Steg 2: Anslut Microsoft SharePoint-källor

Dessa noder hanterar era in- och utdatafiler för cookies, profiler och gillade inlägg. Konfigurera SharePoint en gång och återanvänd autentiseringen i dessa noder.

1. I Fetch Session Cookie File väljer ni filen instagram_session_cookies.txt i er SharePoint-mapp. Credential Required: Anslut era microsoftSharePointOAuth2Api-uppgifter.
2. I Retrieve Account List ställer ni in File Name till instagram_profiles_to_scrape.csv och Operation till update. Credential Required: Anslut era microsoftSharePointOAuth2Api-uppgifter.
3. I Download Liked CSV pekar ni på instagram_posts_already_liked.csv. Credential Required: Anslut era microsoftSharePointOAuth2Api-uppgifter.
4. I Update Liked CSV ställer ni in File Name till instagram_posts_already_liked.csv, Operation till update och aktiverar Change File Content. Credential Required: Anslut era microsoftSharePointOAuth2Api-uppgifter.
5. I Upload CSV File ställer ni in File Name till instagram_posts_to_like.csv och Operation till upload. Credential Required: Anslut era microsoftSharePointOAuth2Api-uppgifter.

Steg 3: Konfigurera val av sessionscookie (AI)

Den här delen extraherar cookie-data, väljer en sessionscookie via AI-agenten och sparar den för efterföljande noder.

1. I Extract Cookie Text ställer ni in Operation till text för att läsa sessionscookie-filen som vanlig text.
2. I Choose Session Cookie behåller ni Prompt som angivet, inklusive uttrycken {{ $now.setZone('Europe/Berlin').format('DD HH:mm:ss') }}, {{ $now.setZone('Europe/Berlin').format('HH') }} och {{ $json.data }}.
3. Öppna OpenAI Chat Model och ställ in Model till chatgpt-4o-latest. Credential Required: Anslut era openAiApi-uppgifter. OpenAI Chat Model är ansluten som språkmodell för Choose Session Cookie—säkerställ att uppgifter är tillagda i OpenAI Chat Model.
4. I Assign ENV Settings ställer ni in ENV_SESSION_COOKIE till {{ $('Choose Session Cookie').first().json.output.parseJson().session_cookie }}.

Steg 4: Konfigurera profilscraping och hämta resultat

Dessa noder startar profilscrapern, väntar på att den blir klar och hämtar sedan inläggs-URL:er från Phantombuster.

1. I Fetch Profile Extractor Agent ställer ni in Agent ID till ert Phantombuster-agent-ID (ersätt [YOUR_ID]). Credential Required: Anslut era phantombusterApi-uppgifter.
2. I Launch Profile Scraper behåller ni Agent ID satt till {{ $('Fetch Profile Extractor Agent').item.json.id }} och låter JSON Parameters vara aktiverat. Bekräfta att Arguments JSON innehåller "numberOfPostsPerProfile": 20, "filters": "postUrl", "spreadsheetUrl": "{{ $('Retrieve Account List').item.json['@content.downloadUrl'] }}" och "sessionCookie": "{{ $('Assign ENV Settings').item.json.ENV_SESSION_COOKIE }}". Credential Required: Anslut era phantombusterApi-uppgifter.
3. I Pause Interval ställer ni in Amount till 30 sekunder.
4. I Primary Agent Request ställer ni in URL till https://api.phantombuster.com/api/v2/agents/fetch?id=[YOUR_ID] och Authentication till predefinedCredentialType. Credential Required: Anslut era phantombusterApi-uppgifter.
5. I Secondary Result Request ställer ni in URL till https://phantombuster.s3.amazonaws.com/{{ $json.data?.orgS3Folder || $json.orgS3Folder }}/{{ $json.data?.s3Folder || $json.s3Folder }}/filtered_result.csv. Credential Required: Anslut era phantombusterApi-uppgifter.

Steg 5: Bearbeta inlägg och hantera dubbletter

Den här delen formaterar de scrapade inläggen, kontrollerar tomma listor och undviker att gilla dubbletter igen.

1. I Format Post Records behåller ni den angivna JavaScript-koden som delar upp CSV-data i { postUrl }-objekt.
2. I Check List Empty behåller ni villkoret som använder {{ $json.isEmpty() }} för att routa tomma resultat till Retry Delay.
3. I Retry Delay lämnar ni väntinställningarna som konfigurerade för att pausa innan ni väljer ett inlägg på nytt.
4. I Select Random Post behåller ni JavaScript-koden som väljer en slumpmässig postUrl från listan.
5. I Parse Liked CSV aktiverar ni Header Row till true och behåller Always Output Data aktiverat.
6. I Check Duplicate Record behåller ni JavaScript-logiken som normaliserar URL:er och jämför mot den parsade listan över gillade.
7. I Duplicate Branch behåller ni villkoret {{ $('Check Duplicate Record').first().json.isDuplicate }} för att routa dubbletter tillbaka till Retry Delay.

Steg 6: Uppdatera gillade-listan och bygg autolike-CSV:n

Dessa noder lägger till det nya inlägget i listan över gillade, genererar en ren CSV och laddar upp den för autolike-agenten.

1. I Assemble Updated List behåller ni JavaScript-koden som slår ihop befintliga gillade URL:er med den nyligen valda postUrl.
2. I Convert List to File behåller ni standardinställningarna för att skapa en binär fil för SharePoint.
3. I Update Liked CSV säkerställer ni att File Name är instagram_posts_already_liked.csv och att File Contents är data.
4. I Build CSV Binary behåller ni JavaScript-koden som skapar phantombuster_clean.csv från Select Random Post.
5. I Upload CSV File ställer ni in File Name till instagram_posts_to_like.csv och File Contents till data.

Steg 7: Kör autolike-jobbet och samla in output

Starta autolike-agenten, vänta på att den blir klar och hämta output för loggning eller revision.

1. I Fetch Autolike Agent ställer ni in Agent ID till ert autolike-agent-ID. Credential Required: Anslut era phantombusterApi-uppgifter.
2. I Start Autolike Job behåller ni JSON Parameters aktiverat och ställer in Arguments JSON med "numberOfPostsPerLaunch": 1, "sessionCookie": "{{ $('Assign ENV Settings').first().json.ENV_SESSION_COOKIE }}" och "spreadsheetUrl": "{{ $('Upload CSV File').item.json['@content.downloadUrl'] }}". Credential Required: Anslut era phantombusterApi-uppgifter.
3. I Post-Like Delay ställer ni in Amount till 30 sekunder.
4. I Retrieve Like Output ställer ni in Operation till getOutput och säkerställer att rätt agent-ID är konfigurerat. Credential Required: Anslut era phantombusterApi-uppgifter.

Steg 8: Testa och aktivera ert arbetsflöde

Kör ett kontrollerat test innan ni aktiverar schemat.

1. Klicka på Execute Workflow för att trigga Scheduled Start manuellt och observera flödet genom Fetch Session Cookie File och efterföljande noder.
2. En lyckad körning ska uppdatera instagram_posts_already_liked.csv och ladda upp instagram_posts_to_like.csv i SharePoint, och därefter returnera resultat från Retrieve Like Output.
3. När testningen är klar växlar ni arbetsflödet till Active för att aktivera schemat.