Steg 2: anslut Supabase

Konfigurera Supabase så att arbetsflödet kan lagra och hämta OCR-data.

1. Öppna Persist OCR Result och välj er Supabase-anslutning. Inloggningsuppgifter krävs: Anslut era supabaseApi-inloggningsuppgifter.
2. Ställ in Table ID på temp_table.
3. Mappa fält i Fields: ställ in session_id på {{ $('Incoming Chat Event').item.json.sessionId }}, file på {{ $json.data[0].parseJson().blocks }} och file_name på {{ $json.data[0].parseJson().source }}.
4. Öppna Fetch Supabase Records och välj er Supabase-anslutning. Inloggningsuppgifter krävs: Anslut era supabaseApi-inloggningsuppgifter.
5. Ställ in Operation på getAll, Table ID på temp_table och lägg till ett filter där session_id är lika med {{ $('Incoming Chat Event').item.json.sessionId }}.

Steg 3: konfigurera filbearbetning

Detektera filuppladdningar, extrahera binärdata och normalisera den för OCR-API:t.

1. Konfigurera Check File Attachment med ett villkor som kontrollerar om files finns med {{ $json.files }}.
2. Koppla Incoming Chat Event till Check File Attachment.
3. Koppla “true”-utgången från Check File Attachment till Extract Binary Segment.
4. I Extract Binary Segment ställer ni in Field to Split Out på $binary och aktiverar Include Binary.
5. Koppla Extract Binary Segment till Normalize Binary Payload och ställ in JS Code till:
6. return items.map(item => { const binaryKeys = Object.keys(item.binary || {}); const firstKey = binaryKeys[0]; if (!firstKey) { return item; } return { json: item.json, binary: { data: item.binary[firstKey] } }; });

Steg 4: konfigurera OCR-API-anropet

Skicka den normaliserade filen till er OCR-endpoint för att extrahera textdata.

1. Koppla Normalize Binary Payload till OCR API Request.
2. Ställ in Method på POST och Content Type på multipart-form-data.
3. Lägg till body-parametrar: mode = single, output_type = jsonl, include_images = false.
4. Lägg till ett binärt formulärfält med namnet files där Input Data Field Name är satt till data.

Steg 5: konfigurera utdata-routing och persistens

Lagra OCR-resultat och slå sedan ihop flödet så att agenten kan svara oavsett om en fil laddades upp eller inte.

1. Koppla OCR API Request till Persist OCR Result.
2. Koppla Persist OCR Result till Combine Branches.
3. Koppla “false”-utgången från Check File Attachment till den andra ingången på Combine Branches så att även förfrågningar med enbart text fortsätter.

Steg 6: konfigurera agenten för analys av resekostnader

Konfigurera AI-agenten för att analysera OCR-data och besvara användarfrågor om resekostnader.

1. Koppla Combine Branches till Travel Expense Analyst.
2. I Travel Expense Analyst ställer ni in Text på {{ $('Incoming Chat Event').item.json.chatInput }} och behåller Prompt Type som define.
3. Koppla Mistral Chat Engine som språkmodell till Travel Expense Analyst och ställ in Model på mistral-medium-latest. Inloggningsuppgifter krävs: Anslut era mistralCloudApi-inloggningsuppgifter.
4. Koppla Agent Memory Window till Travel Expense Analyst via AI-minne (inga inloggningsuppgifter krävs).
5. Koppla Computation Tool och Fetch Supabase Records som AI-verktyg till Travel Expense Analyst så att den kan beräkna totalsummor och hämta sparade kvitton.

Steg 7: testa och aktivera ert arbetsflöde

Verifiera flödet från början till slut med ett exempelkvittot innan ni aktiverar i produktion.

1. Klicka på Execute Workflow och öppna chattgränssnittet från Incoming Chat Event.
2. Skicka ett meddelande och ladda upp en exempelkvittfil för att trigga Check File Attachment → Extract Binary Segment → OCR API Request.
3. Bekräfta att Persist OCR Result skriver till Supabase och att Travel Expense Analyst returnerar en strukturerad sammanfattning med en totalsumma.
4. Aktivera arbetsflödet genom att växla det till Active när resultaten ser korrekta ut.