Steg 2: mappa formulärdata till prompt-indata

Omvandla råa formulärsvar till en konsekvent payload för AI:ns prompt-byggare.

1. Öppna Map Form Inputs och bekräfta att tilldelningarna mappar fälten till: description = {{$json['A detailed description of the product.']}}, text = {{$json["Text to inlucde in Product (optional)"]}}.
2. Säkerställ att productOptions sammanfogar alla rullistealternativ med {{$json["E-commerce Product Options"].toJsonString().replaceAll('"','')}}{{ $json['Jewelry Product Options'].toJsonString().replaceAll('"','') }}{{ $json['Electronics Product Options'].toJsonString().replaceAll('"','') }}{{ $json['Food Photography Options'].toJsonString().replaceAll('"','') }}.
3. Bekräfta att flödet kopplar Product Intake Form → Map Form Inputs → Product Prompt Builder.

Steg 3: konfigurera promptgenerering och parsning (AI/LLM)

Konfigurera AI-agenterna, språkmodellerna och utdata-parsers som omvandlar användarindata till strukturerade prompts.

1. I Product Prompt Builder, verifiera att prompttexten är =About Product : {{ $json.description }}

Text On Product: {{ $json.text }}

Description: {{ $json.productOptions }} och att Has Output Parser är aktiverat.
2. Öppna Parse Product Schema och behåll det manuella schemat som angivet. Detta är en parser-undernod; inloggningsuppgifter ska läggas till på den överordnade modellnoden.
3. Anslut språkmodeller till Product Prompt Builder: OpenRouter Chat Model A och Gemini Chat Model A. Credential Required: Anslut era openRouterApi-inloggningsuppgifter i OpenRouter Chat Model A. Credential Required: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model A.
4. I Model Prompt Composer, bekräfta att prompttexten är =Here is the Product : {{ $json.content.parts[0].text }}. Please generate an image prompt. och låt Has Output Parser vara aktiverat.
5. Öppna Parse Model Schema och behåll det manuella schemat som angivet. Detta är en parser-undernod; inloggningsuppgifter ska läggas till på den överordnade modellnoden.
6. Anslut språkmodeller till Model Prompt Composer: OpenRouter Chat Model B och Gemini Chat Model B. Credential Required: Anslut era openRouterApi-inloggningsuppgifter i OpenRouter Chat Model B. Credential Required: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model B.
7. För den kreativa videoprompten, behåll Creative Direction Agent konfigurerad med systemmeddelandet och prompttexten =Image Details is given Below:
```
{{ $json.content.parts[0].text }}
```. Parse Video Schema är en parser-undernod; lägg till inloggningsuppgifter på den överordnade modellnoden.
8. Anslut språkmodeller till Creative Direction Agent: OpenRouter Chat Model C och Gemini Chat Model C. Credential Required: Anslut era openRouterApi-inloggningsuppgifter i OpenRouter Chat Model C. Credential Required: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model C.

Steg 4: konfigurera bildgenerering och mediehosting

Konfigurera HTTP-anropen och filkonverteringarna som genererar och hostar bilderna.

1. Öppna Image Generation API och bekräfta att URL:en är https://openrouter.ai/api/v1/chat/completions med JSON-body som använder produktpromptfälten. Credential Required: Anslut era openRouterApi-inloggningsuppgifter.
2. I Extract Base64 Data, bekräfta att image_string använder {{$json.choices[0].message.images[0].image_url.url.split(',')[1]}} för att extrahera base64-innehåll.
3. I Binary File Converter, säkerställ att Operation är toBinary och att Source Property är image_string.
4. I Media Upload Request, bekräfta att URL:en är http://homelab-mediahosting.4m6m9w.easypanel.host/api/1/upload med Content Type inställt på multipart-form-data. Credential Required: Anslut era httpHeaderAuth-inloggningsuppgifter.
5. I Derive Image Link, ställ in url till {{$json.image.image.url.replaceAll('http', 'https')}} för att tvinga HTTPS.
6. Upprepa samma mönster för modellbildsvägen: Model Image Generator → Extract Base64 Data B → Binary File Converter B → Media Upload Request B → Derive Image Link B. Credential Required: Anslut era openRouterApi-inloggningsuppgifter i Model Image Generator och httpHeaderAuth i Media Upload Request B.

