Steg 2: konfigurera kommandoroutning

Definiera hur arbetsflödet identifierar hjälp-, sammanfattnings- och bildkommandon från inkommande meddelanden.

1. Öppna Route Command Logic och ställ in strängvillkoret så att det kontrollerar Value 1 som ={{$json["message"]["text"]}}, Operation som startsWith, och Value 2 som /help.
2. I Validate Summary Request ställer ni in villkoret till ={{$json["message"]["text"]}} startsWith /summary.
3. I Validate Image Prompt ställer ni in villkoret till ={{$json["message"]["text"]}} startsWith /img.
4. Behåll kopplingarna så att Telegram Intake Trigger → Route Command Logic, och sedan att Route Command Logic routar till Dispatch Help Reply eller Validate Summary Request.

Steg 3: konfigurera hämtning och extraktion av artikel

Hämta artikelinnehållet från den angivna länken och extrahera läsbar text för sammanfattning.

1. I Retrieve Article Page ställer ni in URL till ={{ $json.message.link_preview_options.url }}.
2. Aktivera Send Headers och lägg till en header med Name User-Agent och Value Mozilla/5.0.
3. I Extract Body Text ställer ni in Operation till extractHtmlContent.
4. Lägg till ett extraktionsvärde med Key text, CSS Selector body, och Skip Selectors svg, a.
5. Bekräfta flödet Validate Summary Request → Retrieve Article Page → Extract Body Text.

Steg 4: konfigurera AI-sammanfattning

Konfigurera AI-modellen så att den producerar en kortfattad punktlista från den extraherade artikeltexten.

1. Öppna Generate Bullet Summary och välj en AI-modell under Model.
2. Ställ in meddelandeinnehållet till den angivna prompten, inklusive variabeln {{ $json.text }}.
3. Inloggningsuppgifter krävs: anslut era OpenAI-inloggningsuppgifter i Generate Bullet Summary.
4. Säkerställ att flödet Extract Body Text → Generate Bullet Summary är kopplat.

Steg 5: konfigurera Telegram-svar

Skicka hjälpmenyn, sammanfattningsresultatet och bekräftelse för bild tillbaka till användaren i Telegram.

1. I Dispatch Help Reply ställer ni in Text till den angivna hjälpmenyn och Chat ID till ={{$json["message"]["chat"]["id"]}}.
2. Ställ in Parse Mode till Markdown i Dispatch Help Reply.
3. I Send Summary Reply ställer ni in Text till ={{$json["candidates"][0]["content"]["parts"][0]["text"]}} och Chat ID till ={{ $('Telegram Intake Trigger').item.json.message.chat.id }}.
4. I Acknowledge Image Request ställer ni in Text till 🖼️ Generated image prompt submitted! Gemini image model doesn't return images directly. Use image generation APIs like Stability for actual image URLs. och Chat ID till ={{$json["message"]["chat"]["id"]}}.
5. Inloggningsuppgifter krävs: anslut era Telegram-inloggningsuppgifter i Dispatch Help Reply, Send Summary Reply och Acknowledge Image Request.

Steg 6: konfigurera generering av bildprompt

Generera en bildprompt när användare skickar kommandot /img.

1. Öppna Create Image Prompt och ställ in Resource till image.
2. Inloggningsuppgifter krävs: anslut era OpenAI-inloggningsuppgifter i Create Image Prompt.
3. Bekräfta flödet Validate Image Prompt → Create Image Prompt → Acknowledge Image Request.

Steg 7: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att bekräfta varje kommandoväg och aktivera sedan för produktionsanvändning.

1. Klicka på Execute Workflow och skicka ett Telegram-meddelande /help till er bot.
2. Testa sammanfattningsflödet genom att skicka /summary https://example.com och bekräfta att Send Summary Reply returnerar punkter.
3. Testa bildflödet genom att skicka /img a futuristic cityscape och bekräfta att Acknowledge Image Request svarar.
4. När alla tester lyckas, slå på arbetsflödet Active för att aktivera livehantering.