Steg 2: Anslut Google Sheets

Ange kalkylbladskällan och läs in kunddatasetet.

1. I Assign Sheet URL ställer ni in sheetUrl till https://docs.google.com/spreadsheets/d/[YOUR_ID]/edit.
2. Öppna Read Sheet Data och ställ in Sheet Name till customer_data.
3. I Read Sheet Data ställer ni in Document ID till {{ $json.sheetUrl }}.
4. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Read Sheet Data.

Steg 3: Konfigurera AI-resonemang och verktyg

Konfigurera AI-motorn och dess verktygsunderflöden för kolumnidentifiering och hämtning av rader.

1. Öppna OpenAI Chat Engine och verifiera att modellen är inställd på gpt-4o-mini.
2. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i OpenAI Chat Engine.
3. Säkerställ att Conversation Memory är ansluten till AI Reasoning Agent via porten ai_memory.
4. Verifiera att verktygsnoderna List Column Helper, Fetch Column Values och Retrieve Customer Record är anslutna till AI Reasoning Agent som ai_tool-utgångar.
5. I List Column Helper bekräftar ni att workflowId är inställt på {{ $workflow.id }} och att operation i indata är column_names.
6. I Fetch Column Values bekräftar ni att workflowId är inställt på {{ $workflow.id }} och att operation i indata är column_values.
7. I Retrieve Customer Record bekräftar ni att workflowId är inställt på {{ $workflow.id }} och att query använder {{ /*n8n-auto-generated-fromAI-override*/ $fromAI('query', ``, 'string') }}.

Steg 4: Konfigurera operationsroutning och datapreparering

Routa förfrågningar baserat på operationstyp och förbered utdata-datasetet.

1. I Subflow Trigger Start bekräftar ni att workflowInputs inkluderar operation och query.
2. I Route Operation verifierar ni att de tre reglerna jämför {{ $('Subflow Trigger Start').item.json.operation }} med column_names, column_values och row.
3. I Assemble Column Names ställer ni in response till {{ Object.keys($json) }}.
4. I Build Column Dataset ställer ni in row_number till {{ $json.row_number }}.
5. I Filter Rows ställer ni in villkoret så att det jämför {{ $json.row_number.toString() }} med {{ $('Subflow Trigger Start').item.json.query }}.

Steg 5: Konfigurera utdataformatering

Serialisera resultaten så att AI-verktygen får en konsekvent svarsstruktur.

1. Öppna Format Response och ställ in JavaScript Code till return { 'response': JSON.stringify($input.all().map(x => x.json)) }.
2. Bekräfta att Format Response tar emot indata från Assemble Column Names, Build Column Dataset och Filter Rows.

Steg 6: Testa och aktivera ert arbetsflöde

Validera flödet från början till slut och publicera sedan för produktionsanvändning.

1. Klicka på Execute Workflow och skicka ett testmeddelande via Incoming Chat Trigger.
2. Verifiera att Read Sheet Data laddar bladet customer_data och att Route Operation skickar data till rätt gren.
3. Bekräfta att Format Response returnerar en giltig JSON-sträng under nyckeln response.
4. När allt är validerat växlar ni arbetsflödet till Active för att aktivera chattdrivna frågor i produktion.