准备好的解决方案库

应用& 准备好的解决方案

适用于商业生活的现成人工智能自动化，您无需编写代码即可使用。选择它，适应自己，运行它。

607 准备好模板 34 类别
没有匹配的解决方案。

精选

钢材询价：规格→质量匹配→重量/吨位→报价草案
🏭 钢铁金属行业
解析客户的规格（例如“C45，ø60 h9，6 m，8 吨”）；将质量映射到产品组合（知识库），确定地计算理论重量和吨位（不是模型预测），检查公差等级可行性并生成提案草案。这三个分支并行工作并在 Merge 中汇聚在一起。实际情况：库存/生产/进口路线由 ERP (canias) 数据源提供 - 在演示中，它是从投资组合知识库中读取的。
使用
质量等效委员会（EN / DIN / SAE-AISI / ASTM / TS / GOST）
🏭 钢铁金属行业
在标准之间转换材料质量（S235JR ↔ St 37-2、C45 ↔ Ck45 ↔ SAE 1045、16MnCr5 ↔ 5115…）。三个专家分支（EN/DIN·SAE-AISI/ASTM·TS/GOST）和化学成分知识库并行运行； REFEREE 节点将三种意见重叠。此流程旨在捕获错误答案，而不是“正确答案”：如果成分范围不匹配或专家冲突，则结果为“需要验证”并由人工验证 - 错误等效 = 拒绝货物 + 退货运费。
使用
铸造分析 → 规范合规性 → EN 10204 3.1 证书草案
🏭 钢铁金属行业
它获取光谱仪/铸件分析的输出，配置元素值，将 ELEMENT 元素与目标质量的标准限值进行比较并标记偏差。如果适用，以客户语言制作 EN 10204 3.1 检验证书草稿；如果不合格，则撰写不合格报告并由质量负责人批准。决策边界通过 Switch 分开，两条臂通过 Merge 连接。
使用
出口文件：形式+装箱单+ATR/EUR.1+CBAM (SKDM)
🏭 钢铁金属行业
Parallel 为一批货件生成一套出口文件：形式发票、装箱单、ATR/EUR.1 和原产地证书清单，以及销往欧盟的强制性 CBAM (SKDM) 嵌入式排放报告字段。最后，执行文件完整性检查；如果有任何文件缺失，须经出口官员批准。上线：订单/批次/吨位和生产路线来自 ERP (canias)，排放因子替换为工厂数据 - 在演示中，它使用样本/开放数据。
使用
技术销售助理：材料选择和产品顾问（TR/EN/DE/ES）
🏭 钢铁金属行业
它从公司知识库回答客户的技术问题（材料选择、质量差异、腐蚀、热处理、哪种产品适用于哪种应用），并以问题语言 (TR/EN/DE/ES) 进行解答。如果意图是“投标”，它将问题 SUB-STREAM 传递到 RFQ 流程中 - 工程师最终再次回答相同的 50 个问题，实际的 RFP 落在正确的线上。在子流程节点中选择您的询价流程。
使用
支持请求：分类 → RAG → 响应 → Slack
⭐ 精选直播
它根据紧急程度（Switch）对传入请求进行分类，在正确的分支中搜索知识库并生成响应，使用 Merge 将两个分支合并并将其发送到 Slack。使用连接器 + 开关 + RAG + 合并 + 错误处理。
使用
GitHub 问题分类 → Notion + Slack（并行）
⭐ 精选直播
它使用 AI 对新的 GitHub 问题进行分类（摘要 + 标签），使用 Set 准备字段，然后打开 PARALLEL 中的 Notion 页面并向 Slack 报告（扇出 → 合并）。它通过轮询触发器自动工作（触发器=轮询）。
使用
自主网络研究代理
⭐ 精选直播
单一强大的代理：使用网络搜索、页面获取和计算工具自主调查主题（代理优先模式→所有技能都成为工具）。爱马仕风格的“你弄清楚了”的流程。
使用

客户服务 (20)

常见问题助理
客户服务
回答知识库中的常见问题。
使用
客户服务：文本和文档摘要
客户服务
它用 5 篇文章总结了客户服务领域的长文本和文档。
使用
客户服务：请求分类和路由
客户服务
客户服务根据紧急程度将请求分开，并将其引导至正确的响应分支。
使用
客户服务：回复和沟通草案
客户服务
针对客户服务区域收到的消息生成专业的回复草稿。
使用
客户服务：内容制作
客户服务
根据客户服务主题生成有说服力的内容文本。
使用
客户服务：情绪和优先级分析
客户服务
自动评估客户服务消息的情感和紧迫性。
使用
客服：文档数据提取（集）
客户服务
从客户服务文档中提取结构化数据（模型+集合+表达式）。
使用
客户服务：知识库助理
客户服务
从公司知识库 (RAG) 回答客户服务问题。
使用
客户服务：知识库报告
客户服务
将客户服务知识库响应转换为执行报告。
使用
客户服务：外部数据（API）→AI分析
客户服务
它为客户服务提取外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
客户服务：自主网络代理
客户服务
客户服务代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
客户服务：批准和升级（等待）
客户服务
客户服务将请求转发给人工批准（等待）或自动处理它们，具体取决于阈值。
使用
客户服务：评分和优先级（集）
客户服务
客户服务对记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
客户服务：并行分析→合并
客户服务
它分析 PARALLEL for Customer Services 中的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
客户服务：AI响应→Slack通知
客户服务
客户服务生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
客户服务：多语言翻译
客户服务
翻译客户服务文本并保留术语。
使用
客户服务：个性化电子邮件
客户服务
为客户服务撰写上下文个性化电子邮件。
使用
客户服务：常见问题自动回复
客户服务
客户服务自动响应知识库中的常见问题。
使用
客户服务：备注→操作列表
客户服务
客户服务根据会议/访谈记录创建摘要和行动列表。
使用
客户服务：质量与合规性检查
客户服务
客户服务监控其内容的质量/兼容性。
使用

操作 (20)

