Steg 2: Anslut Microsoft Teams och hämta meddelanden

Konfigurera därefter hämtning av meddelanden från den aktuella teamkanalen.

1. Öppna Retrieve Recent Channel Posts.
2. Autentiseringsuppgifter krävs: Anslut era microsoftTeamsOAuth2Api-autentiseringsuppgifter.
3. Ställ in Resource till channelMessage och Operation till getAll.
4. Ställ in Team ID till =[YOUR_ID] och Channel ID till =[YOUR_ID] med era faktiska ID:n.
5. Verifiera att flödet fortsätter till Cluster Messages by User.

Steg 3: Gruppera meddelanden och skapa individuella sammanfattningar

Den här delen klustrar meddelanden per användare och genererar individuella veckosammanfattningar med AI.

1. Öppna Cluster Messages by User och behåll JavaScript-koden i jsCode som den är angiven, för att gruppera per användare och bifoga kontext för svar.
2. Bekräfta att Expand Grouped Records är inställd på att dela upp Field To Split Out som output.
3. Öppna Individual Weekly Summary Agent och ställ in Text till det angivna uttrycket:
   =## User DisplayName: {{ $json.user.displayName }} ## Messages {{ Array.from($json.messages) .map(msg => { return [ `Type: Message`, `Posted: ${msg.createdDateTime}`, `Message: ${msg.body.content.replaceAll('\n', ' ')}`, msg.parent ? `In Reply To: ${msg.parent.from.user.displayName} said "${msg.parent.body.content.replace('\n', ' ')}"` : '' ].join('\n') }).join('---\n') }}
4. Säkerställ att OpenAI Chat Engine är ansluten som språkmodell för Individual Weekly Summary Agent.
   Autentiseringsuppgifter krävs: Anslut era openAiApi-autentiseringsuppgifter i OpenAI Chat Engine (inte i agentnoden).
5. I Merge Summary with User Info, ställ in Mode till raw och JSON Output till:
   ={{ { ...$('Expand Grouped Records').item.json, report: $json.text } }}

Steg 4: Aggregera och generera den teamövergripande rapporten

Efter de individuella sammanfattningarna aggregerar arbetsflödet rapporterna och skapar en teamövergripande sammanfattning.

1. Öppna Consolidate Reports List och ställ in Aggregate till aggregateAllItemData.
2. Öppna Teamwide Weekly Summary Agent och ställ in Text till:
   ={{ $input.first().json.data .map(item => `user: ${item.user.displayName} <${item.user.id}> message count: ${item.messages.length} report: ${item.report.replaceAll('\n', ' ')}` ) .join('\n---\n') }}
3. Säkerställ att OpenAI Chat Engine 2 är ansluten som språkmodell för Teamwide Weekly Summary Agent.
   Autentiseringsuppgifter krävs: Anslut era openAiApi-autentiseringsuppgifter i OpenAI Chat Engine 2 (inte i agentnoden).

Steg 5: Konvertera till HTML och posta i Microsoft Teams

Den teamövergripande rapporten konverteras till HTML och publiceras i kanalen.

1. Öppna Convert Markdown to HTML och ställ in Mode till markdownToHtml.
2. Ställ in Markdown till ={{ $json.text }} och Destination Key till html.
3. Öppna Post Report to Channel.
   Autentiseringsuppgifter krävs: Anslut era microsoftTeamsOAuth2Api-autentiseringsuppgifter.
4. Ställ in Resource till channelMessage och Content Type till html.
5. Ställ in Message till ={{ $json.html }}, och säkerställ att Team ID och Channel ID är inställda på era faktiska värden.

Steg 6: Testa och aktivera ert arbetsflöde

Verifiera arbetsflödet från start till mål innan ni aktiverar det för veckovis användning.

1. Klicka på Execute Workflow för att köra ett manuellt test från Scheduled Automation Start.
2. Bekräfta att Retrieve Recent Channel Posts returnerar meddelanden och att Post Report to Channel publicerar en HTML-rapport.
3. Kontrollera den publicerade rapporten för korrekt formaterade avsnitt och användarsammanfattningar som genereras av Individual Weekly Summary Agent och Teamwide Weekly Summary Agent.
4. När allt är validerat, växla arbetsflödet till Active för att köra enligt schema.