Steg 2: Anslut Airtable-datakällor

Alla datain- och utdata lagras i Airtable. Anslut autentisering och verifiera val av base/tabell i alla Airtable-noder.

1. I Fetch Airtable Record, ställ in ID till ={{ $json.query.recordId }} och välj er Publishing Database-base samt Books-tabell. Credential Required: Anslut era airtableOAuth2Api-credentials.
2. För de andra Airtable-noderna (Update Book Research, Load Book For Chapters, Create Chapter Records, Reset Book Action, Load Chapter For Research, Update Chapter Research, Load Chapter For Content, Update Chapter Content), välj rätt base/tabell-kombination och bekräfta att mappningsfälten matchar er schema. Credential Required: Anslut era airtableOAuth2Api-credentials.
3. Verifiera viktiga fältuttryck som Update Book Research → Research till ={{ $json.output }} och Update Chapter Content → Chapter Content till ={{ $json.text }}.

Steg 3: Sätt upp åtgärdsroutern

Noden Route by Action skickar inkommande förfrågningar till rätt gren baserat på query string.

1. Öppna Route by Action och bekräfta att varje regel använder ={{ $json.query.action }} med dessa värden: bookDetails, generateChapters, generateChapterResearch, generateChapterContent.
2. Bekräfta att utgående kopplingar matchar flödet: Route by Action → Fetch Airtable Record, Load Book For Chapters, Load Chapter For Research och Load Chapter For Content.

Steg 4: Konfigurera AI-vägen för bokresearch

Den här vägen skapar en researchbrief för boken och skriver tillbaka den till Airtable.

1. I Book Research Agent, ställ in fältet Text till =This is the idea: {{ $json.Idea }}.
2. Anslut språkmodellen: Gemini Chat Model är länkad som AI-modell för Book Research Agent. Credential Required: Anslut era googlePalmApi-credentials.
3. Koppla verktyget: Perplexity Research Tool är länkat som AI-verktyg för Book Research Agent. Credential Required: Anslut era httpHeaderAuth-credentials. Lägg till credentials i Perplexity Research Tool, men användningen styrs av Book Research Agent.
4. Säkerställ att Update Book Research skriver utdata med Research satt till ={{ $json.output }} och Action satt till Idle.

Steg 5: Sätt upp generering av kapitelöversikt och skapande av poster

Den här vägen genererar en strukturerad kapitellista och skapar kapitelposter i Airtable.

1. I Generate Chapter Outline, ställ in prompten i Text till =Give chapters for this book idea: {{ $json.Idea }} ----- Resrearch on the topic: {{ $json.Research }} och låt Has Output Parser vara aktiverad.
2. OpenAI Chat Engine är ansluten som språkmodell för Generate Chapter Outline. Credential Required: Anslut era openAiApi-credentials.
3. Parse Chapter Schema är ansluten som output-parser för Generate Chapter Outline. Konfigurera dess schema exakt enligt det som angivits. Lägg vid behov till credentials i parent-noden (Generate Chapter Outline), inte i parsern.
4. I Map Chapter Fields, ställ in chapters till ={{ $json.output.chapters }} och Book till ["{{ $('Incoming Webhook Trigger').item.json.query.recordId }}"].
5. I Split Chapters, ställ in Field To Split Out till chapters, och mappa sedan till Airtable via Create Chapter Records med Chapter Name → ={{ $json.title }} och Description → ={{ $json.description }}.
6. Avsluta med Reset Book Action genom att sätta Action till Idle och id till ={{ $('Incoming Webhook Trigger').item.json.query.recordId }}.

Steg 6: Konfigurera kapitelresearch och generering av utkast

Dessa två vägar genererar kapitelresearch och skriver sedan tillbaka hela kapitelinnehållet till Airtable.

1. I Chapter Research Agent, bekräfta att fältet Text är satt till =Chapter Name: {{ $json['Chapter Name'] }} Chapter Description: {{ $json.Description }} Name of the book: {{ $json.Idea[0] }} ---- Use Perplexity Research Tool 2 religiously.
2. Gemini Chat Model 2 är ansluten till Chapter Research Agent. Credential Required: Anslut era googlePalmApi-credentials.
3. Perplexity Research Tool 2 är ansluten som AI-verktyg. Credential Required: Anslut era httpHeaderAuth-credentials. Lägg till credentials i verktyget, men det anropas av Chapter Research Agent.
4. Säkerställ att Update Chapter Research skriver Research till ={{ $json.output }} och Action till Idle.
5. I Generate Chapter Draft, behåll prompten i Text exakt som den är definierad, inklusive {{ $json.Idea[0] }}, {{ $json['Book Research'][0] }} och {{ $json['Chapter Name'] }}.
6. Gemini Chat Model 3 är ansluten som språkmodell för Generate Chapter Draft. Credential Required: Anslut era googlePalmApi-credentials.
7. I Update Chapter Content, mappa Chapter Content till ={{ $json.text }} och id till ={{ $('Incoming Webhook Trigger').item.json.query.recordId }}.

Steg 7: Testa och aktivera ert workflow

Kör ett manuellt test för varje åtgärdsgren för att bekräfta Airtable-uppdateringar och AI-output innan ni slår på workflowet.

1. Använd test-URL:en för Incoming Webhook Trigger för att skicka en förfrågan med action=bookDetails och ett giltigt recordId, och verifiera sedan att Update Book Research skriver till Books-tabellen.
2. Upprepa tester för generateChapters, generateChapterResearch och generateChapterContent för att bekräfta att varje gren körs från början till slut.
3. En lyckad körning ska skapa kapitelposter, uppdatera researchfält och fylla kapitelinnehåll i Airtable med text som inte är tom.
4. När allt är validerat, växla workflowet till Active för produktionsanvändning.