会议记录 → 行动列表
操作
从原始笔记中提取摘要+“负责-任务-日期”操作。
使用
操作：文本和文档摘要
操作
它用 5 篇文章总结了操作领域的长文本和文档。
使用
Operation: Demand Classification & Routing
操作
它根据紧急程度分离操作请求，并将其引导到正确的响应分支。
使用
操作：响应和沟通草案
操作
针对操作区域中收到的消息生成专业的响应草案。
使用
运营：内容制作
操作
根据操作主题生成有说服力的内容文本。
使用
操作：情绪和优先级分析
操作
自动评估操作消息的情感和紧迫性。
使用
Operation: Document Data Extraction (Set)
操作
从操作文档（模型+集合+表达式）中提取结构化数据。
使用
操作：知识库助手
操作
它回答来自公司信息库 (RAG) 的操作问题。
使用
操作：知识库报告
操作
将运营知识库响应转换为执行报告。
使用
操作：外部数据（API）→AI分析
操作
它提取用于操作的外部 API 数据（通过重试/错误管理）并使用 AI 进行分析。
使用
操作：自主网络代理
操作
代理有关操作；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
操作：批准和升级（等待）
操作
它将操作请求引导至人工批准（等待）或自动处理它们，具体取决于阈值。
使用
操作：评分和优先级（设置）
操作
它对操作记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
操作：并行分析→合并
操作
它分析了并行操作的机会和风险，并将其转化为与合并的平衡评估。
使用
操作：AI响应→Slack通知
操作
生成操作响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
业务：多语言翻译
操作
翻译操作文本并保留术语。
使用
操作：个性化电子邮件
操作
根据操作上下文编写个性化电子邮件。
使用
操作：FAQ自动回复
操作
该操作会自动回答知识库中的常见问题。
使用
操作：注释→动作列表
操作
根据运营会议/访谈记录准备摘要和行动清单。
使用
运营：质量与合规控制
操作
检查操作内容的质量/兼容性。
使用

研究与研发 (19)

研究与研发：文本和文档摘要
研究与研发
它用 5 篇文章总结了研究与研发领域的长文本和文档。
使用
研究与研发：需求分类和路由
研究与研发
它根据紧急程度将研究和研发请求分开，并将其引导至正确的响应部门。
使用
研究与研发：回应与沟通草案
研究与研发
针对研究与研发领域收到的信息制作专业的回复草案。
使用
研究与研发：内容制作
研究与研发
为研究和研发的主题生成有说服力的内容文本。
使用
研究与研发：情绪与优先级分析
研究与研发
它自动评估研究与研发消息的情感和紧迫性。
使用
研究与研发：文档数据提取（集）
研究与研发
从研究和研发文档中提取结构化数据（模型+集合+表达式）。
使用
研究与研发：知识库助理
研究与研发
它回答了企业知识库 (RAG) 中的研究和研发问题。
使用
研究与研发：知识库报告
研究与研发
将研究与研发知识库响应转换为执行报告。
使用
研究与研发：外部数据（API）→人工智能分析
研究与研发
它提取用于研究和研发的外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
研究与研发：自主网络代理
研究与研发
研究与开发代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
研究与研发：批准和升级（等待）
研究与研发
它将研究和研发请求引导至人工批准（等待）或根据阈值自动处理。
使用
研究与研发：评分和优先级（集）
研究与研发
它对研究和研发记录进行评分（从 1 到 100），并确定其优先级（高/中/低）。
使用
研究与研发：并行分析→组合
研究与研发
它并行分析研究与研发的机会和风险，并通过合并将其转化为平衡评估。
使用
研究与研发：AI 响应 → Slack 通知
研究与研发
Research & R&D 生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
研究与研发：多语言翻译
研究与研发
通过保留术语来翻译研究和研发文本。
使用
研究与研发：个性化电子邮件
研究与研发
为研究和研发撰写上下文个性化电子邮件。
使用
研究与研发：常见问题自动回复
研究与研发
研究与研发自动回答知识库中的常见问题。
使用
研究与研发：注释 → 行动列表
研究与研发
根据研究与研发会议/访谈记录创建摘要和行动列表。
使用
研究与研发：质量与合规控制
研究与研发
检查研究和研发内容的质量/兼容性。
使用

银行业 (19)

银行业：文本和文档摘要
银行业
用 5 篇文章总结了银行领域的长文本和文档。
使用
银行业：请求分类和路由
银行业
它根据紧急程度区分银行请求，并将它们定向到正确的响应分支。
使用
银行业：回应和沟通草案
银行业
针对银行领域收到的消息制作专业的回复草案。
使用
银行业：内容制作
银行业
根据银行业主题生成有说服力的内容文本。
使用
银行业：情绪和优先级分析
银行业
自动评估银行消息的情感和紧迫性。
使用
银行业：文档数据提取（集）
银行业
从银行文档中提取结构化数据（模型+集合+表达式）。
使用
银行业：知识库助理
银行业
它回答来自公司信息库 (RAG) 的银行问题。
使用
银行业：知识库报告
银行业
将银行知识库响应转换为执行报告。
使用
银行业：外部数据（API）→人工智能分析
银行业
它提取银行的外部 API 数据并使用 AI 进行分析（具有重试/错误管理）。
使用
银行业：自主网络代理
银行业
银行代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
银行业：批准和升级（等待）
银行业
它将银行请求引导至人工批准（等待）或自动处理，具体取决于阈值。
使用
银行业：评分和优先级（集）
银行业
它对银行记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
Banking: Parallel Analysis → Consolidate
银行业
它并行分析银行业的机会和风险，并通过合并将其转化为平衡评估。
使用
银行业：人工智能响应 → Slack 通知
银行业
生成银行响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
银行业：多语言翻译
银行业
通过保留术语来翻译银行文本。
使用
银行：个性化电子邮件
银行业
为银行业撰写上下文个性化电子邮件。
使用
银行：常见问题自动回复
银行业
它从知识库中自动回答常见的银行问题。
使用
银行业：注释 → 操作列表
银行业
根据银行会议/访谈记录创建摘要和行动列表。
使用
银行业：质量与合规控制
银行业
审核银行内容的质量/合规性。
使用

