Steg 2: anslut hämtning av orderstatus

Konfigurera spåret för orderspårning så att inkommande orderförfrågningar hämtar status och svarar tillbaka via webhooken.

1. I Order Status API Call, ställ in URL till [YOUR_ID] och låt Send Body vara aktiverat.
2. Ställ in body-parametrar i Order Status API Call till Order number = {{ $json.Order_number }} och Email = {{ $json.Order_number }}.
3. I Compose Tracking Reply, ställ in tilldelningen för text till Your order status is: {{ $json.status }}.
4. Säkerställ att Compose Tracking Reply går vidare till Return Tracking Webhook för det slutliga svaret.

Steg 3: konfigurera tidsbokning och kalenderutdata

Den här grenen tolkar bokningsdatum via AI, skapar en kalenderhändelse och returnerar ett bekräftelsemeddelande.

1. I Format Appointment Dates, ställ in Text till Convert this date to a compatible format for Google Calendar APIs for the start date, and for the end date add 1 hour to the start date. Here is the start date: {{ $json.query.Appointment_date }} och låt Has Output Parser vara aktiverat.
2. Öppna Structured Output Reader och bekräfta att Input Schema är inställt på den angivna JSON:en med strängegenskaperna start och end.
3. I Date Chat Model, välj modellen gpt-4o-mini. Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter.
4. I Calendar Event Creator, ställ in Start till {{ $json.output.start }} och End till {{ $json.output.end }}.
5. I Calendar Event Creator, ställ in Calendar till [YOUR_EMAIL] och ställ in Summary till Event title with {{ $('Appointment Intake Webhook').item.json.query.Email }}. Inloggningsuppgifter krävs: anslut era googleCalendarOAuth2Api-inloggningsuppgifter.
6. I Compose Calendar Reply, ställ in tilldelningen för text till L'evento è stato creato con successo och säkerställ sedan att den kopplas till Return Calendar Webhook.

⚠️ Vanlig fallgrop: Schemat i Structured Output Reader måste matcha utdata som förväntas av Calendar Event Creator (start och end), annars misslyckas skapandet av händelsen.

Steg 4: konfigurera den konversationella RAG-agenten

Den här grenen besvarar kundfrågor med hjälp av en vector store och orkestrering via AI-agent.

1. I Conversational Agent, ställ in Text till {{ $json.query.Question }} och låt Agent vara inställd på conversationalAgent.
2. Öppna Agent Chat Model och välj gpt-4o-mini. Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter.
3. I Knowledge RAG Tool, ställ in Name till company_data och Description till Retrive data about company knowledge from vector store.
4. I Fetch Qdrant Store, ställ in Qdrant Collection till [YOUR_ID]. Inloggningsuppgifter krävs: anslut era qdrantApi-inloggningsuppgifter.
5. I Embedding Generator B, behåll standardinställningarna och anslut OpenAI-inloggningsuppgifter. Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter.
6. I RAG Chat Model, välj gpt-4o-mini. Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter.
7. Säkerställ att Conversational Agent skickar utdata till Return RAG Webhook för svaret.

Påminnelse om inloggningsuppgifter: Embedding Generator B och Knowledge RAG Tool är AI-verktyg/undernoder. Säkerställ att inloggningsuppgifter läggs till i deras föräldranoder (Fetch Qdrant Store och RAG Chat Model) där det är tillämpligt.

Steg 5: bygg ingestion-pipelinen för vector store

Använd den manuella triggern för att initiera och rensa collectionen, och ingesera sedan Google Drive-dokument i Qdrant.

1. I Manual Execution Start, notera att den skickar utdata både till Initialize Collection och Purge Collection parallellt.
2. I Initialize Collection, ställ in URL till https://[YOUR_ID]/collections/[YOUR_ID], Method till POST och JSON Body till { "filter": {} }. Inloggningsuppgifter krävs: anslut era httpHeaderAuth-inloggningsuppgifter.
3. I Purge Collection, ställ in URL till https://[CONFIGURE_YOUR_API_KEY]/delete, Method till POST och JSON Body till { "filter": {} }. Inloggningsuppgifter krävs: anslut era httpHeaderAuth-inloggningsuppgifter.
4. Konfigurera Locate Drive Folder med Drive inställt på My Drive och Folder ID inställt på =[YOUR_ID]. Inloggningsuppgifter krävs: anslut era googleDriveOAuth2Api-inloggningsuppgifter.
5. I Fetch Drive Files, ställ in Operation till download och File ID till {{ $json.id }}, och behåll konverteringen för Google Docs till text/plain. Inloggningsuppgifter krävs: anslut era googleDriveOAuth2Api-inloggningsuppgifter.
6. I Default File Loader, ställ in Data Type till binary. I Token Chunker, ställ in Chunk Size till 300 och Chunk Overlap till 30.
7. I Embedding Generator A, behåll standardinställningarna. Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter.
8. I Qdrant Store Loader, ställ in Mode till insert och säkerställ att rätt Qdrant-collection används. Inloggningsuppgifter krävs: anslut era qdrantApi-inloggningsuppgifter.

⚠️ Vanlig fallgrop: Ingestionskedjan förlitar sig på Locate Drive Folder → Fetch Drive Files → Qdrant Store Loader. Om folder-ID:t är ogiltigt kommer inga dokument att nå vector store.

Steg 6: granska utdata- och svarsnoder

Bekräfta att varje gren skickar ett svar till sin webhook-anropare.

1. Verifiera att Compose Tracking Reply routar till Return Tracking Webhook med det slutliga statusmeddelandet.
2. Verifiera att Compose Calendar Reply routar till Return Calendar Webhook efter att händelsen har skapats.
3. Verifiera att Conversational Agent routar till Return RAG Webhook för RAG-frågor och svar.

Steg 7: testa och aktivera ert arbetsflöde

Validera varje gren med manuella testkörningar och aktivera sedan arbetsflödet för användning i produktion.

1. Klicka på Execute Workflow och kör Manual Execution Start manuellt för att bekräfta att Initialize Collection och Purge Collection körs parallellt.
2. Skicka en testförfrågan till Order Intake Webhook och bekräfta att svaret innehåller Your order status is: ... från Return Tracking Webhook.
3. Skicka en testförfrågan till Appointment Intake Webhook och verifiera att en kalenderhändelse skapas och att Return Calendar Webhook svarar med L'evento è stato creato con successo.
4. Skicka en testförfrågan till RAG Intake Webhook och bekräfta att Return RAG Webhook returnerar ett svar från Conversational Agent.
5. När allt är validerat, växla arbetsflödet till Active för att aktivera kontinuerlig bearbetning.