Steg 2: Anslut Airtable-datakällor

Dessa noder laddar användarens bevakningslista för ingredienser och preferenser från Airtable.

1. Konfigurera Retrieve Watchlist Items med Operation satt till search och Filter By Formula till Status = "Active".
2. Ställ in Base och Table i Retrieve Watchlist Items till er Airtable-bas och tabellen Watchlist.
3. Konfigurera Load Preference Records med Operation satt till search, och peka den mot er tabell Preferences.
4. Inloggningsuppgift krävs: Anslut era airtableTokenApi-inloggningsuppgifter för både Retrieve Watchlist Items och Load Preference Records.

Steg 3: Bygg ingredienslistor och ladda ned Telegram-bilden

Det här steget förbereder listorna som driver AI-analysen och hämtar bildfilen som skickats via Telegram.

1. I Compile Ingredient Lists, behåll den medföljande JavaScript Code som refererar till Retrieve Watchlist Items och Load Preference Records.
2. Säkerställ att noden använder befintlig logik för persona, target_language, bad_list och good_list exakt som det står i skriptet.
3. Konfigurera Download Telegram File med Resource satt till file.
4. Ställ in File ID i Download Telegram File till ={{ $('Telegram Intake Trigger').last().json.message.photo[$('Telegram Intake Trigger').last().json.message.photo.length - 1].file_id }}.
5. Inloggningsuppgift krävs: Anslut era telegramApi-inloggningsuppgifter i Download Telegram File.

Steg 4: Konfigurera OCR-extrahering

OCR gör om bilden av produktetiketten till text för vidare analys.

1. I OCR Extraction Agent, behåll prompttexten Extract the full text as output from the document as if you were reading it..
2. Säkerställ att OCR Extraction Agent har Needs Fallback aktiverat för att förbättra tillförlitligheten vid otydliga bilder.
3. Öppna Local OCR Chat Model och bekräfta att den är ansluten som språkmodell för OCR Extraction Agent.
4. Inloggningsuppgift krävs: Anslut era openAiApi-inloggningsuppgifter i Local OCR Chat Model (inloggningsuppgifter sätts på modellnoden, inte agenten).

Steg 5: Analysera ingredienser och tolka resultat

Det här steget använder en Gemini-modell för att jämföra OCR-texten mot bevakningslistan och preferenslistorna, och tolkar sedan den strukturerade JSON-utdata.

1. I Ingredient Analysis Agent, behåll hela prompttexten inklusive uttrycken för persona, språk, listor och OCR-text.
2. Verifiera att promptuttrycken i Ingredient Analysis Agent är bevarade, inklusive {{ $('Compile Ingredient Lists').item.json.bad_list }} och {{ $json.output }}.
3. Öppna Gemini Analysis Model och bekräfta att Model Name är satt till models/gemini-2.0-flash-lite-001.
4. Inloggningsuppgift krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Analysis Model (inloggningsuppgifter sätts på modellnoden, inte agenten).
5. I Parse Result JSON, behåll nuvarande JavaScript för att extrahera JSON-objektet från AI-utdata.

Steg 6: Skicka svar och logga resultat

Arbetsflödet svarar användaren i Telegram och loggar analysen till Airtable.

1. I Send Telegram Reply, sätt Text till ={{ $json.summary_msg }} Detected Bad Items: {{ $('Parse Result JSON').item.json.detected_bad.join(", ") }} Detected Good Items: {{ $('Parse Result JSON').item.json.detected_good.join(", ") }}.
2. Ställ in Chat ID i Send Telegram Reply till ={{ $('Telegram Intake Trigger').last().json.message.chat.id }}.
3. I Log Analysis Record, ställ in Operation till create och mappa kolumnerna till de angivna uttrycken.
4. Säkerställ att kolumnvärdena i Log Analysis Record använder ={{ $json.result.message_id.toString() }}, ={{ $('Parse Result JSON').item.json.summary_msg }} och ={{ $('Parse Result JSON').item.json.detected_bad.join(", ") }}.
5. Inloggningsuppgift krävs: Anslut era telegramApi-inloggningsuppgifter i Send Telegram Reply.
6. Inloggningsuppgift krävs: Anslut era airtableTokenApi-inloggningsuppgifter i Log Analysis Record.
7. Lämna Completion Marker som den är; den markerar bara slutet på arbetsflödet.

Steg 7: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test med en riktig Telegram-bild för att bekräfta att OCR, analys, svar och loggning fungerar.

1. Klicka på Execute Workflow och skicka ett Telegram-fotomeddelande till er bot.
2. Verifiera att Send Telegram Reply returnerar en formaterad sammanfattning med upptäckta dåliga och bra ingredienser.
3. Kontrollera Airtable för att bekräfta att Log Analysis Record skapade en ny rad med meddelande-ID, AI-svar och upptäckta ingredienser.
4. När allt ser korrekt ut, växla arbetsflödet till Active för produktionsanvändning.