IT 与开发运营 (19)

IT 和 DevOps：文本和文档摘要
IT 与开发运营
它用 5 篇文章总结了 IT 和 DevOps 领域的长文本和文档。
使用
IT 和 DevOps：请求分类和路由
IT 与开发运营
它根据紧急程度分离 IT 和 DevOps 请求，并将它们定向到正确的响应分支。
使用
IT 和 DevOps：响应和沟通草案
IT 与开发运营
针对 IT 和 DevOps 领域的传入消息生成专业的回复草案。
使用
IT 与 DevOps：内容制作
IT 与开发运营
从 IT 和 DevOps 主题生成有说服力的内容副本。
使用
IT 和 DevOps：情绪和优先级分析
IT 与开发运营
自动评估 IT 和 DevOps 消息的情感和紧迫性。
使用
IT 与 DevOps：文档数据提取（集）
IT 与开发运营
从 IT 和 DevOps 文档中提取结构化数据（模型 + 集合 + 表达式）。
使用
IT 与 DevOps：知识库助理
IT 与开发运营
它回答了来自企业知识库 (RAG) 的 IT 和 DevOps 问题。
使用
IT 与 DevOps：知识库报告
IT 与开发运营
将 IT 和 DevOps 知识库响应转化为执行报告。
使用
IT 和 DevOps：外部数据 (API) → AI 分析
IT 与开发运营
它提取外部 API 数据（通过重试/错误管理）并使用 IT 和 DevOps 的 AI 对其进行分析。
使用
IT & DevOps: Autonomous Web Agent
IT 与开发运营
IT 和 DevOps 代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
IT 和 DevOps：批准和升级（等待）
IT 与开发运营
根据阈值将 IT 和 DevOps 请求路由至人工批准（等待）或自动处理。
使用
IT 和 DevOps：评分和优先级（集）
IT 与开发运营
对 IT 和 DevOps 记录从 1 到 100 进行评分，并确定其优先级（高/中/低）。
使用
IT 和 DevOps：并行分析 → 整合
IT 与开发运营
它以并行方式分析 IT 和 DevOps 的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
IT 和 DevOps：AI 响应 → Slack 通知
IT 与开发运营
IT 和 DevOps 生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack 身份）。
使用
IT 与 DevOps：多语言翻译
IT 与开发运营
翻译 IT 和 DevOps 文本并保留术语。
使用
IT 与 DevOps：个性化电子邮件
IT 与开发运营
为 IT 和 DevOps 撰写上下文个性化电子邮件。
使用
IT 和 DevOps：常见问题解答自动回复
IT 与开发运营
自动回答知识库中的 IT 和 DevOps 常见问题。
使用
IT 和 DevOps：注释 → 行动列表
IT 与开发运营
根据 IT 和 DevOps 会议/访谈记录创建摘要和行动列表。
使用
IT 与 DevOps：质量与合规性控制
IT 与开发运营
审核 IT 和 DevOps 内容的质量/合规性。
使用

咨询 (19)

咨询：文本和文档摘要
咨询
它用 5 篇文章总结了咨询领域的长文本和文档。
使用
咨询：请求分类和路由
咨询
它根据紧急程度将咨询请求分开，并将其引导至正确的响应分支。
使用
咨询：回应和沟通草案
咨询
针对咨询领域收到的消息制作专业的回复草案。
使用
咨询：内容制作
咨询
根据主题生成有说服力的内容文本以供咨询。
使用
咨询：情绪和优先级分析
咨询
自动评估咨询信息的情绪和紧迫性。
使用
咨询：文档数据提取（套）
咨询
从咨询文档中提取结构化数据（模型+集合+表达式）。
使用
Consulting: Knowledge Base Assistant
咨询
它回答来自企业知识库 (RAG) 的咨询问题。
使用
咨询：知识库报告
咨询
将咨询知识库响应转换为执行报告。
使用
咨询：外部数据（API）→AI分析
咨询
它提取外部 API 数据（具有重试/错误管理）并使用 AI 进行分析以进行咨询。
使用
咨询：自治网络代理
咨询
咨询代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
咨询：批准和升级（等待）
咨询
它将咨询请求引导至人工批准（等待）或自动处理，具体取决于阈值。
使用
咨询：评分和优先级（套装）
咨询
它对咨询记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
咨询：并行分析→组合
咨询
对于咨询而言，它并行分析机会和风险，并通过合并将其转化为平衡评估。
使用
咨询：AI响应→Slack通知
咨询
生成建议响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
咨询：多语言翻译
咨询
翻译保留术语的咨询文本。
使用
咨询：个性化电子邮件
咨询
撰写根据上下文进行个性化的电子邮件以供咨询。
使用
咨询：常见问题自动回复
咨询
咨询会自动从其知识库中回答常见问题。
使用
咨询：注释→行动列表
咨询
根据咨询会议/访谈记录创建摘要和行动列表。
使用
咨询：质量与合规控制
咨询
检查咨询内容的质量/合规性。
使用

教育 (19)

