Steg 2: anslut Google Drive

Konfigurera Google Drive-åtkomst för både mappskanning och filnedladdningar som används i rapporterings- och indexeringsflödena.

1. I Drive Folder Scan ställer ni in Resource till fileFolder, aktiverar Return All som true och ställer in Filter → Folder ID till [YOUR_ID].
2. I Drive Content Download ställer ni in Operation till download och ställer in File ID till ={{ $json.id }}.
3. I Drive File List ställer ni in Resource till fileFolder, aktiverar Return All som true och ställer in Filter → Folder ID till [YOUR_ID].
4. I Drive File Download ställer ni in Operation till download och ställer in File ID till ={{ $json.id }}.
5. Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter på Drive Folder Scan, Drive Content Download, Drive File List och Drive File Download.

Steg 3: konfigurera Pinecone-indexering

Den här grenen bygger ett Pinecone-vektorindex från Google Drive-filer för hämtning vid rapportering.

1. Verifiera att flödet Drive File List → Drive File Download → Pinecone Index Writer matchar indexeringssekvensen.
2. I Pinecone Index Writer ställer ni in Mode till insert och väljer Pinecone Index som package1536.
3. I Binary Data Loader ställer ni in Data Type till binary.
4. I Recursive Text Chunker ställer ni in Chunk Overlap till 50 och ansluter den till Binary Data Loader som ai_textSplitter.
5. Anslut Binary Data Loader till Pinecone Index Writer som ai_document och anslut OpenAI Embedding Builder till Pinecone Index Writer som ai_embedding.
6. Inloggningsuppgifter krävs: Anslut era pineconeApi-inloggningsuppgifter på Pinecone Index Writer.
7. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter på OpenAI Embedding Builder (denna embedding-nod levererar vektorer till Pinecone Index Writer).

Steg 4: konfigurera AI-rapporten för kundreskontra

Den här grenen extraherar EDI-text och genererar kundreskontra-rapporten med hjälp av en AI-agent och Pinecone-hämtning.

1. Säkerställ att Drive Content Download matar File Text Extractor, och att File Text Extractor matar Accounts Receivable Agent.
2. I File Text Extractor ställer ni in Operation till text.
3. I Accounts Receivable Agent ställer ni in Prompt Type till define, aktiverar Has Output Parser och ställer in Text till = Use the incoming EDI files and generate Account Receivable Report by going throug each file, listing the account receivables for each PNR and the passenger data. {{ $json.data }}.
4. I Accounts Receivable Agent ställer ni in System Message till ##Role## You are an Accounting and Finance Reporting Expert and you understand the incoming EDI file from which you extract data and compile Accounts Receivable (AR) Summary Report Instruction: Read the incoming EDI file and identify the accounting info and generate accounting receivable report. If there are data that you don't understand, query the pinecone vector database where the complete guidelines is stored for the undersatnding. Output just the table with the data. No need to give a dscription in the begining. Generate report in the below tabular format that is extractable in JSON format: { [ {"passenger": "Sergei", "fare": 414, "tax": 34.88, "total": 448.88} ] } Note: Never ever create your own AR report if in doubt or missing data. .
5. I Chat Model Core väljer ni Model gpt-4o-mini och ansluter den till Accounts Receivable Agent som ai_languageModel.
6. I Pinecone Retrieval Tool ställer ni in Mode till retrieve-as-tool, Tool Name till PackageDetails, Tool Description till Return the Accounts Payable details reading the information from the input file. och väljer Pinecone Index package1536. Anslut den till Accounts Receivable Agent som ai_tool.
7. Anslut OpenAI Embedding Source till Pinecone Retrieval Tool som ai_embedding.
8. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter på Chat Model Core och OpenAI Embedding Source.
9. Inloggningsuppgifter krävs: Anslut era pineconeApi-inloggningsuppgifter på Pinecone Retrieval Tool.

Steg 5: konfigurera AI-rapporten för skatt och tillägg

Den här agenten genererar sammanfattningar av skatter och tillägg med en separat språkmodell och Pinecone-hämtning.

1. I Tax & Surcharge Agent ställer ni in Prompt Type till define, aktiverar Has Output Parser och ställer in Text till = Use the incoming EDI files and generate Tax and Surcharges Report by going through each file, listing the tax surcharge report for each PNR and the passenger data. {{ $json.data }}.
2. I Tax & Surcharge Agent ställer ni in System Message till ##Role## You are an Accounting and Finance Reporting Expert and you understand the incoming EDI file from which you extract data and compile Tax and Surcharges Report Instruction: Read the incoming EDI file and identify the accounting info and generate accounting receivable report. If there are data that you don't understand, query the pinecone vector database where the complete guidelines is stored for the undersatnding. Output just the table with the data. No need to give a dscription in the begining. Generate report in the below tabular format that is extractable in JSON format: [ {"taxType": "JD", "amount": 23.84} ] Note: Never ever create your own Tax report if in doubt or missing data. .
3. I Chat Model Secondary väljer ni Model gpt-4o-mini och ansluter den till Tax & Surcharge Agent som ai_languageModel.
4. I Pinecone Tax Retriever ställer ni in Mode till retrieve-as-tool, Tool Name till PackageDetails och Tool Description till Return the Tax Summary aligning to the input file och väljer Pinecone Index package1536. Anslut den till Tax & Surcharge Agent som ai_tool.
5. Anslut OpenAI Embedding Source 2 till Pinecone Tax Retriever som ai_embedding.
6. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter på Chat Model Secondary och OpenAI Embedding Source 2.
7. Inloggningsuppgifter krävs: Anslut era pineconeApi-inloggningsuppgifter på Pinecone Tax Retriever.

Steg 6: testa och aktivera ert arbetsflöde

Kör arbetsflödet manuellt för att verifiera inläsning från Google Drive, Pinecone-indexering och generering av AI-rapporter.

1. Klicka på Execute Workflow för att köra Manual Launch Trigger.
2. Bekräfta att Drive Folder Scan och Drive Content Download hämtar filer och verifiera sedan att File Text Extractor returnerar text.
3. Kontrollera att utdata från Accounts Receivable Agent innehåller en JSON-liknande tabell enligt definitionen i prompten.
4. Om indexeringsgrenen är ansluten, verifiera att Pinecone Index Writer infogar vektorer i package1536.
5. Växla arbetsflödet till Active när resultaten matchar förväntningarna.