Steg 2: anslut grundläggande ai-modell, minne och parsning

Definiera den primära ai-modellen, minnet och parsningen av strukturerad output som används av discovery-agenten.

1. Öppna Primary GPT Model och ställ in Model till gpt-4o.
2. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i Primary GPT Model.
3. Koppla Dialogue Buffer Memory till Tool Discovery Agent som anslutningen ai_memory (inloggningsuppgifter läggs till på den överordnade agenten, inte på minnesnoden).
4. Öppna Structured Output Reader och bekräfta att JSON Schema Example matchar arbetsflödets schema: { "topic":"USER_INPUT_TOPIC", "ItemNames": [ "Item_1", "Item_2", "Item_3", "Item_4", "Item_5" ] }
5. Koppla Structured Output Reader till Tool Discovery Agent som anslutningen ai_outputParser (inloggningsuppgifter läggs till på den överordnade agenten, inte på parsern).

Steg 3: konfigurera verktygsidentifiering och sökning

Konfigurera discovery-agenten så att den tolkar chattförfrågan och använder sökverktyg.

1. Öppna Tool Discovery Agent och ställ in Text till {{ $json.chatInput }}.
2. Behåll Prompt Type som define och säkerställ att Has Output Parser är aktiverat.
3. Anslut Primary GPT Model till Tool Discovery Agent som ai_languageModel.
4. Koppla Search Tool Connector till Tool Discovery Agent som ai_tool.
5. Inloggningsuppgifter krävs: Anslut era serpApi-inloggningsuppgifter i Search Tool Connector (inloggningsuppgifter för sökverktyg måste läggas till på verktygsnoden, inte på agenten).

Steg 4: konfigurera parallella granskaragenter och modeller

Varje granskaragent utvärderar ett annat verktyg parallellt med dedikerade GPT- och sökverktygsnoder.

1. Ställ in Reviewer Agent A Text till {{ $json.output.ItemNames[0] }}, Reviewer Agent B till {{ $json.output.ItemNames[1] }}, Reviewer Agent C till {{ $json.output.ItemNames[2] }}, Reviewer Agent D till {{ $json.output.ItemNames[3] }} och Reviewer Agent E till {{ $json.output.ItemNames[4] }}.
2. Anslut Reviewer GPT A, Reviewer GPT B, Reviewer GPT C, Reviewer GPT D och Reviewer GPT E till sina matchande agenter som anslutningarna ai_languageModel.
3. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i alla reviewer GPT-noder (detta är modellerna för granskaragenterna).
4. Anslut Search Tool A, Search Tool B, Search Tool C, Search Tool D och Search Tool E till sina matchande granskaragenter som anslutningarna ai_tool.
5. Inloggningsuppgifter krävs: Anslut era serpApi-inloggningsuppgifter i alla sökverktygsnoder som används av granskaragenterna.
6. Tool Discovery Agent skickar output till Reviewer Agent A och Reviewer Agent B och Reviewer Agent C och Reviewer Agent D och Reviewer Agent E parallellt.

Steg 5: kombinera och aggregera granskningar

Slå ihop de fem parallella granskningsutgångarna och aggregera dem till ett enda objekt för sammanställning.

1. Öppna Combine Reviews och ställ in Number Inputs till 5.
2. Anslut Reviewer Agent A, Reviewer Agent B, Reviewer Agent C, Reviewer Agent D och Reviewer Agent E till Combine Reviews (inputs 1–5).
3. I Aggregate Results ställer ni in listan Fields to Aggregate så att output byter namn till Output 1 till Output 5 enligt nodkonfigurationen.
4. Anslut Combine Reviews → Aggregate Results.

Steg 6: sammanställ slutlig output med sammanfattningsmodell

Använd en organiserande agent för att formatera de aggregerade granskningarna till en tydlig jämförelseoutput.

1. Öppna Output Compiler och ställ in Text till {{ $json['Output 1'][0] }}{{ $json['Output 1'][1] }}{{ $json['Output 1'][2] }}{{ $json['Output 1'][3] }}{{ $json['Output 1'][4] }}.
2. Säkerställ att Has Output Parser är aktiverat i Output Compiler.
3. Anslut Summary GPT Mini till Output Compiler som ai_languageModel och ställ in Model till gpt-4o-mini.
4. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i Summary GPT Mini.
5. Anslut Aggregate Results → Output Compiler.

Steg 7: granska valfri varumärkesnotis

Post-it-lappen är endast informativ och påverkar inte körningen.

1. Behåll Flowpast Branding som den är för dokumentation, eller ta bort den om ni vill ha en renare canvas.

Steg 8: testa och aktivera ert arbetsflöde

Validera flödet för chattinmatning, parallella granskningar och den slutliga sammanställda outputen.

1. Klicka på Execute Workflow och skicka ett exempelmeddelande i chatten via Incoming Chat Trigger.
2. Bekräfta att Tool Discovery Agent producerar en strukturerad lista med fem objekt via Structured Output Reader.
3. Verifiera att alla granskaragenter returnerar output och att Combine Reviews tar emot fem inputs.
4. Kontrollera att Output Compiler producerar den slutliga kombinerade jämförelseoutputen.
5. När resultaten ser korrekta ut, växla arbetsflödet till Active för användning i produktion.