Steg 2: Anslut BrowserAct-taskstart och statuskontroller

Konfigurera HTTP-förfrågningarna som startar scrapingen och hämtar taskens status.

1. Öppna Launch Scrape Request och ställ in URL till https://api.browseract.com/v2/workflow/run-task.
2. Ställ in Method till POST och aktivera Send Body.
3. I Body Parameters ställer ni in workflow_id till [YOUR_ID].
4. Inloggningsuppgifter krävs: Anslut era httpBearerAuth-uppgifter för Launch Scrape Request.
5. Öppna Fetch Task Status och ställ in URL till https://api.browseract.com/v2/workflow/get-task.
6. Aktivera Send Query och ställ in task_id till {{ $json.id }}.
7. Inloggningsuppgifter krävs: Anslut era httpBearerAuth-uppgifter för Fetch Task Status.

Steg 3: Konfigurera validering av task och pollningslogik

Säkerställ att arbetsflödet försöker igen och pollar tills tasken är klar.

1. I Validate Task Start verifierar ni att villkoren kontrollerar att {{ $json.error }} inte finns och att {{ $json.id }} inte är null.
2. Bekräfta att false-grenen från Validate Task Start går till Delay Before Retry.
3. Ställ in Delay Before Retry Amount till 20 (sekunder).
4. I Check Task Completion verifierar ni att statusvillkoret kontrollerar att {{ $json.status }} är lika med finished.
5. Ställ in Pause for Status till Unit minutes och Amount 1.

Steg 4: Konfigurera AI-förfining och strukturerad parsning

Förfina och strukturera det scrapade innehållet med AI-agenten och parsern.

1. Öppna AI Refinement Agent och ställ in Prompt till den angivna texten, inklusive uttrycket {{ $json.output.string }}.
2. Säkerställ att AI Refinement Agent använder den anslutna Gemini Chat Engine som språkmodell.
3. Inloggningsuppgifter krävs: Anslut era googlePalmApi-uppgifter i Gemini Chat Engine (språkmodellen för AI Refinement Agent).
4. Öppna Structured Parse Output och ställ in JSON Schema Example till den angivna strukturen med refined_output-fält.
5. Behåll Structured Parse Output länkat som output-parser på AI Refinement Agent (inloggningsuppgifter appliceras på föräldranoden, inte på denna parser).
6. Öppna Transform Items Script och behåll den angivna JavaScript-koden för att dela upp items till individuella outputar.

Steg 5: Konfigurera routning för Telegram-output

Skicka meddelanden med eller utan bilder baserat på om Pic finns.

1. I Image Presence Check bekräftar ni att villkoret jämför {{ $json.Pic }} med no picture.
2. Öppna Send Telegram Text och ställ in Text till {{ $json.Title }} {{ $json.Summary }} BY: {{ $json.PublishedBy }} {{ $json.Url }}.
3. Ställ in Chat ID i Send Telegram Text till [YOUR_ID].
4. Inloggningsuppgifter krävs: Anslut era telegramApi-uppgifter för Send Telegram Text.
5. Öppna Send Telegram Photo, ställ in Operation till sendPhoto och ställ in File till {{ $json.Pic }}.
6. Ställ in Chat ID i Send Telegram Photo till [YOUR_ID] och behåll bildtexten som använder {{ $json.Title }}, {{ $json.Summary }}, {{ $json.PublishedBy }} och {{ $json.Url }}.
7. Inloggningsuppgifter krävs: Anslut era telegramApi-uppgifter för Send Telegram Photo.

Steg 6: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att bekräfta scrapingen, AI-förfiningen och leveransvägarna till Telegram.

1. Klicka på Execute Workflow och övervaka körningen från Timed Automation Kickoff till Send Telegram Text eller Send Telegram Photo.
2. Verifiera att Fetch Task Status returnerar status finished och att AI Refinement Agent ger strukturerade items som output.
3. Bekräfta att Telegram-meddelanden kommer fram med korrekt formatering och bilder när {{ $json.Pic }} är giltig.
4. När ni är nöjda, växla arbetsflödet till Active för att köra automatiskt var 12:e timme.