyckat API-svar.
3. Verifiera att markdown-innehållet visas på den nyligen skapade Notion-sidan.
4. Växla arbetsflödet till Active när ni är redo för produktion.