培训：文本和文档摘要
教育
它用 5 篇文章总结了教育领域的长篇文本和文献。
使用
培训：需求分类和路由
教育
它根据紧急程度分隔培训请求，并将其引导至正确的响应分支。
使用
培训：响应和沟通草案
教育
针对教育领域收到的信息制作专业的回复草案。
使用
培训：内容制作
教育
从教育主题中生成有说服力的内容文本。
使用
教育：情绪和优先级分析
教育
自动评估培训消息的情感和紧迫性。
使用
教程：文档数据提取（集）
教育
从训练文档（模型+集合+表达式）中提取结构化数据。
使用
教育背景：知识库助理
教育
它回答来自企业知识库 (RAG) 的培训问题。
使用
教育：知识库报告
教育
将培训知识库响应转换为管理报告。
使用
教程：外部数据（API）→ AI 分析
教育
它提取外部 API 数据进行训练（通过重试/错误管理）并使用 AI 进行分析。
使用
培训：自主网络代理
教育
教育代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
培训：批准和升级（等待）
教育
它将培训请求引导至人工批准（等待）或自动处理它们，具体取决于阈值。
使用
培训：评分和优先级（集）
教育
它对训练记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
Tutorial: Parallel Analysis → Combine
教育
它以并行方式分析教育的机会和风险，并通过合并将其转化为平衡评估。
使用
教程：AI 响应 → Slack 通知
教育
生成训练响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
教育背景：多语言翻译
教育
通过保留术语来翻译教育文本。
使用
培训：个性化电子邮件
教育
编写根据上下文进行个性化的培训电子邮件。
使用
教程：常见问题自动回复
教育
它会自动回答知识库中的常见问题。
使用
教程：注释 → 操作列表
教育
根据培训会议/访谈记录创建摘要和行动列表。
使用
培训：质量与合规控制
教育
审核培训内容的质量/兼容性。
使用

房地产与房地产 (19)

房地产与房地产：文本和文档摘要
房地产与房地产
它用 5 篇文章总结了房地产和房地产领域的长文本和文档。
使用
房地产与房地产：需求分类与路由
房地产与房地产
它根据紧急程度将“房地产”和“房地产”请求分开，并将它们定向到正确的响应分支。
使用
房地产与房地产：回应与沟通草案
房地产与房地产
针对房地产和房地产领域收到的消息制作专业的回复草案。
使用
房地产与房地产：内容制作
房地产与房地产
为房地产和房地产主题制作有说服力的内容文本。
使用
房地产与房地产：情绪与优先分析
房地产与房地产
它自动评估房地产和房地产消息的情感和紧迫性。
使用
房地产与房地产：文档数据提取（集）
房地产与房地产
从房地产和房地产文档中提取结构化数据（模型+集合+表达式）。
使用
房地产与房地产：知识库助理
房地产与房地产
它回答来自企业知识库 (RAG) 的房地产问题。
使用
Real Estate & Real Estate: Knowledge Base Report
房地产与房地产
将房地产和房地产知识库响应转换为执行报告。
使用
房地产与房地产：外部数据（API）→ AI 分析
房地产与房地产
它提取房地产和房地产的外部 API 数据，并使用人工智能进行分析（具有重试/错误管理）。
使用
房地产与房地产：自治网络代理
房地产与房地产
房地产及房地产经纪人；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
房地产和房地产：审批和升级（等待）
房地产与房地产
它将房地产和房地产请求引导至人工批准（等待）或根据阈值自动处理它们。
使用
房地产与房地产：评分与优先级（集）
房地产与房地产
它对房地产和房地产记录进行评分，范围为 1-100，并确定其优先级（高/中/低）。
使用
房地产与房地产：并行分析 → 合并
房地产与房地产
它在 PARALLEL for Real Estate & Real Estate 中分析机会和风险，并通过 Merge 将其转化为平衡评估。
使用
房地产与房地产：AI 响应 → Slack 通知
房地产与房地产
房地产和房地产生成响应并将其发送到 Slack（从 ID Vault 选择 Slack ID）。
使用
房地产与房地产：多语言翻译
房地产与房地产
翻译房地产和保留术语的房地产文本。
使用
房地产与房地产：个性化电子邮件
房地产与房地产
为房地产和房地产撰写上下文个性化电子邮件。
使用
房地产与房地产：常见问题自动回复
房地产与房地产
房地产和房地产会自动回答其知识库中的常见问题。
使用
房地产与房地产：注释 → 行动列表
房地产与房地产
房地产和房地产部门根据会议/访谈记录准备摘要和行动清单。
使用
房地产与房地产：质量与合规检查
房地产与房地产
检查房地产和房地产内容的质量/兼容性。
使用

能源与公用事业 (19)

能源与公用事业：文本和文档摘要
能源与公用事业
它用 5 篇文章总结了能源和公共服务领域的长文本和文件。
使用
能源和公用事业：需求分类和路由
能源与公用事业
能源和公共服务部门根据紧急程度将请求分开，并将其引导至正确的响应部门。
使用
能源与公用事业：响应与沟通草案
能源与公用事业
针对能源和公共服务领域收到的消息制作专业的回复草案。
使用
能源与公用事业：内容制作
能源与公用事业
根据能源与公用事业主题生成有说服力的内容文本。
使用
能源与公用事业：情绪与优先级分析
能源与公用事业
能源和公用事业自动评估消息的情感和紧迫性。
使用
能源与公用事业：文档数据提取（集）
能源与公用事业
从能源和公用事业文档中提取结构化数据（模型+集合+表达式）。
使用
能源与公用事业：知识库助理
能源与公用事业
它回答了企业知识库 (RAG) 中的能源和公共服务问题。
使用
Energy & Utilities: Knowledge Base Report
能源与公用事业
能源与公用事业将知识库响应转换为执行报告。
使用
能源与公用事业：外部数据 (API) → AI 分析
能源与公用事业
它提取能源和公用事业的外部 API 数据，并使用 AI 进行分析（具有重试/错误处理功能）。
使用
能源与公用事业：自治网络代理
能源与公用事业
能源和公用事业代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
能源和公用事业：批准和升级（保留）
能源与公用事业
能源和公用事业部门根据阈值路由请求以供人工批准（等待）或自动处理。
使用
能源和公用事业：评分和优先级（集）
能源与公用事业
它对能源和公用事业记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
能源与公用事业：并行分析 → 组合
能源与公用事业
它分析能源和公共服务并行中的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
能源与公用事业：人工智能响应 → 松弛通知
能源与公用事业
Energy & Utilities 生成响应并将其发送到 Slack（从 ID Vault 选择 Slack ID）。
使用
能源与公用事业：多语言翻译
能源与公用事业
翻译能源和公共服务文本并保留术语。
使用
能源与公用事业：个性化电子邮件
能源与公用事业
为能源和公用事业撰写上下文个性化电子邮件。
使用
能源与公用事业：常见问题自动回复
能源与公用事业
能源与公用事业自动回答其知识库中的常见问题。
使用
能源与公用事业：注意 → 行动列表
能源与公用事业
能源与公共服务部门根据会议/访谈记录准备摘要和行动清单。
使用
能源与公用事业：质量与合规性检查
能源与公用事业
监控能源和公用事业内容的质量/合规性。
使用

