Steg 2: routa enbart text kontra bildmeddelanden

Använd en binärkontroll för att dela upp enbart textmeddelanden från bilduppladdningar och mappa fält korrekt.

1. I Binary Presence Check behåller ni villkoret som utvärderar {{ Object.keys($binary).length > 0 }} och routar false till hantering av enbart text.
2. Anslut false-grenen till Map Text Fields för att mappa meddelandetext till AI:ns indatafält.
3. I Map Text Fields sätter ni ai_agent_input till {{ $('Telegram Incoming Trigger').first().json.message.text }} och image_analysis till null.
4. Anslut true-grenen till Upload Image Request för att hantera bilduppladdningar när binärer finns.

Steg 3: ladda upp och analysera bilder

Ladda upp bilden till Supabase, skapa en publik URL och analysera den med AI innan resultaten skickas vidare till huvudagenten.

1. I Upload Image Request sätter ni URL till https://raeojxaquatmtzgxqqdx.supabase.co/storage/v1/object/catalog-images/{{$now}}-{{$binary.data.fileName}}, Method till POST och Content Type till binaryData.
2. Lägg till headers: Content-Type = {{ $binary.data.mimeType }} och x-upsert = true.
3. Autentisering krävs: anslut era supabaseApi-credentials i Upload Image Request.
4. I Build Public Image URL behåller ni koden som bygger publicUrl och skickar med originalMessage för AI-kontext.
5. I Image Content Analyzer sätter ni Image URLs till {{ $json.publicUrl }} och behåller Resource som image med Operation = analyze.
6. Autentisering krävs: anslut era openAiApi-credentials i Image Content Analyzer.
7. I Map Analysis Fields sätter ni ai_agent_input till {{ $('Build Public Image URL').first().json }} och image_analysis till {{ $json.content }}.

Steg 4: konfigurera huvudagenten för AI och verktyg

Konfigurera den centrala AI-orkestreringen och anslut alla AI-verktyg och modeller som används för katalog- och rumsoperationer.

1. I Design Assistant Core sätter ni Text till {{ $json.ai_agent_input }} {{ $json.image_analysis }} och behåller den definierade systemprompten.
2. Anslut Primary LLM Chat Model som språkmodell; Autentisering krävs: anslut era openAiApi-credentials i Primary LLM Chat Model.
3. Anslut Catalog LLM Chat Model till Catalog Agent Tool och Room LLM Chat Model till Room Data Agent; båda kräver openAiApi-credentials på modellnoderna.
4. För AI-verktygens undernoder (Catalog Agent Tool, Room Data Agent, Insert Catalog Record, Retrieve Catalog Records, Insert Room Record, Retrieve Room Records, Fetch Generated Images, Telegram Text Dispatch, Telegram Photo Dispatch) lägger ni till credentials på deras anslutna tjänstenoder (Supabase eller Telegram), inte på undernoderna i sig.

Autentisering krävs: anslut era supabaseApi-credentials till alla Supabase-verktyg (5+ noder hanterar katalog, rum och poster för genererade bilder).

Autentisering krävs: anslut era telegramApi-credentials till Telegram Text Dispatch och Telegram Photo Dispatch.

Steg 5: konfigurera tolkning av AI-utdata och routning av prompts

Detektera AI-genereringsförfrågningar och formatera AI-utdata till strukturerad JSON för bildgenerering.

1. I Prompt Presence Check behåller ni villkoret som kontrollerar att {{ $json.output }} innehåller GEMINI_PROMPT:.
2. Anslut true-grenen till Format AI Output för att extrahera strukturerade fält.
3. I Format AI Output behåller ni JSON Output aktiverat och lämnar extraktionspromptens innehåll intakt.
4. Autentisering krävs: anslut era openAiApi-credentials i Format AI Output.
5. I Split Image URLs sätter ni Field to Split Out till message.content.image_urls_array och Include till allOtherFields.
6. I Download Image Binary sätter ni URL till {{ $json["message.content.image_urls_array"] }}.

Steg 6: bygg pipelinen för bildgenerering

Sätt ihop Gemini-bildpayloaden, anropa API:et och extrahera den genererade bilden för skick och lagring.

