Steg 2: Anslut Google Sheets och bygg den veckovisa exporten

Hämta veckodata från arket, slå ihop den till en fil, validera resultatet och mejla bilagan.

1. Konfigurera Retrieve Sheet Data med rätt Document ID och Sheet Name.
2. Inloggning krävs: Anslut era googleSheetsOAuth2Api-uppgifter i Retrieve Sheet Data.
3. I Combine Sheet Records ställer ni in Aggregate till aggregateAllItemData.
4. I Convert Records to File ställer ni in Operation till toText och Source Property till data.
5. I Validate File Type ställer ni in villkoret Left Value till {{ $binary.data.mimeType }} och Right Value till application/json.
6. Konfigurera Email History Attachment med Subject inställt på chat_history_{{ $now.format('DD') }} och Message inställt på Hi [Name], Please find attached your chat history from our conversation on chat_history_{{ $now.format('DD') }}. Feel free to refer back to this anytime, and let me know if you have any questions! Best regards, [Your Name].
7. Inloggning krävs: Anslut era gmailOAuth2-uppgifter i Email History Attachment.

Steg 3: Förbered chattindata

Normalisera och berika inkommande chattmeddelanden innan ni skickar dem till AI-agenten.

1. Koppla Chat Message Trigger till Prepare Agent Inputs.
2. I Prepare Agent Inputs ställer ni in intent till Chat.
3. Ställ in topic till AI Seo Basics och content_id till C001.
4. Ställ in parameter till uttrycket {{ $json.parameter }} för att skicka vidare eventuell metadata från tidigare steg.

Steg 4: Sätt upp AI-orkestrering och verktyg

Konfigurera AI-agenten, minne, verktyg och parsning av utdata för strukturerade chattsvar.

1. I Chat Response Orchestrator ställer ni in Text till User message: {{ $json.content }} Intent: {{ $json.intent }} Topic: {{ $json.topic || "general" }} Context (from Google Sheets or memory): {{ $json.context || $memory || "No context retrieved" }}.
2. Låt Has Output Parser vara aktiverat i Chat Response Orchestrator och koppla in Structured JSON Parser med schemat { "reply": "string", "context_used": ["string"] }.
3. Anslut Session Memory Buffer till Chat Response Orchestrator med Session Key inställt på chat-rag-session, Session Id Type inställt på customKey och Context Window Length inställt på 7.
4. Koppla OpenAI Chat Engine som språkmodell för Chat Response Orchestrator.
5. Inloggning krävs: Anslut era openAiApi-uppgifter i OpenAI Chat Engine.
6. Anslut Fetch Sheet Context och Pinecone Knowledge Lookup som verktyg till Chat Response Orchestrator, och ställ in Top K till 5 med Tool Description inställt på Retrieve data from the Pinecone knowledge base and use it to answer user queries about the company, products, or projects in a well-structured, human-like manner.
7. Inloggning krävs: Anslut era googleSheetsOAuth2Api-uppgifter i Fetch Sheet Context och era pineconeApi-uppgifter i Pinecone Knowledge Lookup.
8. Koppla Chat Query Embeddings till Pinecone Knowledge Lookup som embedding-leverantör.
9. Inloggning krävs: Anslut era openAiApi-uppgifter i Chat Query Embeddings.

Steg 5: Konfigurera kunskapsinläsning till Pinecone

Läs in nya Drive-filer i Pinecone så att agenten kan besvara frågor med hjälp av kunskapsbasen.

1. I Retrieve Drive File ställer ni in Operation till download och File ID till {{ $json.id }}.
2. Inloggning krävs: Anslut era googleDriveOAuth2Api-uppgifter i Retrieve Drive File.
3. I Standard Document Loader ställer ni in Data Type till binary, Text Splitting Mode till custom och sätter metadata file-name till {{ $('Retrieve Drive File').item.json.name }}.
4. Konfigurera Recursive Text Chunker med Chunk Size inställt på 500 och Chunk Overlap inställt på 200.
5. Anslut OpenAI Embedding Builder med Dimensions inställt på 512, och koppla den till Pinecone Index Upsert.
6. Inloggning krävs: Anslut era openAiApi-uppgifter i OpenAI Embedding Builder och era pineconeApi-uppgifter i Pinecone Index Upsert.
7. I Pinecone Index Upsert ställer ni in Mode till insert och Embedding Batch Size till 1000.

Steg 6: Logga svar till Google Sheets

Spara strukturerade svar och användning av kontext tillbaka till Google Sheets för granskning och rapportering.

1. Koppla Chat Response Orchestrator till Append Conversation Log.
2. I Append Conversation Log ställer ni in Operation till appendOrUpdate och väljer rätt Document ID och Sheet Name.
3. Inloggning krävs: Anslut era googleSheetsOAuth2Api-uppgifter i Append Conversation Log.

Steg 7: Testa och aktivera ert arbetsflöde

Kör end-to-end-tester för att bekräfta att alla flöden för chatt, inläsning och loggning körs som förväntat.

1. Använd Execute Workflow för att skicka ett testmeddelande till Chat Message Trigger och verifiera att ett strukturerat svar skapas.
2. Bekräfta att Append Conversation Log skriver en ny rad med de parsade fälten reply och context_used.
3. Trigga Weekly Schedule Trigger manuellt för att verifiera att Email History Attachment skickar ett mejl med den exporterade JSON-bilagan.
4. Ladda upp en testfil i den övervakade Drive-mappen för att verifiera att Drive File Created Trigger och Pinecone Index Upsert körs utan fel.
5. När alla tester passerar växlar ni arbetsflödet till Active för användning i produktion.