Steg 2: Koppla Google Sheets

Dessa noder läser och skriver till webbplatsens innehållsdatabas som används av assistenten och av sammanfattningsprocessen.

1. Öppna Retrieve Data Schema och välj kalkylarket i Document ID och Sheet Name (t.ex. gid=0).
2. I Retrieve Data Schema säkerställer ni att filtret använder Lookup Column Data schema med Lookup Value ={{ true }}.
3. Credential Required: Anslut era googleSheetsOAuth2Api-credentials i Retrieve Data Schema.
4. Öppna Schema Flag Update, ställ in Operation på appendOrUpdate, och mappa Data schema till ={{true}}.
5. Credential Required: Anslut era googleSheetsOAuth2Api-credentials i Schema Flag Update.
6. Öppna Append Sheet Row, behåll Operation som append, och bekräfta att kolumnmappningarna använder AI-uttrycken som ={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Summary_Content', ``, 'string') }}.
7. Credential Required: Anslut era googleSheetsOAuth2Api-credentials i Append Sheet Row.

Steg 3: Sätt upp URL-validering och schemakontroller

Den här delen validerar användarens URL:er, kontrollerar om schemat redan finns och routar vidare antingen till chattsvaret eller till flödet för sitemap-skanning.

1. Öppna Schema Check och bekräfta att villkoret använder ={{ $json['Data schema'] }} med en boolean-kontroll för true.
2. Öppna URL Validator Agent och ställ in Text på ={{ $node["Web Chat Trigger"].json["chatInput"] }}.
3. Koppla Structured Parser till URL Validator Agent som output-parser och behåll JSON-schemaexemplet:

{ "URL": "example.com", "URL_bool": true }

1. Koppla OpenAI Validator Model som språkmodell för URL Validator Agent.
2. Credential Required: Anslut era openAiApi-credentials i OpenAI Validator Model (credentials sätts på modellnoden, inte på agenten).
3. Öppna URL Valid Check och bekräfta att villkoret använder ={{ $json.output.URL_bool }} med en boolean-kontroll för true.
4. För ogiltiga URL:er säkerställer ni att Invalid URL Reply skickar meddelandet Debes introducir una URL válida ejemplo: https://google.es.

Steg 4: Konfigurera Conversational Agent och minne

Den här agenten besvarar chattförfrågningar med webbplatsdata i Google Sheets och en språkmodell, med minne aktiverat för kontext.

1. Öppna Conversational Agent och ställ in Text på ={{ $node["Web Chat Trigger"].json["chatInput"] }}.
2. Koppla OpenAI Chat Engine som språkmodell för Conversational Agent.
3. Credential Required: Anslut era openAiApi-credentials i OpenAI Chat Engine.
4. Koppla Lightweight Memory till Conversational Agent och behåll Context Window Length på 50.
5. Koppla Fetch Sheet Rows som ett AI-verktyg till Conversational Agent så att den kan hämta webbplatsinnehåll från arket.
6. Credential Required: Anslut era googleSheetsOAuth2Api-credentials i Fetch Sheet Rows (verktyg använder sina egna credentials, men anropas av agenten).
7. Bekräfta att Conversational Agent routar till Agent Response och att Agent Response använder ={{ $json.output }} som meddelande.

Steg 5: Konfigurera upptäckt och val av sitemap

Dessa noder bygger en giltig sitemap-URL från robots.txt, hämtar sitemap:en och väljer rätt sitemap-sektion med AI.

1. Öppna Scan Options och behåll boolean-flaggorna enligt konfigurationen: scan_pages true, scan_posts false, category false, tags false.
2. I Random UA Picker behåller ni den JavaScript-kod som returnerar en slumpmässig userAgent-sträng.
3. Öppna Robots.txt Request och ställ in URL på ={{ $node["URL Validator Agent"].json["output"]["URL"] }}/robots.txt.
4. Bekräfta att Parse Sitemap URL parsar robots.txt-innehållet och returnerar sitemapUrl enligt koden.
5. Öppna Sitemap Fetch och ställ in URL på ={{ $json.sitemapUrl }} med headers som inkluderar User-Agent ={{ $json.userAgent }}.
6. Öppna XML Decode A för att parsa sitemap-XML och skicka vidare till Sitemap Selector.
7. Öppna Sitemap Selector, behåll JSON Output aktiverat och verifiera att den refererar till scan options och sitemap-indexets loc:er med uttryck som {{ $json.sitemapindex.sitemap[0].loc }}.
8. Credential Required: Anslut era openAiApi-credentials i Sitemap Selector.
9. Öppna Page Sitemap Fetch och ställ in URL på ={{ $json.message.content.sitemap_page }}, och routa sedan till XML Decode B.

Steg 6: Konfigurera URL-splitting, sidförfrågningar och sammanfattning

Det här steget expanderar den valda sitemap:en till individuella URL:er, hämtar varje sida, konverterar HTML till Markdown och sammanfattar innehållet med AI.

1. Öppna Combine URL Map och behåll den JavaScript-kod som transformerar urlset.url till ett urls-objekt.
2. Öppna Split URL Items och ställ in Field To Split Out på urls.
3. Öppna Batch Iterator för att styra batchbearbetning av URL:er innan sidor begärs.
4. Öppna Page Request och ställ in URL på ={{ $('Split URL Items').item.json.urls }} med User-Agent-headern ={{ $json.userAgent }}.
5. Öppna HTML Convert to MD och ställ in HTML på ={{ $json.data }}.
6. Öppna Page Summary Model och säkerställ att meddelandet inkluderar =URL: {{ $('Split URL Items').item.json.urls }} {{ $json.data }} i prompten.
7. Credential Required: Anslut era openAiApi-credentials i Page Summary Model.
8. Bekräfta att Page Summary Model använder Append Sheet Row som ett AI-verktyg för att skriva resultaten till arket.

Steg 7: Lägg till felhantering

Arbetsflödet innehåller explicita stopp för ogiltiga URL:er och sitemap-fel.

1. Verifiera att Request Error Halt är kopplad från felutgången på Robots.txt Request och använder meddelandet URL mal introducida, debes introducir con el siguiente formato: ejemplo.com.
2. Verifiera att Sitemap Failure Halt är kopplad från felutgången på Sitemap Fetch och använder meddelandet Sitemap no encontrado o acceso bloqueadp.

Steg 8: Testa och aktivera ert arbetsflöde

Kör ett kontrollerat test för att validera hela flödet från chattrespons till sitemap-sammanfattning.

1. Klicka på Execute Workflow och skicka ett chattmeddelande via Web Chat Trigger med en URL som https://example.com.
2. Bekräfta att en giltig URL routas via URL Valid Check till Scan Options, Robots.txt Request och Sitemap Fetch.
3. Verifiera att Page Summary Model körs och att Append Sheet Row lägger till en rad med Lang, Page URL och Summary Content.
4. Kontrollera att Agent Response returnerar ett chattsvar när Schema Check är true och att Invalid URL Reply triggas för ogiltiga URL:er.
5. När allt är validerat, växla arbetsflödet till Active för användning i produktion.