Steg 2: Koppla in hämtning av GitHub-data

Definiera repositoryt och hämta issues/releases från GitHub för analys.

1. I Fetch Repo Details ställer ni in JavaScript Code till return { owner: "fastapi", name: "fastapi" }.
2. Öppna Retrieve GitHub Issues och ställ in Endpoint till https://api.github.com/graphql.
3. Ställ in Query till det medföljande GraphQL-uttrycket (behåll de mallade owner/name-värdena i queryn).
4. Inloggningsuppgifter krävs: Anslut era httpHeaderAuth-uppgifter i Retrieve GitHub Issues.
5. Koppla Retrieve GitHub Issues till Conditional Check.

Conditional Check routar till OpenRouter API Call endast när repositorydatan finns.

Steg 3: Konfigurera modellval i OpenRouter

Det här avsnittet hämtar gratis modeller och tilldelar dem för rankning, parsning och titelgenerering.

1. I OpenRouter API Call ställer ni in URL till https://openrouter.ai/api/v1/models.
2. Säkerställ att Query Parameters inkluderar supported_parameters med värdet response_format.
3. Inloggningsuppgifter krävs: Anslut era openRouterApi-uppgifter i OpenRouter API Call.
4. Konfigurera Select Free Models med den medföljande koden för att mappa gratis modell-ID:n till nycklar som issueRankMainModel och deepwikiParserModel.
5. Koppla OpenRouter API Call → Select Free Models → Issue Ranking Agent.

⚠️ Vanlig fallgrop: Om Select Free Models returnerar en tom lista kan OpenRouter API-nyckeln sakna åtkomst eller så misslyckades API-anropet—verifiera inloggningsuppgifter och svarsdata.

Steg 4: Sätt upp AI-rankning, parsning och Deepwiki-berikning

Använd AI-agenterna för att ranka issues, parsa strukturerad output och berika varje issue med Deepwiki-vägledning.

1. I Issue Ranking Agent behåller ni prompt-texten och systemmeddelandet som konfigurerat, inklusive expressions-referenserna till Retrieve GitHub Issues.
2. Koppla språkmodeller till Issue Ranking Agent: Ranking Primary Model och Ranking Fallback Model med Model satt till {{ $('Select Free Models').item.json.issueRankMainModel }} respektive {{ $('Select Free Models').item.json.issueRankFallbackModel }}.
3. Koppla den strukturerade parsern Rank Output Parser till Issue Ranking Agent. Parser-schemat är redan definierat i Rank Output Parser.
4. Inloggningsuppgifter krävs: Anslut era openRouterApi-uppgifter till alla OpenRouter-språkmodellnoder (Ranking Primary Model, Ranking Fallback Model, Rank Parser Model, Deepwiki Primary Model, Deepwiki Backup Model, Deepwiki Parse Model, Title Primary Model, Title Backup Model).
5. Konfigurera Deepwiki Guidance Agent med dess prompt och systemmeddelande; den använder {{ $json.issueURL }}, {{ $json.issueTitle }} och {{ $json.issueDescription }}.
6. Säkerställ att Deepwiki MCP Tool är kopplat som ett verktyg till Deepwiki Guidance Agent; lägg till inloggningsuppgifter på den överordnade Deepwiki Guidance Agent om det krävs av er MCP-konfiguration.
7. Koppla Deepwiki Output Parser och dess modell Deepwiki Parse Model för att parsa det strukturerade svaret.

Split Issue Items skickar output till både Deepwiki Guidance Agent och Combine Issue Data parallellt, vilket berikar varje issue samtidigt som basdatan bevaras.

Steg 5: Konfigurera titelgenerering och datasammanslagning

Generera en nyhetsbrevstitel från den bästa issuet och slå samman all issue-data för layoutrendering.

1. I Select Best Issues behåller ni koden som sorterar efter lämplighet och tar ut de tre främsta issues.
2. Select Best Issues skickar output till både Split Issue Items och Newsletter Title Agent parallellt.
3. Konfigurera Newsletter Title Agent så att den använder issue-sample-expression {{ $json.issues[0].toJsonString() }}.
4. Koppla Title Primary Model och Title Backup Model till Newsletter Title Agent med modeller satta till {{ $('Select Free Models').item.json.titleGeneratorMainModel }} och {{ $('Select Free Models').item.json.titleGeneratorFallbackModel }}.
5. Koppla Combine Issue Data till Merge Title Data, och Newsletter Title Agent till Merge Title Data.
6. I Merge Title Data bekräftar ni att Mode är combine och att Combine By är combineByPosition.

⚠️ Vanlig fallgrop: Om merge-resultatet är tomt, säkerställ att både Combine Issue Data och Newsletter Title Agent skickar ut items (sammanslagningen kombinerar efter position).

Steg 6: Bygg och rendera MJML-nyhetsbrevet

Använd kodnoder för att sätta ihop MJML-markup och rendera den till HTML för e-postleverans.

1. I Build MJML Layout behåller ni MJML-mallkoden som refererar till Issue Ranking Agent och Combine Issue Data.
2. Verifiera bild-URL:en och MJML-strukturen i Build MJML Layout (t.ex. https://lh3.googleusercontent.com/d/1VYyXuiNQOnHCBELXh4_6ZDEoL30x7OQk).
3. Koppla Merge Title Data → Build MJML Layout → Render MJML HTML.
4. I Render MJML HTML behåller ni koden som konverterar MJML till HTML med mjml2html($input.first().json.issueHTML).

Steg 7: Konfigurera e-postleverans

Skicka det renderade HTML-nyhetsbrevet via SMTP.

1. Öppna Dispatch Email och ställ in HTML till {{ $('Render MJML HTML').item.json.htmlOutput.html }}.
2. Ställ in Subject till [Issue Report] {{ $('Fetch Repo Details').item.json.owner }}/{{ $('Fetch Repo Details').item.json.name }} - {{ $('Newsletter Title Agent').item.json.output }}.
3. Fyll i To Email och From Email med era avsändar-/mottagaradresser.
4. Inloggningsuppgifter krävs: Anslut era smtp-uppgifter i Dispatch Email.

Steg 8: Testa och aktivera ert arbetsflöde

Kör ett manuellt test för att verifiera datahämtning, parsning av AI-output och e-postleverans innan ni slår på det.

1. Klicka på Execute Workflow på Manual Start Trigger för att köra hela flödet.
2. Kontrollera Conditional Check för en true-gren och bekräfta att OpenRouter API Call returnerar modeller.
3. Verifiera att Issue Ranking Agent och Deepwiki Guidance Agent levererar strukturerad data som matchar parserarna.
4. Bekräfta att Render MJML HTML producerar HTML och att Dispatch Email skickar ett meddelande.
5. När ni är nöjda, växla arbetsflödet till Active för användning i produktion.