Steg 2: Koppla intent-klassificeraren och sessionsminnet

Konfigurera det inledande AI-klassificeringslagret som avgör vart varje förfrågan ska routas.

1. I Intent Classifier Agent ställer ni Text till =Here is the query of user {{ $json.body.message }}.
2. Koppla Primary Chat Model som språkmodell för Intent Classifier Agent. Inloggningsuppgifter krävs: Koppla era openAiApi-inloggningsuppgifter.
3. Koppla Session Memory Core som minne för Intent Classifier Agent och ställ in Session Key till ={{ $json.body.session_id }} med Context Window Length 7.

Steg 3: Tolka intent och routa förfrågningar

Tolka klassificerarens output och routa till rätt assistent baserat på intent.

1. I Parse Intent Payload behåller ni JavaScript Code som angivet för att tolka agentens JSON-output till category.
2. I Route by Intent bekräftar ni att varje regel använder ={{ $json.category.intent }} och matchar:
3. Sätt de fyra regelvärdena till order_status, product_recommendation, support_ticket och general.
4. Säkerställ att Route by Intent kopplar till Order Status Assistant, Product Suggestion Agent, Support Ticket Agent och Return General Reply baserat på den matchade intenten.

Steg 4: Konfigurera orderstatus-flödet

Konfigurera orderspårningsassistenten så att den hämtar orderstatus och svarar användaren.

1. I Order Status Assistant ställer ni Text till =The query of the user is this .{{ $('Incoming Webhook Trigger').item.json.body.message }}.
2. Koppla Order Chat Model som språkmodell. Inloggningsuppgifter krävs: Koppla era openAiApi-inloggningsuppgifter.
3. Koppla Order Memory Buffer som minne med Session Key ={{ $('Incoming Webhook Trigger').item.json.body.session_id }} och Context Window Length 7.
4. Konfigurera Retrieve Order Status med Table orders och Operation get, med filtervärde ={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('conditions0_Value', ``, 'string') }}. Inloggningsuppgifter krävs: Koppla era supabaseApi-inloggningsuppgifter.
5. I Return Order Response behåller ni Response Body som ={ "response": "{{ $json.output.replace(/[\n\r\t]+/g, ' ').replace(/\s{2,}/g, ' ').trim() }}" }.

Steg 5: Konfigurera flödet för produktrekommendationer

Konfigurera rekommendationsassistenten så att den kan fråga produktdata baserat på användarens intent.

1. I Product Suggestion Agent ställer ni Text till =The query of the user is this . {{ $('Incoming Webhook Trigger').item.json.body.message }}.
2. Koppla Recommendation Chat Model som språkmodell. Inloggningsuppgifter krävs: Koppla era openAiApi-inloggningsuppgifter.
3. Koppla Recommendation Memory med Session Key ={{ $('Incoming Webhook Trigger').item.json.body.session_id }} och Context Window Length 7.
4. Konfigurera Product Recommendation Lookup med Table products, Operation get, och filtervärde ={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('conditions0_Value', ``, 'string') }}. Inloggningsuppgifter krävs: Koppla era supabaseApi-inloggningsuppgifter.
5. Konfigurera Category Recommendation Lookup med Table products, Operation get, och filtervärde ={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('conditions1_Value', ``, 'string') }}. Inloggningsuppgifter krävs: Koppla era supabaseApi-inloggningsuppgifter.
6. I Return Recommendation Response behåller ni Response Body inställt på ={ "response":"{{ JSON.stringify($json.output) }}" }.

Steg 6: Konfigurera supportärende-flödet

Aktivera skapande av ärenden och uppslag av status, inklusive e-postnotifieringar till ert supportteam.

1. I Support Ticket Agent ställer ni Text till =The message/qiery of the user {{ $('Incoming Webhook Trigger').item.json.body.message }}.
2. Koppla Support Chat Model som språkmodell. Inloggningsuppgifter krävs: Koppla era openAiApi-inloggningsuppgifter.
3. Koppla Support Memory Buffer med Session Key ={{ $('Incoming Webhook Trigger').item.json.body.session_id }} och Context Window Length 7.
4. Säkerställ att Generate Ticket ID Tool är kopplat som ett AI-verktyg (inga inloggningsuppgifter krävs) och att koden är oförändrad.
5. Konfigurera Create Ticket Record med Table support_tickets och fältvärden med de angivna ={{ /*n8n-auto-generated-fromAI-override*/ $fromAI(...) }}-uttrycken. Inloggningsuppgifter krävs: Koppla era supabaseApi-inloggningsuppgifter.
6. Konfigurera Retrieve Ticket Status med Table support_tickets och filtervärde ={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('conditions0_Value', ``, 'string') }}. Inloggningsuppgifter krävs: Koppla era supabaseApi-inloggningsuppgifter.
7. I Dispatch Support Email ställer ni Send To till [YOUR_EMAIL] och behåller Subject och Message som uttryck. Inloggningsuppgifter krävs: Koppla era gmailOAuth2-inloggningsuppgifter.
8. I Return Ticket Response behåller ni Response Body som ={ "response": "{{ $json.output.replace(/[\n\r\t]+/g, ' ').replace(/\s{2,}/g, ' ').trim() }}" }.

Steg 7: Testa och aktivera ert workflow

Validera varje intent-väg och bekräfta att rätt webhook-svar returneras.

1. Använd test-URL:en för Incoming Webhook Trigger och skicka exempelpayloads med message och session_id.
2. Verifiera körvägen: Incoming Webhook Trigger → Intent Classifier Agent → Parse Intent Payload → Route by Intent → rätt assistentnod.
3. Bekräfta lyckade svar från Return Order Response, Return Recommendation Response, Return Ticket Response eller Return General Reply.
4. När testerna är godkända, växla workflowet till Active för användning i produktion.