Steg 2: anslut OpenAI

Assistentuppslagningen och API-anropen använder OpenAI-autentiseringsuppgifter för att hämta trådmeddelanden och filmetadata.

1. Öppna OpenAI Assistant Lookup och ställ in Resource till assistant.
2. Ställ in Assistant ID till ert assistentvärde (ersätt [YOUR_ID]).
3. Öppna Fetch Thread Messages och verifiera att URL är =https://api.openai.com/v1/threads/{{ $json.threadId }}/messages.
4. I Fetch Thread Messages, behåll Authentication som predefinedCredentialType och Node Credential Type som openAiApi.
5. Öppna Fetch File Metadata och bekräfta att URL är =https://api.openai.com/v1/files/{{ $json.file_citation.file_id }}.
6. I Fetch File Metadata, behåll Query Parameters → limit satt till 1.

Credential Required: Anslut era openAiApi-autentiseringsuppgifter i OpenAI Assistant Lookup.

Credential Required: Anslut era openAiApi-autentiseringsuppgifter i Fetch Thread Messages och Fetch File Metadata.

OpenAI-verktyg som Sliding Memory Buffer är kopplade till assistenten—se till att autentiseringsuppgifter läggs till i OpenAI Assistant Lookup (inte i minnesnoden).

Steg 3: konfigurera meddelandeparsning

Den här delen delar upp tråden i enskilda meddelandeposter och extraherar citeringsannoteringar för vidare uppslagning.

1. Bekräfta att OpenAI Assistant Lookup kopplas direkt till Fetch Thread Messages.
2. I Divide Thread Messages, ställ in Field to Split Out till data.
3. I Split Message Content, ställ in Field to Split Out till content.
4. I Extract Citation Entries, ställ in Field to Split Out till text.annotations.
5. Säkerställ att körordningen följer Fetch Thread Messages → Divide Thread Messages → Split Message Content → Extract Citation Entries.

Steg 4: konfigurera citeringsmetadata och formatering

Metadata hämtas för varje citat, normaliseras, aggregeras och används sedan för att infoga filnamn i assistentens output.

1. Koppla Extract Citation Entries till Fetch File Metadata för att slå upp fildetaljer.
2. I Normalize Fields, ställ in tilldelningar:
   • id → ={{ $json.id }}
   • filename → ={{ $json.filename }}
   • text → ={{ $('Extract Citation Entries').item.json.text }}
3. I Combine Items, ställ in Aggregate till aggregateAllItemData.
4. I Finalize Formatted Output, behåll Mode satt till runOnceForEachItem och använd den angivna JavaScript Code: let saida = $('OpenAI Assistant Lookup').item.json.output; for (let i of $input.item.json.data) { saida = saida.replaceAll(i.text, " _("+ i.filename+")_ "); } $input.item.json.output = saida; return $input.item;

⚠️ Vanlig fallgrop: Om Normalize Fields inte refererar till Extract Citation Entries kommer text-ersättningen i Finalize Formatted Output att misslyckas.

Steg 5: konfigurera output-rendering

Det slutliga meddelandet kan valfritt konverteras från Markdown till HTML.

1. Koppla Finalize Formatted Output till Markdown to HTML Option.
2. I Markdown to HTML Option, ställ in HTML till ={{ $json.output }} och Destination Key till output.
3. Om ni vill ha HTML-output, aktivera Markdown to HTML Option (den är inaktiverad som standard).

Sista steget: testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att validera att citat ersätts med filnamn och aktivera sedan arbetsflödet för användning i drift.

1. Klicka Execute Workflow och skicka ett testmeddelande via Chat Entry Trigger.
2. Verifiera att Fetch Thread Messages hämtar meddelanden och att Extract Citation Entries ger ut annoteringsobjekt.
3. Bekräfta att Finalize Formatted Output ersätter citeringstext med filnamn i output.
4. Om ni använder HTML, säkerställ att Markdown to HTML Option matar ut HTML i fältet output.
5. Växla arbetsflödet till Active när testet har slutförts utan fel.