Steg 2: Anslut Google Docs

Utvärderingsagenten använder två Google Docs-verktyg för att hämta provet och facit.

1. Öppna Fetch Question Document och ställ in Operation till get.
2. Ställ in Document URL till =https://docs.google.com/document/d/[YOUR_ID]/edit.
3. Inloggningsuppgifter krävs: Anslut era googleDocsOAuth2Api-inloggningsuppgifter i Fetch Question Document.
4. Öppna Retrieve Answer Key och ställ in Operation till get.
5. Ställ in Document URL till https://docs.google.com/document/d/[YOUR_ID]/edit.
6. Inloggningsuppgifter krävs: Anslut era googleDocsOAuth2Api-inloggningsuppgifter i Retrieve Answer Key.

Obs: Fetch Question Document och Retrieve Answer Key är AI-verktyg som används av Evaluation Orchestrator. Inloggningsuppgifter konfigureras på dessa verktygsnoder, medan agenten refererar till dem under körning.

Steg 3: Konfigurera AI-bearbetning

Dessa noder analyserar det uppladdade svarshäftet, orkestrerar utvärderingen och tolkar strukturerad utdata.

1. Öppna Image Response Analyzer och ställ in Operation till analyze, Resource till image och Input Type till binary.
2. Ställ in Binary Property Name till Upload_Answer_Sheet och Text till =The image is an answer paper of a student, you need to analyze and pick each and every answer along with section name, question number and student name..
3. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Image Response Analyzer.
4. Öppna Gemini Chat Engine och ställ in Model Name till models/gemini-2.5-pro.
5. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Engine.
6. Öppna Evaluation Orchestrator och ställ in Text till =Marks of the student:\n{{ $json.content.parts[0].text }}\nExaminer Name:{{ $('Exam Submission Form').item.json['Examiner Name'] }}\n\n.
7. Säkerställ att Prompt Type är define och att Has Output Parser är aktiverat.
8. Öppna Structured Result Parser och behåll JSON Schema Example i linje med det utdataformat som visas i noden.

Obs: Gemini Chat Engine är ansluten som språkmodell för Evaluation Orchestrator — säkerställ att inloggningsuppgifter läggs till i Gemini Chat Engine, inte i agenten. Structured Result Parser är en undernod som används av Evaluation Orchestrator och tar inte emot inloggningsuppgifter direkt.

Steg 4: Konfigurera utdata-/åtgärdsnoder

Resultaten läggs till i sammanfattande och detaljerade Google Sheets, med ett kodsteg som omformar data till rader per fråga.

1. Öppna Append Summary Row och ställ in Operation till append.
2. Välj målark och blad: Document ID [YOUR_ID] och Sheet Name gid=0 (cachelagrat namn Sheet1).
3. Mappa kolumner till uttryck, till exempel Total Marks till {{ $json.output['Total Marks'] }} och Student Name till {{ $json.output['Student Name'] }}.
4. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Append Summary Row.
5. Öppna Merge Results to JSON och behåll JS Code som angivet för att transformera den strukturerade utdatan till rader per fråga.
6. Öppna Append Detailed Scores och ställ in Operation till append.
7. Välj det detaljerade bladet: Document ID [YOUR_ID] och Sheet Name 760946435 (cachelagrat namn Scorecard).
8. Mappa fält som Status till {{ $json.Status }} och Question Number till {{ $json.Question }}.
9. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Append Detailed Scores.

Körningsnotering: Evaluation Orchestrator skickar utdata till både Append Summary Row och Merge Results to JSON parallellt. Merge Results to JSON matar sedan Append Detailed Scores.

Steg 5: Testa och aktivera ert arbetsflöde

Kör en fullständig inlämning för att bekräfta att AI-extraktionen och uppdateringarna i kalkylarken fungerar som förväntat.

1. Klicka på Execute Workflow och skicka in Exam Submission Form med en exempelbild av ett svarshäfte.
2. Verifiera att Image Response Analyzer tar fram extraherad text från den uppladdade bilden.
3. Bekräfta att Append Summary Row lägger till en sammanfattningspost och att Append Detailed Scores lägger till rader per fråga i era ark.
4. Om utdata saknas, kontrollera att dokument-URL:erna för Fetch Question Document och Retrieve Answer Key är giltiga och åtkomliga.
5. Växla arbetsflödet till Active för att aktivera inlämningar i produktion.