Steg 2: Routa meddelanden efter typ

Routa inkommande meddelanden till flöden för bild, dokument eller textfråga.

1. I Route by Message Type, bekräfta att första regeln kontrollerar om bild finns med {{ $json.message.photo[0].height }}.
2. Bekräfta att den andra regeln kontrollerar om dokument finns med {{ $json.message.document.mime_type }}.
3. Säkerställ att output 1 är kopplad till Fetch Image File, output 2 till Retrieve Document File och output 3 till Finance Query Agent.

Steg 3: Konfigurera intag för bild och dokument (parallella grenar)

Hantera bild- och PDF-kvitton, lagra filer i Drive och extrahera innehåll för OCR.

1. I Fetch Image File, ställ in File ID till {{ $json.message.photo[0].file_id }} och Resource till file. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter.
2. I Transform Binary Script, behåll standard-JavaScript som mappar binärdata till base64Image.
3. Transform Binary Script skickar output till både Drive Upload Image och Gemini Image Analysis parallellt.
4. I Drive Upload Image, ställ in Name till {{ $json.result.file_unique_id }} och välj er Drive-Folder ID (ersätt [YOUR_ID]). Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter.
5. I Gemini Image Analysis, ställ in Resource till image, Input Type till binary och Operation till analyze. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter.
6. I Retrieve Document File, ställ in File ID till {{ $json.message.document.file_id }} och Resource till file. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter.
7. Retrieve Document File skickar output till både Drive Upload Document och Extract PDF Content parallellt.
8. I Drive Upload Document, ställ in Name till {{ $('Retrieve Document File').item.json.result.file_id }} och välj målmappen (ersätt [YOUR_ID]). Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter.
9. I Extract PDF Content, ställ in Operation till pdf.
10. Koppla Drive Upload Image och Gemini Image Analysis till Combine Image Streams; koppla Drive Upload Document och Extract PDF Content till Combine Document Streams.

Steg 4: Bygg pipeline för kvittohantering

Validera kombinerade indata, aggregera data och använd AI-agenten för att extrahera kvittodetaljer.

1. Från Combine Image Streams och Combine Document Streams, koppla till Validate Combined Input, och sedan till Aggregate Receipt Data.
2. I Aggregate Receipt Data, ställ in Aggregate till aggregateAllItemData.
3. I Receipt Processing Agent, ställ in Text till {{ $json.data }}, och behåll Prompt Type som define.
4. Koppla Gemini Chat Model som språkmodell för Receipt Processing Agent. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model.
5. Koppla Conversation Memory och Structured Output Formatter som AI-subnoder för Receipt Processing Agent. Lägg till inloggningsuppgifter i Gemini Chat Model (parent), inte i dessa subnoder.
6. Koppla Math Utility och Fetch Sheet Records som verktyg för Receipt Processing Agent. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Fetch Sheet Records.

Steg 5: Konfigurera kvittolagring och Telegram-svar

Lagra extraherade kvittodata i Google Sheets och bekräfta till användaren i Telegram.

1. I Append Expense Row, ställ in Operation till append, välj ert Document ID ([YOUR_ID]) och Sheet Name Sheet1.
2. Mappa kolumner: Date till {{ $json.output.data.date }}, Category till {{ $json.output.data.category }}, Discription till {{ $json.output.data.description }}, Amount in Naira till {{ $json.output.data.amount }}, och google drive image till {{ $('Aggregate Receipt Data').item.json.data[1].webViewLink }}.
3. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Append Expense Row.
4. I Send Telegram Reply, ställ in Text till {{ $('Receipt Processing Agent').item.json.output.message }} och Chat ID till {{ $('Telegram Incoming Trigger').item.json.message.chat.id }}.
5. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter i Send Telegram Reply.

Steg 6: Sätt upp flödet för finansfrågeassistenten

Svara på textbaserade finansfrågor med en separat AI-agent och verktyg.

1. I Finance Query Agent, ställ in Text till {{ $json.message.text }} och behåll Prompt Type som define.
2. Koppla Secondary Gemini Model som språkmodell för Finance Query Agent. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Secondary Gemini Model.
3. Koppla Conversation Memory 2, Math Utility 2 och Fetch Sheet Records 2 som AI-subnoder/verktyg för Finance Query Agent. Lägg till inloggningsuppgifter i Fetch Sheet Records 2 (parent är noden själv): Inloggningsuppgifter krävs: googleSheetsOAuth2Api.
4. I Send Query Response, ställ in Text till {{ $json.output }} och Chat ID till {{ $('Telegram Incoming Trigger').item.json.message.chat.id }}. Inloggningsuppgifter krävs: Anslut era telegramApi-inloggningsuppgifter.

Steg 7: Testa och aktivera ert arbetsflöde

Validera både kvittohanteringen och finansfrågeflödet innan ni slår på arbetsflödet.

1. Klicka på Execute Workflow och skicka ett bildkvitto till er Telegram-bot för att testa kvittovägen.
2. Verifiera att en ny rad dyker upp i Google Sheets och att ni får en bekräftelse från Send Telegram Reply.
3. Skicka en textfråga som “Hur mycket spenderade jag på mat förra månaden?” och bekräfta att Send Query Response svarar.
4. När allt fungerar, växla arbetsflödet till Active för att möjliggöra användning i produktion.