1. Behåll aggregeringslogiken i Assemble Image Payload för att skapa nano_banana_payload från splittade URL:er och binärer.
2. I Gemini Image API Call sätter ni URL till https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash-image-preview:generateContent och JSON Body till {{ $json.nano_banana_payload }}.
3. Autentisering krävs: anslut era googlePalmApi-credentials i Gemini Image API Call.
4. Säkerställ att Extract Generated Image parsar svaret och returnerar binär utdata till efterföljande noder.

Extract Generated Image skickar utdata parallellt till både Telegram Image Send och Store Generated Image.

Steg 7: leverera och lagra genererade bilder

Skicka den genererade bilden till Telegram och spara den i Supabase med metadata.

1. I Telegram Image Send sätter ni Chat ID till {{ $('Telegram Incoming Trigger').first().json.message.chat.id }} och aktiverar Binary Data.
2. Autentisering krävs: anslut era telegramApi-credentials i Telegram Image Send.
3. I Store Generated Image sätter ni URL till https://raeojxaquatmtzgxqqdx.supabase.co/storage/v1/object/catalog-images/{{ $('gfd').first().json.image_name }} och använder binär indata data.
4. Autentisering krävs: anslut era supabaseApi-credentials i Store Generated Image och Log Generated Image.
5. I Log Generated Image behåller ni image_url satt till https://raeojxaquatmtzgxqqdx.supabase.co/storage/v1/object/public/{{ $('Store Generated Image').first().json.Key }} för att logga den publika asset-URL:en.

⚠️ Vanlig fallgrop: Noden Store Generated Image refererar till {{ $('gfd').first().json.image_name }}. Säkerställ att den refererade noden finns, eller byt namn så att den matchar den faktiska noden som tillhandahåller image_name, för att undvika körningsfel.

Steg 8: konfigurera databasoperationer för katalog och rum

Anslut Supabase-verktyg som infogar och hämtar poster för katalog, rum och genererade bilder.

1. I Insert Catalog Record sätter ni Table till catalog_products och behåller alla fältmappningar från AI med $fromAI()-uttryck.
2. I Retrieve Catalog Records sätter ni Table till catalog_products, Operation till getAll, Filter Type till none och Limit till {{ $fromAI('Limit', ``, 'number') }}.
3. I Insert Room Record sätter ni Table till rooms och behåller $fromAI-mappningarna för rumsfält som room_name, room_type och image_url.
4. I Retrieve Room Records sätter ni Table till rooms, Operation till getAll och Limit till {{ $fromAI('Limit', ``, 'number') }}.
5. I Fetch Generated Images sätter ni Table till ai_generated_images och Operation till getAll.
6. Autentisering krävs: anslut era supabaseApi-credentials till alla Supabase-verktygsnoder och Log Generated Image.

Steg 9: konfigurera Telegram-svar

Säkerställ att AI-verktygen kan skicka text- och bildmeddelanden tillbaka till användaren via Telegram.

1. I Telegram Text Dispatch sätter ni Text till {{ $fromAI('Text', ``, 'string') }} och Chat ID till {{ $('Telegram Incoming Trigger').first().json.message.chat.id }}.
2. I Telegram Photo Dispatch sätter ni File till {{ $fromAI('Photo', ``, 'string') }} och Chat ID till {{ $('Telegram Incoming Trigger').first().json.message.chat.id }} med Operation = sendPhoto.
3. Autentisering krävs: anslut era telegramApi-credentials för båda noderna.

Steg 10: testa och aktivera ert arbetsflöde

Validera hela pipelinen med både scenarier för enbart text och text + bild innan ni aktiverar användning i produktion.

1. Klicka på Execute Workflow och skicka ett Telegram-meddelande med endast text för att verifiera routningen Map Text Fields → Design Assistant Core.
2. Skicka ett meddelande med en bild för att bekräfta flödet Upload Image Request → Build Public Image URL → Image Content Analyzer → Map Analysis Fields → Design Assistant Core.
3. Trigga en AI-genereringsförfrågan för att verifiera Prompt Presence Check → Format AI Output → Split Image URLs → Gemini Image API Call.
4. Bekräfta parallella utfall: den genererade bilden ska skickas av Telegram Image Send samtidigt som lagring sker via Store Generated Image och loggning via Log Generated Image.
5. När allt fungerar växlar ni arbetsflödet till Active för användning i produktion.