Steg 2: anslut källsystemens data-API:er

Definiera API-endpoints och ansvarig chefs e-post, och hämta sedan data från flera system parallellt.

1. Öppna Config Variables Set och ange platshållarvärdena för pmToolApiUrl, codeRepoApiUrl, meetingLogsApiUrl, crmApiUrl och managerEmail. Ställ in analysisTimeframe till 7 (eller ert önskade antal dagar) och overloadThreshold till 40.
2. Config Variables Set skickar utdata till Retrieve PM System Data, Pull Code Repository Data, Collect Meeting Records och Gather CRM Activity parallellt.
3. I Retrieve PM System Data, ställ in URL till {{ $('Config Variables Set').first().json.pmToolApiUrl }} och lägg till frågeparametern timeframe som {{ $('Config Variables Set').first().json.analysisTimeframe }}.
4. I Pull Code Repository Data, ställ in URL till {{ $('Config Variables Set').first().json.codeRepoApiUrl }} och since till {{ $now.minus({ days: $('Config Variables Set').first().json.analysisTimeframe }).toISO() }}.
5. I Collect Meeting Records, ställ in URL till {{ $('Config Variables Set').first().json.meetingLogsApiUrl }} och timeMin till {{ $now.minus({ days: $('Config Variables Set').first().json.analysisTimeframe }).toISO() }}.
6. I Gather CRM Activity, ställ in URL till {{ $('Config Variables Set').first().json.crmApiUrl }} och days till {{ $('Config Variables Set').first().json.analysisTimeframe }}.

Steg 3: sätt upp AI Performance Evaluator

Aggregera data och skicka den sedan till AI-agenten med strukturerad tolkning av utdata.

1. Öppna Merge Source Datasets och bekräfta att Aggregate är satt till aggregateAllItemData med Destination Field Name satt till allData.
2. I AI Performance Evaluator, ställ in Text till {{ $json.allData }} och behåll Prompt Type som define med hasOutputParser aktiverat.
3. Öppna OpenAI Chat Engine och välj modellen gpt-4.1-mini.
4. Öppna Structured Result Parser och behåll det manuella schemat för employeeName, performanceScore, workloadLevel, strengths, bottlenecks, recommendations och priorityActions.

Credential Required: Anslut era openAiApi-credentials till OpenAI Chat Engine.

Steg 4: konfigurera logik för bedömning av arbetsbelastning

Normalisera AI-utdata och routa medarbetare med hög eller överbelastad arbetsnivå.

1. Granska Transform Performance Results och behåll JavaScript-koden som flaggar hasIssues och lägger till timestamp.
2. Öppna Assess Workload Flags och bekräfta att villkoren kontrollerar att {{ $json.workloadLevel }} är lika med overloaded eller high.
3. Säkerställ att Assess Workload Flags routar till Generate Manager Tasks när villkoren uppfylls.

Steg 5: konfigurera utdata till chefen

Skapa uppgifter och skicka sammanfattande e-post till chefer när arbetsbelastningsflaggor triggas.

1. I Generate Manager Tasks, ställ in taskTitle till Follow-up: {{ $json.employeeName }} - Performance Review och taskDescription till mallen med flera rader som använder {{ $json.performanceScore }}, {{ $json.workloadLevel }}, {{ $json.bottlenecks.join('\n- ') }}, {{ $json.recommendations.join('\n- ') }} och {{ $json.priorityActions.join('\n- ') }}.
2. Behåll taskPriority satt till high och taskDueDate satt till {{ $now.plus({ days: 3 }).toISO() }}.
3. Generate Manager Tasks skickar utdata till både Email Manager Summary och Create PM Tasks parallellt.
4. I Email Manager Summary, ställ in Send To till {{ $('Config Variables Set').first().json.managerEmail }} och behåll HTML-mallen för Message samt Subject som Employee Performance Insights - {{ $json.employeeName }}.
5. I Create PM Tasks, ställ in URL till {{ $('Config Variables Set').first().json.pmToolApiUrl }}/tasks, Method till POST, och mappa body-fälten title, description, priority och dueDate till {{ $json.taskTitle }}, {{ $json.taskDescription }}, {{ $json.taskPriority }} och {{ $json.taskDueDate }}.

Credential Required: Anslut era gmailOAuth2-credentials till Email Manager Summary.

Steg 6: testa och aktivera ert arbetsflöde

Validera flödet från början till slut och aktivera veckoschemat.

1. Klicka på Execute Workflow för att köra ett manuellt test med start från Weekly Insight Scheduler.
2. Bekräfta att Merge Source Datasets ger utdata som ett sammanfogat allData-objekt och att AI Performance Evaluator returnerar strukturerade fält som employeeName och workloadLevel.
3. Verifiera att Email Manager Summary skickar det formaterade e-postmeddelandet och att Create PM Tasks skapar en uppgift i ert PM-verktyg när arbetsbelastningen är hög eller överbelastad.
4. Växla arbetsflödet till Active så att Weekly Insight Scheduler körs automatiskt varje vecka.