电子商务 (19)

E-commerce: Text & Document Summarization
电子商务
它用5篇文章总结了电子商务领域的长文本和文档。
使用
电子商务：需求分类和路由
电子商务
它根据紧急程度分离电子商务请求，并将它们定向到正确的响应分支。
使用
电子商务：回应与沟通草案
电子商务
针对电子商务领域收到的消息制作专业的回复草案。
使用
电子商务：内容制作
电子商务
从电子商务主题生成有说服力的内容文本。
使用
电子商务：情绪和优先级分析
电子商务
它自动评估电子商务消息的情感和紧迫性。
使用
电商：文档数据提取（集）
电子商务
从电商文档中提取结构化数据（模型+集合+表达式）。
使用
电子商务：知识库助手
电子商务
它回答来自企业知识库 (RAG) 的电子商务问题。
使用
电子商务：知识库报告
电子商务
将电子商务知识库响应转换为执行报告。
使用
电商：外部数据（API）→AI分析
电子商务
它提取电子商务的外部 API 数据并使用 AI 进行分析（具有重试/错误管理）。
使用
电子商务：自治网络代理
电子商务
电子商务代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
电子商务：批准和升级（等待）
电子商务
它将电子商务请求引导至人工批准（等待）或自动处理，具体取决于阈值。
使用
电子商务：评分和优先级（集）
电子商务
它对电子商务记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
电子商务：并行分析→合并
电子商务
它并行分析电子商务的机会和风险，并通过合并将其转化为平衡评估。
使用
电子商务：人工智能响应 → Slack 通知
电子商务
生成电子商务响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
电子商务：多语言翻译
电子商务
通过保留术语来翻译电子商务文本。
使用
电子商务：个性化电子邮件
电子商务
为电子商务编写上下文个性化电子邮件。
使用
电子商务：常见问题自动回复
电子商务
电子商务从知识库中自动回答常见问题。
使用
电子商务：注释 → 操作列表
电子商务
根据电子商务会议/访谈记录创建摘要和行动列表。
使用
电子商务：质量与合规性检查
电子商务
检查电子商务内容的质量/兼容性。
使用

活动管理 (19)

事件管理：文本和文档摘要
活动管理
它用 5 篇文章总结了事件管理领域的长文本和文档。
使用
事件管理：请求分类和路由
活动管理
事件管理根据紧急程度分离请求，并将它们定向到正确的响应分支。
使用
事件管理：响应和沟通草案
活动管理
针对事件管理领域收到的消息生成专业的回复草稿。
使用
活动管理：内容制作
活动管理
根据事件管理主题生成有说服力的内容文本。
使用
事件管理：情绪和优先级分析
活动管理
事件管理自动评估消息的情感和紧迫性。
使用
事件管理：文档数据提取（集）
活动管理
从事件管理文档中提取结构化数据（模型+集合+表达式）。
使用
事件管理：知识库助理
活动管理
它回答了企业知识库 (RAG) 中的事件管理问题。
使用
事件管理：知识库报告
活动管理
事件管理将知识库响应转换为管理报告。
使用
事件管理：外部数据（API）→ AI 分析
活动管理
它提取用于事件管理的外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
事件管理：自治网络代理
活动管理
活动管理代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
事件管理：批准和升级（等待）
活动管理
事件管理将请求引导至人工批准（等待）或自动处理它们，具体取决于阈值。
使用
事件管理：评分和优先级（集）
活动管理
事件管理对记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
Event Management: Parallel Analysis → Merge
活动管理
它分析 PARALLEL for Event Management 中的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
事件管理：AI 响应 → Slack 通知
活动管理
事件管理生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
活动管理：多语言翻译
活动管理
翻译事件管理文本并保留术语。
使用
活动管理：个性化电子邮件
活动管理
为事件管理编写上下文个性化电子邮件。
使用
事件管理：常见问题自动回复
活动管理
事件管理自动回答知识库中的常见问题。
使用
事件管理：注释 → 操作列表
活动管理
事件管理根据会议/访谈记录创建摘要和行动列表。
使用
事件管理：质量与合规控制
活动管理
监控事件管理内容的质量/合规性。
使用

财务与会计 (19)

财务与会计：文本和文档摘要
财务与会计
它用 5 篇文章总结了财务与会计领域的长文本和文档。
使用
财务与会计：请求分类和路由
财务与会计
它根据紧急程度将财务和会计请求分开，并将它们定向到正确的响应分支。
使用
财务与会计：回应与沟通草案
财务与会计
针对财务与会计领域收到的消息制作专业的回复草案。
使用
财务与会计：内容制作
财务与会计
根据财务与会计主题生成有说服力的内容文本。
使用
财务与会计：情绪与优先级分析
财务与会计
自动评估财务和会计消息的情感和紧迫性。
使用
财务与会计：文档数据提取（集）
财务与会计
从财务和会计文档中提取结构化数据（模型+集合+表达式）。
使用
财务与会计：知识库助理
财务与会计
它回答来自公司信息库 (RAG) 的财务和会计问题。
使用
财务与会计：知识库报告
财务与会计
将财务和会计知识库响应转换为执行报告。
使用
财务与会计：外部数据（API）→ AI 分析
财务与会计
它提取财务和会计的外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
财务与会计：自治网络代理
财务与会计
财务及会计代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
财务和会计：批准和升级（等待）
财务与会计
它将财务和会计请求引导至人工批准（等待）或自动处理，具体取决于阈值。
使用
财务与会计：评分与优先级（集）
财务与会计
它对财务和会计记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
财务与会计：并行分析→合并
财务与会计
它在 PARALLEL for Finance & Accounting 中分析机会和风险，并通过 Merge 将其转化为平衡评估。
使用
财务与会计：AI 响应 → Slack 通知
财务与会计
Finance & Accounting 生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
财务与会计：多语言翻译
财务与会计
通过保留术语来翻译财务和会计文本。
使用
财务与会计：个性化电子邮件
财务与会计
为财务和会计撰写上下文个性化电子邮件。
使用
财务与会计：常见问题自动回复
财务与会计
财务与会计自动回答知识库中的常见问题。
使用
财务与会计：注释 → 行动列表
财务与会计
财务与会计根据会议/面试记录创建摘要和行动列表。
使用
财务与会计：质量与合规控制
财务与会计
审核财务和会计内容的质量/合规性。
使用

