Steg 2: Routa foto- kontra textmeddelanden

Avgör om det inkommande meddelandet innehåller ett foto och förgrena sedan till bildanalys eller hantering av textchatt.

1. Öppna Photo Presence Check och säkerställ att villkoret kontrollerar {{ $json.message.photo[3].file_id }} med operatorn exists.
2. Verifiera att “true”-grenen från Photo Presence Check går till Telegram Photo Fetch.
3. Verifiera att “false”-grenen från Photo Presence Check går till Text Chat Handler.

Steg 3: Hämta och analysera ingrediensfoton

Hämta Telegram-bildfilen och skicka den till Gemini för extrahering av ingredienser.

1. Öppna Telegram Photo Fetch och ställ in File ID på {{ $json.message.photo[3].file_id }}.
2. Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Telegram Photo Fetch.
3. Öppna Gemini Image Ingredient Scan och ställ in Resource på image, Input Type på binary och Operation på analyze.
4. Ställ in Text på Analyze this product image and extract only the list of ingredients. Ignore other text like brand names, slogans, or nutritional info. Return the ingredients as clean text in order and What the product is..
5. Ställ in Model på models/gemini-2.5-flash.
6. Autentiseringsuppgifter krävs: Anslut era googlePalmApi-autentiseringsuppgifter i Gemini Image Ingredient Scan.

Steg 4: Routa baserat på om bildtext finns

Kontrollera om Telegram-fotot har en bildtext för att välja mellan ett snabbt utlåtande eller en detaljerad analys.

1. Öppna Caption Presence Router och bekräfta att den första regeln kontrollerar {{ $('Telegram Intake Trigger').item.json.message.caption }} med exists.
2. Bekräfta att den andra regeln kontrollerar {{ $('Telegram Intake Trigger').item.json.message.caption }} med notExists.
3. Säkerställ att utgången “caption exists” går till Captioned Ingredient Verdict.
4. Säkerställ att utgången “caption not exists” går till Uncaptioned Ingredient Review.

Steg 5: Konfigurera AI-utlåtanden och strukturerad tolkning

Konfigurera AI-agenterna och parsern för strukturerad output för konsekventa resultat vid ingrediensanalys.

1. Öppna Captioned Ingredient Verdict och ställ in Text på Product ingredients :- {{ $json.content.parts[0].text }} User's Caption :- {{ $('Telegram Intake Trigger').item.json.message.caption }}.
2. Säkerställ att Captioned Ingredient Verdict har Has Output Parser aktiverat och använder Structured Result Decoder A.
3. Öppna Structured Result Decoder A och behåll JSON Schema Example som angivet för recommendation och reason.
4. Öppna Uncaptioned Ingredient Review och ställ in Text på Product ingredients :- {{ $('Gemini Image Ingredient Scan').item.json.content.parts[0].text }}.
5. Säkerställ att Uncaptioned Ingredient Review har Has Output Parser aktiverat och använder Structured Result Decoder B.
6. Öppna Structured Result Decoder B och behåll JSON Schema Example för advantages/disadvantages/recommended_for/not_recommended_for.
7. Autentiseringsuppgifter krävs: Anslut era googlePalmApi-autentiseringsuppgifter i Gemini Chat Engine B och Gemini Chat Engine C.
8. Autentiseringsuppgifter krävs: Gemini Chat Engine A behöver också googlePalmApi-autentiseringsuppgifter (inga är konfigurerade).
9. Obs: Structured Result Decoder A och Structured Result Decoder B är AI-undernoder; lägg till autentiseringsuppgifter i deras överordnade chat engines, inte i parsernoderna själva.

Steg 6: Konfigurera hantering av textchatt

Hantera meddelanden utan foto med chatt-AI:n och returnera ett kontextuellt svar.

1. Öppna Text Chat Handler och ställ in Text på {{ $json.message.text }}.
2. Bekräfta att Text Chat Handler är länkat till Gemini Chat Engine C som språkmodell.
3. Verifiera att utgångsgrenen från Text Chat Handler går till Send Chat Reply.

Steg 7: Skicka utdata till Telegram

Skicka tillbaka analysresultat till användaren baserat på AI-utdata.

1. Öppna Send Usage Recommendation och ställ in Text på ** {{ $json.output.recommendation }} ** {{ $json.output.reason }}.
2. Ställ in Chat ID i Send Usage Recommendation på {{ $('Telegram Intake Trigger').item.json.message.chat.id }}.
3. Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Send Usage Recommendation.
4. Öppna Send Detailed Analysis och ställ in Text på mallen för flerradig output med poster för advantages, disadvantages, recommended_for och not_recommended_for.
5. Ställ in Chat ID i Send Detailed Analysis på {{ $('Telegram Intake Trigger').item.json.message.chat.id }}.
6. Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Send Detailed Analysis.
7. Öppna Send Chat Reply och ställ in Text på {{ $json.output }} samt Chat ID på {{ $('Telegram Intake Trigger').item.json.message.chat.id }}.
8. Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Send Chat Reply.

Steg 8: Testa och aktivera ert arbetsflöde

Validera arbetsflödets beteende med ett riktigt Telegram-meddelande och aktivera det sedan för produktionsanvändning.

1. Klicka på Execute Workflow och skicka ett testfoto med en bildtext till er Telegram-bot.
2. Bekräfta att flödet Telegram Intake Trigger → Photo Presence Check → Telegram Photo Fetch → Gemini Image Ingredient Scan → Caption Presence Router → Captioned Ingredient Verdict → Send Usage Recommendation körs utan problem.
3. Skicka ett foto utan bildtext och bekräfta att det routas till Uncaptioned Ingredient Review → Send Detailed Analysis.
4. Skicka ett meddelande med endast text och bekräfta att det routas till Text Chat Handler → Send Chat Reply.
5. När ni är nöjda, växla arbetsflödet till Active för att köra kontinuerligt.