Steg 2: Normalisera inkommande frågor

Rensa och normalisera användarinmatning så att den kan användas för produktsökning.

1. Koppla Telegram Incoming Update till Normalize User Query.
2. I Normalize User Query behåller ni JavaScript-koden som den är för att rensa text, ta bort omnämnanden av marknadsplatser och skapa amazonSearchPart.
3. Verifiera att utdata-JSON innehåller productQuery, amazonSearchPart och amazonFullUrl.

Steg 3: Konfigurera AI för intentsdetektering

Använd AI för att avgöra om meddelandet är en produktsökning eller allmänt chattande.

1. Koppla Normalize User Query till Detect Purchase Intent.
2. I Detect Purchase Intent ställer ni in Text på {{ $('Telegram Incoming Update').item.json.message.text }}.
3. Säkerställ att Chat Model Primary är kopplad som språkmodell för Detect Purchase Intent, och ställ in Model på openai/gpt-3.5-turbo-instruct.
4. Inloggningsuppgifter krävs: Anslut era openRouterApi-inloggningsuppgifter i Chat Model Primary.

Steg 4: Tolka AI-utdata och routa förfrågningar

Tolka JSON-svaret från AI:n och routa baserat på produktintent.

1. Koppla Detect Purchase Intent till Parse JSON Payload.
2. I Parse JSON Payload behåller ni JavaScript-koden för att tolka JSON-strängen från $json["output"].
3. Koppla Parse JSON Payload till Route Product Or Chat.
4. I Route Product Or Chat bekräftar ni att reglerna kontrollerar {{ $json.productQuery }} för både true och false.

Steg 5: Konfigurera produktskrapning och leverans av resultat

Skrapa produktlistningar när användaren vill handla och skicka tillbaka resultat via Telegram.

1. Från Route Product Or Chat kopplar ni grenen true till Scrape Product Listings.
2. I Scrape Product Listings ställer ni in Method på POST och Body Content Type på json.
3. Ställ in JSON Body på { "categoryUrls": [ { "url": "https://www.amazon.in/s?k={{ $('Normalize User Query').item.json.amazonSearchPart }} ", "method": "GET" } ], "ensureLoadedProductDescriptionFields": false, "maxItemsPerStartUrl": 5, "scrapeProductDetails": true, "scrapeProductVariantPrices": false, "useCaptchaSolver": false }.
4. Koppla Scrape Product Listings till Send Product Results.
5. I Send Product Results ställer ni in Text på Title: {{ $json.title }} URL: {{ $json.url }} Price: ₹{{ $json.price.value }}.
6. Ställ in Chat ID på {{ $('Telegram Incoming Update').item.json.message.chat.id }}.
7. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter i Send Product Results.

Steg 6: Konfigurera svar för allmän chat

Skicka ett hjälpsamt botsvar när meddelandet inte är en shoppingfråga.

1. Från Route Product Or Chat kopplar ni grenen false till General Reply Agent.
2. I General Reply Agent ställer ni in Text på {{ $('Telegram Incoming Update').item.json.message.text }}.
3. Säkerställ att Chat Model Secondary är kopplad som språkmodell för General Reply Agent, och ställ in Model på openai/gpt-3.5-turbo-instruct.
4. Inloggningsuppgifter krävs: Anslut era openRouterApi-inloggningsuppgifter i Chat Model Secondary.
5. Koppla General Reply Agent till Dispatch Chat Reply.
6. I Dispatch Chat Reply ställer ni in Text på {{ $('General Reply Agent').item.json.output }} och Chat ID på {{ $('Telegram Incoming Update').item.json.message.chat.id }}.
7. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter i Dispatch Chat Reply.

Steg 7: Testa och aktivera ert workflow

Validera flödet med Telegram-meddelanden i realtid och aktivera det sedan för produktion.

1. Klicka på Execute Workflow i n8n och skicka ett Telegram-meddelande som best bluetooth earphones on amazon till er bot.
2. Bekräfta att Scrape Product Listings körs och att Send Product Results returnerar produkttitlar, URL:er och priser.
3. Skicka en hälsning som hello och verifiera att General Reply Agent triggar Dispatch Chat Reply med ett hjälpsamt svar.
4. När testerna passerar växlar ni workflowet till Active för att aktivera kontinuerlig Telegram-lyssning.