Steg 2: Validera och routa användarinput

Klassificera den inkommande texten och routa till antingen cv-bearbetning eller chattsvar.

1. Öppna Validate Incoming Text och sätt Text till {{ $json.message.text }}.
2. Säkerställ att Has Output Parser är aktiverat i Validate Incoming Text.
3. Öppna Structured Parse Base och låt Auto Fix vara aktiverat med det angivna JSON-schemat.
4. Bekräfta att Gemini Chat Model är ansluten som språkmodell för Validate Incoming Text och att uppgifter är tillagda i Gemini Chat Model, inte i parser-noden.
5. Konfigurera regler i Route Input Type så att de matchar Resume, Chat och NoData med {{ $json.output.Type }}.

Credential Required: Anslut era googlePalmApi-uppgifter till Gemini Chat Model.

Steg 3: Konfigurera parallella grenar och användarsvar

När input routas kör arbetsflödet antingen en gren för cv-generering eller skickar ett konversationellt svar.

1. Notera den parallella exekveringen: Route Input Type skickar utdata till både Execute BrowserAct Flow och Alert Telegram User parallellt.
2. Öppna Alert Telegram User och sätt Text till Ok, I will do it please give me a moment..
3. Sätt Chat ID i Alert Telegram User till {{ $('Telegram Message Trigger').item.json.message.chat.id }}.
4. Öppna Compose User Reply och sätt Text till Input type : {{ $json.output.Type }} | User Input : {{ $('Telegram Message Trigger').item.json.message.text }}.
5. Anslut Compose User Reply till Send Text Response för både utgångarna Chat och NoData.

Credential Required: Anslut era telegramApi-uppgifter till Alert Telegram User och Send Text Response.

Credential Required: Anslut era googlePalmApi-uppgifter till Gemini Chat Model A, som driver Compose User Reply.

Steg 4: Kör BrowserAct och förbered mall-data

Generera mall-data för cv, rensa bladet och förbered batchbearbetning för designmallar.

1. Öppna Execute BrowserAct Flow och sätt Type till WORKFLOW och Workflow ID till ert BrowserAct workflow-ID (ersätt [YOUR_ID]).
2. Credential Required: Anslut era browserActApi-uppgifter till Execute BrowserAct Flow.
3. Öppna Wipe Sheet Rows och låt Operation vara inställt på clear.
4. Sätt Document ID till =parameter.SpreadSheetID == Or Select From List.
5. Sätt Sheet Name till parameter.SheetID == Or Select From List.
6. Öppna Split BrowserAct Items och behåll den angivna JS Code för att dela upp JSON-strängar.
7. Anslut Split BrowserAct Items till Batch Iterator för att starta batchhanteringen.

Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter till Wipe Sheet Rows.

Steg 5: Analysera cv-designer och fyll i Google Sheets

Hämta och analysera mall-cv:n och lagra de visuella beskrivningarna i Google Sheets.

1. Öppna Fetch Resume File och sätt URL till {{ $json.Resume }}.
2. Öppna Convert SVG to JPG och sätt Output Format till jpg.
3. Öppna Inspect Resume Image och låt Resource vara image, Input Type vara binary och Operation vara analyze.
4. Öppna Append Sheet Data och mappa Resume Details till {{ $json.content.parts[0].text }}.
5. Säkerställ att Append Sheet Data använder Operation append med samma värden för Document ID och Sheet Name som Wipe Sheet Rows.
6. Bekräfta batchloopen: Append Sheet Data → Batch Iterator → Retrieve Sheet Rows → Aggregate Sheet Records.

Credential Required: Anslut era cloudConvertOAuth2Api-uppgifter till Convert SVG to JPG.

Credential Required: Anslut era googlePalmApi-uppgifter till Inspect Resume Image.

Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter till Append Sheet Data och Retrieve Sheet Rows.

Steg 6: Generera cv-blueprint med AI

Använd Gemini för att välja den bästa designen och generera en strukturerad blueprint baserad på användardata.

1. Öppna Aggregate Sheet Records och låt Aggregate vara inställt på aggregateAllItemData.
2. Öppna Resume Blueprint Writer och sätt Text till Template Examples : {{ $json.data[0]["Resume Details"] }}, User Resume : {{ $('Validate Incoming Text').first().json.output.Resume }}, Category : {{ $('Validate Incoming Text').first().json.output.Category }} you need to use user resume data for final ouput..
3. Säkerställ att Resume Blueprint Writer har Has Output Parser aktiverat.
4. Öppna Structured Parse A och låt Auto Fix vara aktiverat med blueprintens JSON-schema.
5. Bekräfta att Gemini Chat Model B är ansluten som språkmodell för Resume Blueprint Writer och att uppgifter är tillagda i Gemini Chat Model B, inte i parser-noden.

Credential Required: Anslut era googlePalmApi-uppgifter till Gemini Chat Model B.

Steg 7: Skapa och rendera den slutliga cv-bilden

Gör om blueprinten till en bildprompt och rendera det slutliga cv:t.

1. Öppna Create Image Prompt och sätt Text till {{ $json.output.Resume }}.
2. Säkerställ att Create Image Prompt har Has Output Parser aktiverat och använder Structured Parse B med bildprompt-schemat.
3. Bekräfta att Gemini Chat Model C är ansluten som språkmodell för Create Image Prompt.
4. Öppna Render Resume Image och sätt Prompt till {{ $json.output.Image_Prompt }}.
5. Säkerställ att Render Resume Image ger binärdata med standardvärdet för Binary Property Output på data.

Credential Required: Anslut era googlePalmApi-uppgifter till Gemini Chat Model C och Render Resume Image.

Steg 8: Konfigurera leverans av utdata till Telegram

Skicka den renderade cv-bilden eller ett textsvar tillbaka till användaren.

1. Öppna Send Resume Result och sätt Operation till sendPhoto.
2. Sätt Binary Data till true så att bilden skickas från Render Resume Image.
3. Sätt Chat ID till {{ $('Telegram Message Trigger').first().json.message.chat.id }}.
4. Öppna Send Text Response och sätt Text till {{ $json.output }}.
5. Sätt Chat ID i Send Text Response till {{ $('Telegram Message Trigger').item.json.message.chat.id }}.

Credential Required: Anslut era telegramApi-uppgifter till Send Resume Result och Send Text Response.

Steg 9: Testa och aktivera

Validera flödet end-to-end och aktivera sedan arbetsflödet för produktionsanvändning.

1. Klicka på Execute Workflow och skicka ett Telegram-meddelande med en cv-förfrågan.
2. Bekräfta att Alert Telegram User svarar direkt medan Execute BrowserAct Flow körs parallellt.
3. Verifiera att Send Resume Result levererar en bild när input-typen är Resume och att Send Text Response levererar ett meddelande för Chat eller NoData.
4. Kontrollera Google Sheet så att Append Sheet Data har lagt till rader och att Retrieve Sheet Rows kan läsa dem.
5. När testet är godkänt, slå på arbetsflödet Active för att aktivera produktionsanvändning.