Steg 2: anslut datakällor i Google Sheets

Flera Google Sheets-verktyg används för kontexthämtning och loggning genom hela innehållslivscykeln.

1. I Fetch Content Items ställer ni in Document till SEO Content Automation och Sheet till content_items.
2. I Fetch Content Versions ställer ni in Document till SEO Content Automation och Sheet till content_versions.
3. I Fetch Conversation Logs ställer ni in Document till SEO Content Automation och Sheet till conversation_logs.
4. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter till Fetch Content Items, Fetch Content Versions och Fetch Conversation Logs.
5. Upprepa samma anslutning av Google Sheets-inloggningsuppgifter för alla Google Sheets-verktyg och loggare (10+ noder) som läser/skriver innehållsversioner, optimerade utkast, publicerade poster, konversationsloggar och prestandamått.

Steg 3: konfigurera AI-orkestreringslagret

Orkestreringslagret klassificerar avsikt, berikar kontext och förbereder payloads för nedströms AI-agenter.

1. Öppna AI Orchestrator Hub och behåll Text inställt på =User message: {{ $json.chatInput }} Session ID: {{ $json.sessionId }}.
2. Säkerställ att AI Orchestrator Hub har Has Output Parser aktiverat och är ansluten till Structured Output Decoder.
3. Anslut Basic Memory Buffer till AI Orchestrator Hub som AI-minne med Context Window Length inställt på 7.
4. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Content Classifier LLM (språkmodell för AI Orchestrator Hub).
5. Bekräfta att Prepare Subflow Payloads mappar intent, topic, content_id och parameter med uttryck som {{ $json.output.intent }}.

Steg 4: konfigurera avsiktsrouting och payload-mappning

Avsiktsrouting avgör vilken AI-gren som körs (chat, brief, draft, optimize, publish eller monitor).

1. Öppna Intent Routing Switch och verifiera att varje regel jämför Left Value {{ $json.intent }} med någon av chat, brief, draft, optimize, publish eller monitor.
2. För chat-vägen: verifiera att Map Intent Payload mappar intent, topic, content och parameter med uttryck som {{ $json.intent }}.
3. För brief-vägen: verifiera att Map Intent Payload Brief mappar samma fält från avsiktspayloaden.
4. För draft-vägen: verifiera att Map Intent Payload Draft inkluderar brief_id inställt på {{ $json.brief_id }}.
5. För optimize-vägen: bekräfta att Build Optimizer Payload sätter intent till optimize och content till C001 (eller ersätt med er strategi för innehålls-ID).
6. För publish-vägen: verifiera att Assemble Publish Metadata sätter intent till publish, topic till AI Seo Basics och content_id till C001 (redigera för er innehållskatalog).
7. För monitor-vägen: säkerställ att Prepare Monitor Metadata mappar content_id från {{ $json.content }} och inkluderar parameter.

Steg 5: konfigurera grenen för chattrespons

Den här grenen hanterar konversationssvar och loggar dem till Google Sheets.

1. I Chat Response Agent behåller ni Text inställt på =User message: {{ $json.content }} Intent: {{ $json.intent }} Topic: {{ $json.topic || "general" }} Context (from Google Sheets or memory): {{ $json.context || $memory || "No context retrieved" }}.
2. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Chat Composer Model (språkmodell för Chat Response Agent).
3. Behåll Chat Composer Memory ansluten som AI-minne och Fetch Conversation Records ansluten som ett AI-verktyg. Lägg till Google Sheets-inloggningsuppgifter till Fetch Conversation Records.
4. Säkerställ att Chat Composer JSON Parser är ansluten som output parser till Chat Response Agent.
5. I Log Chat Responses bekräftar ni att Operation är appendOrUpdate och att fälten inkluderar input, intent, response och timestamp med uttryck som {{ $json.output.reply }} och {{ $now }}.
6. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter till Log Chat Responses.

Steg 6: konfigurera agenter för brief, draft och optimering

Dessa grenar genererar briefs och utkast, optimerar innehåll och loggar versioner till Google Sheets.

1. I Brief Drafting Agent verifierar ni att fältet Text inkluderar {{ $json.topic }}, {{ $json.intent }}, {{ $json.content }} och {{ $json.context || $memory || 'No context found' }}.
2. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Brief Chat Model (språkmodell för Brief Drafting Agent).
3. Anslut Fetch Brief Context som ett AI-verktyg och Brief Memory Buffer som AI-minne till Brief Drafting Agent. Lägg till Google Sheets-inloggningsuppgifter till Fetch Brief Context.
4. I Article Draft Agent behåller ni innehållsprompten och säkerställer att Draft JSON Parser är ansluten som output parser.
5. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Analytics Summary LLM (språkmodell för Article Draft Agent).
6. Koppla Fetch Draft Context (AI-verktyg) och Draft Memory Buffer (AI-minne) till Article Draft Agent; lägg till Google Sheets-inloggningsuppgifter till Fetch Draft Context.
7. I Content Optimization Agent bekräftar ni att optimeringsfälten använder uttryck som {{ $json.parameter.goal || 'Improve SEO, tone, and readability' }} och {{ $json.parameter.focus_keywords ? $json.parameter.focus_keywords.join(', ') : 'N/A' }}.
8. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Optimizer Chat Model (språkmodell för Content Optimization Agent).
9. Anslut Fetch Optimizer Context och Optimizer Memory Buffer till Content Optimization Agent; lägg till Google Sheets-inloggningsuppgifter till Fetch Optimizer Context.
10. Säkerställ att loggnoderna Log Brief Records, Log Draft Records och Log Optimization Records använder Operation appendOrUpdate och har Google Sheets-inloggningsuppgifter anslutna.

