Steg 2: Mappa inkommande fält

Det här steget standardiserar indatapayloaden så att efterföljande AI-noder refererar till konsekventa nycklar.

1. Öppna Map Input Fields och lägg till tilldelningar för chatInput och sessionId.
2. Sätt chatInput till {{ $json.chatInput }}.
3. Sätt sessionId till {{ $json.sessionId }}.
4. Koppla Map Input Fields till Autonomous Tool Agent.

Steg 3: Sätt upp Autonomous Tool Agent

Det här är den centrala AI-noden som orkestrerar verktygsanvändning och returnerar det primära svaret.

1. I Autonomous Tool Agent, sätt text till {{ $('Map Input Fields').item.json.chatInput }}.
2. Behåll promptType som define och verifiera att systemmeddelandet finns på plats för autonomt beteende.
3. Koppla Session Memory Buffer som AI-minne med sessionKey satt till {{ $('Map Input Fields').item.json.sessionId }} och contextWindowLength till 10.
4. Koppla Router Chat Model som språkmodell för Autonomous Tool Agent. Credential Required: Koppla era openRouterApi-uppgifter.
5. Bifoga verktygsnoder till Autonomous Tool Agent: Reasoning Loop, Run Text Scoring och request-/scraper-verktygen som används för research.

Steg 4: Anslut verktyg för research och berikning

Dessa verktyg möjliggör live-sökning, frågor mot kunskapsbas, scraping av sociala medier/profiler och identifiering av e-postadresser.

1. Konfigurera Search Engine Request med url satt till https://google.serper.dev/{endpoint}. Credential Required: Koppla era httpHeaderAuth-uppgifter.
2. Konfigurera Knowledge Base Query med url satt till https://larnd9rle1zwapsdcqw.c0.us-east1.gcp.weaviate.cloud/v1/graphql och method satt till POST. Credential Required: Koppla era httpCustomAuth-uppgifter (och httpHeaderAuth om det krävs av er endpoint).
3. Konfigurera Webpage Text Extractor med url satt till =https://r.jina.ai/{url}. Credential Required: Koppla era httpHeaderAuth-uppgifter.
4. Konfigurera verktyg för sociala medier/profiler (X Post Extractor, X Profile Extractor, Instagram Profile Reader, LinkedIn Profile Reader) med deras angivna URL:er. Credential Required: Koppla era httpQueryAuth-uppgifter för respektive verktyg.
5. Sätt upp e-postberikning med Discover Email Address och Validate Email Address. Credential Required: Koppla era hunterApi-uppgifter för båda.

Steg 5: Konfigurera utdata-routing och fallback

Den här logiken säkerställer att arbetsflödet returnerar ett svar även om agentens utdata är tom.

1. Koppla Autonomous Tool Agent till Check Output Empty.
2. I Check Output Empty, ställ in villkoret till att kontrollera om {{ $json.output }} är tomt.
3. För true-grenen, routa till Fallback Response Builder och sätt text till hela prompten: =#USER QUERY {{ $('Map Input Fields').item.json.chatInput }} # INFORMATION EXTRACTED BY AGENT {{ JSON.stringify($json.intermediateSteps).slice(0, 500000) }} # INSTRUCTIONS Answer the user's query based on the information extracted by the agent.
4. Koppla Fallback Response Builder till Assign Output Fallback och mappa output till {{ $json.text }} och intermediateSteps till {{ $('Autonomous Tool Agent').item.json.intermediateSteps }}.
5. För false-grenen, routa Check Output Empty till Assign Output Primary och sätt output till {{ $json.output }} och intermediateSteps till {{ $json.intermediateSteps }}.

Router Chat Model Backup är kopplad som språkmodell för Fallback Response Builder — säkerställ att credentials är tillagda i Router Chat Model Backup. Credential Required: Koppla era openRouterApi-uppgifter.

Steg 6: Testa och aktivera ert arbetsflöde

Validera att agenten returnerar ett svar och att fallback-vägen fungerar vid behov.

1. Klicka på Test workflow och trigga Chat Message Trigger med ett exempelmeddelande och ett sessionId.
2. Bekräfta körvägen: Chat Message Trigger → Map Input Fields → Autonomous Tool Agent → Check Output Empty → Assign Output Primary (eller Fallback Response Builder → Assign Output Fallback).
3. Verifiera att slutlig utdata innehåller fälten output och intermediateSteps från rätt set-nod.
4. När det är validerat, växla arbetsflödet till Active för användning i produktion.