法律与合规 (19)

法律与合规性：文本和文档摘要
法律与合规
它用 5 篇文章总结了法律与合规领域的长文本和文档。
使用
法律与合规性：索赔分类和路由
法律与合规
根据紧急程度对法律与合规请求进行排序，并将其定向到正确的响应分支。
使用
法律与合规：回应与沟通草案
法律与合规
针对法律与合规领域收到的消息起草专业回复。
使用
法律与合规：内容制作
法律与合规
根据法律与合规主题生成有说服力的内容文本。
使用
法律与合规：情绪与优先级分析
法律与合规
自动评估法律与合规消息的情感和紧迫性。
使用
法律与合规：文档数据提取（集）
法律与合规
从法律与合规文档中提取结构化数据（模型+集合+表达式）。
使用
法律与合规：知识库助理
法律与合规
回答企业知识库 (RAG) 中的法律与合规问题。
使用
法律与合规性：知识库报告
法律与合规
将法律与合规知识库响应转换为执行报告。
使用
法律与合规：外部数据 (API) → AI 分析
法律与合规
它提取外部 API 数据（通过重试/错误管理）并使用 AI 进行分析以实现法律与合规性。
使用
法律与合规性：自治网络代理
法律与合规
法律与合规代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
法律与合规：批准和升级（等待）
法律与合规
它将法律与合规请求转发给人工批准（等待）或自动处理，具体取决于阈值。
使用
法律与合规：评分与优先级（集）
法律与合规
它对法律与合规记录进行评分（从 1 到 100），并确定其优先级（高/中/低）。
使用
法律与合规性：并行分析→合并
法律与合规
它在 PARALLEL 中分析法律与合规性的机会和风险，并通过 Merge 将其转化为平衡的评估。
使用
法律与合规：AI 响应 → Slack 通知
法律与合规
法律与合规部生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
法律与合规：多语言翻译
法律与合规
翻译法律与合规文本并保留术语。
使用
法律与合规性：个性化电子邮件
法律与合规
为法律与合规性撰写上下文个性化的电子邮件。
使用
法律与合规：常见问题自动回复
法律与合规
法律与合规性会自动回答其知识库中的常见问题。
使用
法律与合规性：注释 → 行动列表
法律与合规
法律与合规性根据会议/访谈记录创建摘要和行动列表。
使用
法律与合规：质量与合规控制
法律与合规
监控法律与合规内容的质量/合规性。
使用

内容与编辑 (19)

内容和编辑：文本和文档摘要
内容与编辑
它将内容和编辑领域的长文本和文档总结为 5 个项目。
使用
内容和编辑：请求分类和路由
内容与编辑
它根据紧急程度将内容和编辑请求分开，并将它们定向到正确的响应分支。
使用
内容和编辑：回应和沟通草案
内容与编辑
针对内容和编辑领域的传入消息生成专业的回复草稿。
使用
Content & Editorship: Content Production
内容与编辑
根据内容和编辑主题生成有说服力的内容文本。
使用
内容和编辑：情绪和优先级分析
内容与编辑
内容和编辑自动评估消息的情感和紧迫性。
使用
内容与编辑：文档数据提取（集）
内容与编辑
从内容和编辑文档中提取结构化数据（模型+集合+表达式）。
使用
内容和编辑：知识库助手
内容与编辑
回答企业知识库 (RAG) 中的内容和编辑问题。
使用
内容和编辑：知识库报告
内容与编辑
将内容和编辑知识库响应转换为执行报告。
使用
内容与编辑：外部数据（API）→ AI 分析
内容与编辑
它为内容和编辑提取外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
内容和编辑：自治网络代理
内容与编辑
内容和编辑代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
内容和编辑：批准和升级（等待）
内容与编辑
它将内容和编辑请求引导至人工批准（等待）或自动处理它们，具体取决于阈值。
使用
内容和编辑：评分和优先级（集）
内容与编辑
对内容和编辑记录评分 1-100 并确定其优先级（高/中/低）。
使用
内容和编辑：并行分析→合并
内容与编辑
它分析内容和编辑并行中的机会和风险，并通过合并将其转化为平衡评估。
使用
内容和编辑：AI 响应 → Slack 通知
内容与编辑
内容和编辑生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
内容与编辑：多语言翻译
内容与编辑
翻译内容和编辑文本并保留术语。
使用
内容和编辑：个性化电子邮件
内容与编辑
为内容和编辑撰写上下文个性化电子邮件。
使用
内容和社论：常见问题自动回复
内容与编辑
内容和编辑自动回答知识库中的常见问题。
使用
内容和编辑：注释→操作列表
内容与编辑
内容和编辑根据会议/采访记录创建摘要和行动列表。
使用
内容和编辑：质量和兼容性检查
内容与编辑
审查内容和编辑内容的质量/兼容性。
使用

人力资源 (19)