Steg 7: konfigurera publicerings- och godkännandeflödet

Publiceringsgrenen förbereder metadata, begär godkännande och skickar notiser när den har godkänts.

1. Verifiera att Assemble Publish Metadata sätter intent till publish och anger ett giltigt content_id.
2. I Publishing Prep Agent behåller ni fältet Text med {{ $json.parameter.platform || 'Internal CMS' }} och kopplar Publisher JSON Parser.
3. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Publisher Chat Model (språkmodell för Publishing Prep Agent).
4. Anslut Retrieve Optimized Draft som ett AI-verktyg för Publishing Prep Agent och lägg till Google Sheets-inloggningsuppgifter till Retrieve Optimized Draft.
5. Publishing Prep Agent skickar output till både Log Published Records och Email Approval Request parallellt.
6. I Email Approval Request ställer ni in Operation till sendAndWait, Message till {{ $json.output.publish_data.html_body }} och Subject till {{ $json.output.publish_data.title }}. Inloggningsuppgifter krävs: Anslut era gmailOAuth2-inloggningsuppgifter.
7. I Approval Status Check behåller ni villkoret att {{ $json.data.approved }} är lika med true.
8. Approval Status Check skickar output till både Email Final Delivery och Slack Success Alert parallellt.
9. I Email Final Delivery ställer ni in Message till {{ $('Publishing Prep Agent').item.json.output.publish_data.html_body }} och Subject till {{ $('Publishing Prep Agent').item.json.output.publish_data.title }}. Inloggningsuppgifter krävs: Anslut era gmailOAuth2-inloggningsuppgifter.
10. I Slack Success Alert ställer ni in Text till Your {{ $('Publishing Prep Agent').item.json.output.publish_data.title }} has been Successfully Published. och väljer en kanal. Inloggningsuppgifter krävs: Anslut era slackApi-inloggningsuppgifter.

Steg 8: konfigurera prestandaövervakning

Den här grenen hämtar publicerade versioner och analysdata och sammanfattar sedan prestanda i Google Sheets.

1. I Prepare Monitor Metadata bekräftar ni att content_id mappar till {{ $json.content }} och att parameter mappar till {{ $json.parameter }}.
2. Anslut Retrieve Published Version och Load Performance Metrics som AI-verktyg för Performance Monitor Agent och lägg till Google Sheets-inloggningsuppgifter till båda.
3. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Monitor Chat Model (språkmodell för Performance Monitor Agent).
4. Säkerställ att Monitor Memory Buffer är kopplad som AI-minne och Monitor JSON Parser som output parser till Performance Monitor Agent.
5. I Log Monitor Metrics ställer ni in Operation till append och verifierar att fälten mappar till {{ $json.output.performance_summary.* }} och {{ $json.output.timestamp }}. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter.

Steg 9: sammanställ det slutliga svaret till användaren

Alla grenar leder in i en gemensam responsgenerator innan svaret skickas tillbaka till webhooken.

1. I AI Reply Composer behåller ni Text inställt på {{ JSON.stringify($json, null, 2) }} plus svars-instruktionerna.
2. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till Human Chat Model (språkmodell för AI Reply Composer).
3. Säkerställ att Chat Output Parser är ansluten som output parser till AI Reply Composer.
4. Bekräfta att Webhook Response Sender är ansluten efter AI Reply Composer med Respond With inställt på text och Response Body inställt på {{ $json.output.reply }}.

Steg 10: testa och aktivera ert arbetsflöde

Validera alla grenar och säkerställ att inloggningsuppgifter fungerar innan ni aktiverar arbetsflödet för produktion.

1. Klicka på Execute Workflow och skicka ett testmeddelande via Chat Message Trigger (t.ex. “Create a brief about AI SEO basics”).
2. Verifiera att ett strukturerat svar når AI Reply Composer och att Webhook Response Sender returnerar ett chatvänligt svar.
3. Kontrollera Google Sheets för nya rader i Log Brief Records, Log Draft Records eller Log Optimization Records beroende på avsikten.
4. Testa publish-vägen för att säkerställa att Email Approval Request skickar, att Approval Status Check routar korrekt och att både Email Final Delivery och Slack Success Alert triggas parallellt efter godkännande.
5. När allt är verifierat, slå på arbetsflödet Active för produktionsanvändning.