Steg 5: analysera bilder och skapa kreativa riktningar

Kör visuell analys på hostade bilder och ta fram modell- och videoprompts.

1. I Product Visual Analyzer, behåll Resource inställt på image och Image URLs inställt på {{$json.url}}. Credential Required: Anslut era googlePalmApi-inloggningsuppgifter.
2. I Creative Visual Analyzer, behåll Resource inställt på image och Image URLs inställt på {{$json.url}}. Credential Required: Anslut era googlePalmApi-inloggningsuppgifter.
3. Säkerställ att Derive Image Link B skickar utdata till både Post Image to Discord och Creative Visual Analyzer parallellt för att skicka den hostade länken samtidigt som bilden analyseras.
4. Bekräfta att Product Visual Analyzer matar in i Model Prompt Composer, och att Creative Visual Analyzer matar in i Creative Direction Agent.

Steg 6: konfigurera skapande av videouppgift och polling

Konfigurera begäran för videogenerering och polling-loopen som väntar på att processen blir klar.

1. I Video Task Creator, bekräfta att URL:en är https://api.goapi.ai/api/v1/task och att JSON-body innehåller {{$json.output.video_prompt.replaceAll('"', '**').replaceAll('\n', '')}} och {{$('Derive Image Link B').item.json.url}}. Credential Required: Anslut era httpHeaderAuth-inloggningsuppgifter.
2. I Status Check Request, ställ in URL:en till =https://api.goapi.ai/api/v1/task/{{ $json.data.task_id }}. Credential Required: Anslut era httpHeaderAuth-inloggningsuppgifter.
3. I Processing Check, säkerställ att villkoren kontrollerar att {{$json.data.status}} är lika med processing eller pending, och loopa sedan till Delay Interval när den fortfarande kör.
4. När statusen är klar, låt flödet fortsätta till Fetch Video File och sedan Media Upload Request C. Credential Required: Anslut era httpHeaderAuth-inloggningsuppgifter i Media Upload Request C.

Steg 7: konfigurera leverans av utdata

Publicera de slutliga medialänkarna till Discord och bygg HTML-svarssidan.

1. I Post Image to Discord, bekräfta att meddelandet är =Product Image - {{ $('Derive Image Link').item.json.url }}
Final Image - {{ $json.url }}. Credential Required: Anslut era discordWebhookApi-inloggningsuppgifter.
2. I Build HTML Response, behåll HTML-mallen intakt och säkerställ att bildlänkarna refererar till {{ $('Derive Image Link').item.json.url }} och {{ $('Derive Image Link B').item.json.url }}.
3. Verifiera att Post Image to Discord skickar utdata till Build HTML Response som sista svarssteg.

Steg 8: lägg till felhantering

Säkerställ att fel rapporteras till Discord via feltrigger-vägen.

1. Öppna Error Catch Trigger och bekräfta att den är ansluten till Dispatch Error Alert.
2. I Dispatch Error Alert, behåll innehållsvärdet =Error Occured - {{ $json.execution.error.message }}. Credential Required: Anslut era discordWebhookApi-inloggningsuppgifter.

Steg 9: testa och aktivera ert arbetsflöde

Kör ett end-to-end-test och aktivera sedan arbetsflödet för produktionsanvändning.

1. Klicka på Execute Workflow, skicka in ett testsvar via Product Intake Form och följ flödet från Map Form Inputs genom noderna för bildgenerering och uppladdning.
2. Bekräfta att det fungerar genom att kontrollera att Post Image to Discord postar båda URL:erna och att Build HTML Response renderar en sida med två bilder och nedladdningslänkar.
3. Trigga ett felscenario (t.ex. återkalla en inloggningsuppgift tillfälligt) och verifiera att Dispatch Error Alert postar till er Discord-webhook.
4. När allt är validerat, växla arbetsflödet till Active för att köra i produktion.