人力资源：文本和文档摘要
人力资源
它用 5 篇文章总结了人力资源领域的长文本和文档。
使用
人力资源：请求分类和路由
人力资源
它根据紧急程度将人力资源请求分开，并将其引导至正确的响应分支。
使用
人力资源：回应与沟通草案
人力资源
针对人力资源领域收到的信息制作专业的回复草案。
使用
人力资源：内容制作
人力资源
为人力资源部门制作有说服力的内容文本。
使用
人力资源：情绪和优先级分析
人力资源
它自动评估人力资源消息的情感和紧迫性。
使用
人力资源：文档数据提取（集）
人力资源
从人力资源文档中提取结构化数据（模型+集合+表达式）。
使用
人力资源：知识库助理
人力资源
它回答来自公司信息库 (RAG) 的人力资源问题。
使用
人力资源：知识库报告
人力资源
将人力资源知识库响应转换为执行报告。
使用
人力资源：外部数据（API）→AI分析
人力资源
它为人力资源提取外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
人力资源：自治网络代理
人力资源
人力资源代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
人力资源：批准和升级（等待）
人力资源
人力资源部门将请求转交给人工批准（等待）或根据阈值自动处理。
使用
人力资源：评分和优先级（集）
人力资源
它对人力资源记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
Human Resources: Parallel Analysis → Combine
人力资源
它在 PARALLEL for Human Resources 中分析机会和风险，并通过 Merge 将其转化为平衡评估。
使用
人力资源：AI响应→Slack通知
人力资源
人力资源部门生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
人力资源：多语言翻译
人力资源
通过保留术语来翻译人力资源文本。
使用
人力资源：个性化电子邮件
人力资源
为人力资源部门撰写上下文个性化的电子邮件。
使用
人力资源：常见问题自动回复
人力资源
人力资源部自动回答知识库中的常见问题。
使用
人力资源：注释 → 行动列表
人力资源
人力资源部根据会议/面试记录准备摘要和行动清单。
使用
人力资源：质量与合规控制
人力资源
监控人力资源内容的质量/兼容性。
使用

公众与非政府组织 (19)

公众和非政府组织：文本和文档摘要
公众与非政府组织
它用 5 篇文章总结了公共和非政府组织领域的长文本和文件。
使用
公众和非政府组织：需求分类和路由
公众与非政府组织
它根据紧急程度将公众和非政府组织的请求分开，并将其引导至正确的响应部门。
使用
公众和非政府组织：回应和沟通草案
公众与非政府组织
针对公众和非政府组织领域收到的信息制作专业的回应草案。
使用
公共和非政府组织：内容制作
公众与非政府组织
为公众和非政府组织制作有关该主题的有说服力的内容文本。
使用
公众和非政府组织：情绪和优先级分析
公众与非政府组织
自动评估公众和非政府组织消息的情感和紧迫性。
使用
政府&非政府组织：文档数据提取（集）
公众与非政府组织
从政府和非政府组织文档中提取结构化数据（模型+集合+表达式）。
使用
政府和非政府组织：知识库助理
公众与非政府组织
它回答来自企业知识库 (RAG) 的公众和非政府组织问题。
使用
公众和非政府组织：知识库报告
公众与非政府组织
将公众和非政府组织知识库响应转化为执行报告。
使用
政府和非政府组织：外部数据（API）→ AI 分析
公众与非政府组织
它为公众和非政府组织提取外部 API 数据，并使用人工智能进行分析（具有重试/错误管理）。
使用
公共和非政府组织：自治网络代理
公众与非政府组织
公共和非政府组织代理人；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
公众和非政府组织：批准和升级（等待）
公众与非政府组织
它根据阈值将公众和非政府组织的请求引导至人工批准（等待）或自动处理。
使用
公共和非政府组织：评分和优先级（设置）
公众与非政府组织
它对公共和非政府组织记录进行评分，范围为 1-100，并确定其优先级（高/中/低）。
使用
公众与非政府组织：平行分析 → 合并
公众与非政府组织
它并行分析公众和非政府组织的机会和风险，并通过合并将其转化为平衡的评估。
使用
政府和非政府组织：人工智能响应 → Slack 通知
公众与非政府组织
生成政府和非政府组织响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
政府和非政府组织：多语言翻译
公众与非政府组织
翻译保留术语的公共和非政府组织文本。
使用
政府和非政府组织：个性化电子邮件
公众与非政府组织
为政府和非政府组织撰写上下文个性化电子邮件。
使用
政府和非政府组织：常见问题自动回复
公众与非政府组织
它会自动从其知识库中回答公众和非政府组织的常见问题。
使用
政府和非政府组织：注 → 行动清单
公众与非政府组织
根据公众和非政府组织会议/访谈记录创建摘要和行动列表。
使用
公众和非政府组织：质量和合规控制
公众与非政府组织
检查公共和非政府组织内容的质量/兼容性。
使用

物流及供应 (19)

物流与供应：文本和文档摘要
物流及供应
它用 5 篇文章总结了物流与供应领域的长文本和文档。
使用
物流与供应：需求分类和路线
物流及供应
它根据紧急程度将物流和供应请求分开，并将其引导至正确的响应部门。
使用
物流与供应：响应与沟通草案
物流及供应
针对物流与供应领域收到的消息制作专业的回复草案。
使用
物流与供应：内容制作
物流及供应
根据物流与供应主题生成有说服力的内容文本。
使用
物流与供应：情绪与优先级分析
物流及供应
自动评估物流和供应消息的情感和紧迫性。
使用
物流与供应：文档数据提取（集）
物流及供应
从物流和供应文档中提取结构化数据（模型+集合+表达式）。
使用
物流与供应：知识库助理
物流及供应
它回答来自企业知识库 (RAG) 的物流和供应问题。
使用
物流与供应：知识库报告
物流及供应
将物流和采购知识库响应转换为执行报告。
使用
物流与供应：外部数据（API）→人工智能分析
物流及供应
它提取物流和供应的外部 API 数据，并使用人工智能进行分析（具有重试/错误管理）。
使用
物流与供应：自主网络代理
物流及供应
物流供应代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
物流和供应：批准和升级（等待）
物流及供应
它将物流和供应请求引导至人工批准（等待）或根据阈值自动处理。
使用
物流与供应：评分与优先级（集）
物流及供应
它对物流和供应记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
物流与供应：并行分析→合并
物流及供应
它分析 PARALLEL for Logistics & Supply 中的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
物流与供应：AI响应→Slack通知
物流及供应
Logistics & Supply 生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
物流与供应：多语言翻译
物流及供应
通过保留术语来翻译物流和供应文本。
使用
物流与供应：个性化电子邮件
物流及供应
为物流和供应撰写上下文个性化电子邮件。
使用
物流与供应：常见问题自动回复
物流及供应
物流与供应自动回答知识库中的常见问题。
使用
物流与供应：注释 → 行动列表
物流及供应
根据物流与供应会议/访谈记录创建摘要和行动列表。
使用
物流与供应：质量与合规控制
物流及供应
检查物流和供应内容的质量/兼容性。
使用

