Steg 2: Validera och mappa inkommande länk

Arbetsflödet kontrollerar att en giltig URL finns och mappar den till ett normaliserat fält för vidare bearbetning.

1. Öppna Validate Link Presence och låt Loose Type Validation vara aktiverat.
2. Bekräfta att villkoret använder Left Value {{ $json.message.link_preview_options.url }} med en boolesk “true”-operation.
3. Öppna Map Link Field och mappa URL_PARSE till {{ $json.message.link_preview_options.url }}.

Flöde: Telegram Link Listener → Validate Link Presence → Map Link Field.

Steg 3: Extrahera innehåll från webbsidan

Extraktionssteget hämtar HTML och tolkar titel, beskrivning, text, bilder och sammanfattning för AI-sammanfattaren.

1. Öppna Web Page Extraction Script och behåll JavaScript Code enligt det som är angivet.
2. Verifiera att skriptet läser från URL_PARSE och matar ut source_url, title, description, text, images och summary.
3. Säkerställ att flödet fortsätter från Map Link Field till Web Page Extraction Script.

Tips: Om sidor blockerar automatiserade förfrågningar, uppdatera User-Agent-headern i Web Page Extraction Script.

Steg 4: Konfigurera AI-sammanfattning och parsning

Dessa noder genererar nyhetssammanfattningen och säkerställer strukturerad JSON-utdata.

1. Öppna News Highlight Generator och bekräfta att Text är satt till Generate and give explanation of important parts of the following newspaper daily- {{$json.source_url + $json.title + $json.description + $json.text + $json.images + $json.summary}}. Highlight important news, and provide correct complete urls for news image downloading. If correct complete urls not found leave blank- "". Give result according to JSON schema..
2. Säkerställ att Structured Output Parser A innehåller JSON-schemats exempel exakt som angivet.
3. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i Vision Model Agent B och Vision Model Agent C.
4. För AI-under-noder, behåll inloggningsuppgifter på föräldern: Structured Output Parser A är kopplad till Vision Model Agent C och ska använda den nodens OpenAI-inloggningsuppgifter.

Parallell exekvering: News Highlight Generator skickar utdata till både Convert Output to Text och Verify Image URL parallellt.

Steg 5: Hantera bildlänkar och dokumentutdata

Den här grenen laddar ned eventuella extraherade bilder, konverterar utdata till en textfil och skickar filer via Telegram.

1. Öppna Verify Image URL och behåll villkoret på {{ $json.output.news_summary.extracted_images_url }}.
2. I Divide Image Links, ställ in Field To Split Out till output.research_paper_summary.extracted_images_url.
3. I Image Download Request, ställ in URL till {{ $json['output.research_paper_summary.extracted_images_url'] }}.
4. I Convert Output to Text, ställ in Operation till toText och Source Property till output.
5. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter i Dispatch Document File.
6. Ställ in Dispatch Document File till Operation sendDocument med Binary Data aktiverat och Chat ID [YOUR_ID].
7. Bekräfta att Dispatch Document File → Prompt For Questions är kopplat för uppföljande frågor.

Parallell exekvering: Convert Output to Text skickar utdata till både Dispatch Document File och Store Vector Insert parallellt.

⚠️ Vanlig fallgrop: Sökvägen för bilddelning använder output.research_paper_summary.extracted_images_url. Säkerställ att er AI-utdata stämmer med denna sökväg eller justera fältnamnet till output.news_summary.extracted_images_url för att matcha schemat.

Steg 6: Konfigurera insättning i kunskapsbas och konversationssvar

Arbetsflödet lagrar sammanfattningen i en in-memory-vektorstore och möjliggör uppföljande frågor och svar i Telegram.

1. Öppna Standard Data Loader och ställ in Data Type till binary.
2. Öppna Store Vector Insert och ställ in Mode till insert.
3. Öppna Knowledge Base Tool och ställ in Mode till retrieve-as-tool, Tool Name till knowledge_base och Tool Description till Use this knowledge base to answer questions from the user.
4. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i OpenAI Embedding Builder och OpenAI Chat Engine.
5. Säkerställ att OpenAI Embedding Builder matar både Store Vector Insert och Knowledge Base Tool.
6. Öppna Conversational AI Agent och ställ in Text till {{ $json.message.text }} med Has Output Parser aktiverat.
7. Bekräfta att AI-under-noderna använder förälderns inloggningsuppgifter: Knowledge Base Tool och OpenAI Embedding Builder ska ärva OpenAI-inloggningsuppgifter från sina föräldranoder.
8. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter i Send Telegram Reply och ställ in Text till {{ $json.output }} med Chat ID [YOUR_ID].

Flöde: Validate Link Presence routar även till Conversational AI Agent → Send Telegram Reply för frågor och svar.

Steg 7: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att bekräfta att Telegram-triggern, AI-sammanfattningen, filleveransen och uppföljande chatt fungerar hela vägen.

1. Klicka på Execute Workflow och skicka ett Telegram-meddelande som innehåller en länk till er bot eller chatt.
2. Bekräfta att News Highlight Generator producerar en strukturerad JSON-utdata i output.
3. Verifiera att ni får ett dokument från Dispatch Document File och ett svar från Send Telegram Reply.
4. Om bilder finns med, bekräfta att Divide Image Links → Image Download Request körs och att filerna skickas.
5. När ni är nöjda, växla arbetsflödet till Active för att möjliggöra användning i produktion.