媒体与出版 (19)

媒体与出版：文本和文档摘要
媒体与出版
它用 5 篇文章总结了媒体与出版领域的长文本和文档。
使用
媒体与出版：需求分类与路由
媒体与出版
根据紧急程度对媒体和出版请求进行排序，并将其定向到正确的响应分支。
使用
媒体与出版：回应与沟通草案
媒体与出版
针对媒体和出版领域收到的消息制作专业的回复草稿。
使用
媒体与出版：内容制作
媒体与出版
根据媒体和出版主题生成有说服力的内容文本。
使用
媒体与出版：情绪与优先级分析
媒体与出版
媒体与出版自动评估消息的情感和紧迫性。
使用
媒体与出版：文档数据提取（集）
媒体与出版
从媒体和出版文档中提取结构化数据（模型+集合+表达式）。
使用
媒体与出版：知识库助理
媒体与出版
它回答了企业知识库 (RAG) 中的媒体和出版问题。
使用
媒体与出版：知识库报告
媒体与出版
将媒体和出版知识库响应转换为执行报告。
使用
媒体与出版：外部数据 (API) → AI 分析
媒体与出版
它提取媒体和出版的外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
媒体与出版：自治网络代理
媒体与出版
媒体及出版代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
媒体和出版：批准和升级（等待）
媒体与出版
它将媒体和出版请求引导至人工批准（等待）或自动处理，具体取决于阈值。
使用
媒体与出版：评分与优先级（集）
媒体与出版
媒体和出版对 1-100 条记录进行评分并确定其优先级（高/中/低）。
使用
媒体与出版：并行分析 → 合并
媒体与出版
它分析了 PARALLEL for Media & Publishing 中的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
媒体与出版：AI 响应 → Slack 通知
媒体与出版
媒体和发布生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
媒体与出版：多语言翻译
媒体与出版
翻译媒体和出版文本并保留术语。
使用
媒体与出版：个性化电子邮件
媒体与出版
为媒体和出版业撰写上下文个性化电子邮件。
使用
Media & Publishing: FAQ Auto Reply
媒体与出版
媒体与出版自动回答其知识库中的常见问题。
使用
媒体与出版：注释 → 操作列表
媒体与出版
媒体和出版根据会议/采访记录创建摘要和行动列表。
使用
媒体与出版：质量与合规控制
媒体与出版
监控媒体和出版内容的质量/合规性。
使用

营销 (19)

营销：文本和文档摘要
营销
用 5 篇文章总结了营销领域的长文本和文档。
使用
营销：需求分类和路由
营销
它根据紧急程度分离营销请求，并将其引导至正确的响应分支。
使用
营销：响应和沟通大纲
营销
针对营销领域收到的消息制作专业的回复草稿。
使用
Marketing: Content Production
营销
根据营销主题生成有说服力的内容文本。
使用
Marketing: Sentiment & Priority Analysis
营销
自动评估营销信息的情感和紧迫性。
使用
营销：文档数据提取（集）
营销
从营销文档中提取结构化数据（模型+集合+表达式）。
使用
营销：知识库助理
营销
它回答了来自企业知识库 (RAG) 的营销问题。
使用
营销：知识库报告
营销
将营销知识库响应转换为执行报告。
使用
营销：外部数据（API）→ AI 分析
营销
它提取外部 API 数据用于营销，并使用 AI 进行分析（具有重试/错误管理）。
使用
营销：自主网络代理
营销
营销代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
营销：批准和升级（等待）
营销
它将营销请求引导至人工批准（等待）或自动处理它们，具体取决于阈值。
使用
营销：评分和优先级（集）
营销
对营销记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
营销：并行分析→组合
营销
它以并行方式分析营销机会和风险，并通过合并将其转化为平衡评估。
使用
营销：AI 响应 → Slack 通知
营销
生成营销响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
营销：多语言翻译
营销
翻译营销文本，同时保留术语。
使用
营销：个性化电子邮件
营销
编写上下文个性化的电子邮件以进行营销。
使用
营销：常见问题解答自动回复
营销
它会自动从其知识库中回答营销常见问题。
使用
Marketing: Note → Action List
营销
根据营销会议/访谈记录创建摘要和行动列表。
使用
营销：质量与合规控制
营销
监控营销内容的质量/合规性。
使用

零售 (19)

零售：文本和文档摘要
零售
用 5 篇文章总结了零售领域的长文本和文档。
使用
Retail: Demand Classification & Routing
零售
它根据紧急程度区分零售请求，并将其引导至正确的响应分支。
使用
零售业：回应与沟通草案
零售
针对零售领域收到的消息生成专业的回复草稿。
使用
零售：内容制作
零售
根据零售主题生成有说服力的内容副本。
使用
零售：情绪和优先级分析
零售
自动评估零售消息的情感和紧迫性。
使用
零售：文档数据提取（集）
零售
从零售文档中提取结构化数据（模型+集合+表达式）。
使用
零售：知识库助理
零售
它回答来自企业知识库 (RAG) 的零售问题。
使用
零售：知识库报告
零售
将零售知识库响应转换为执行报告。
使用
零售：外部数据（API）→人工智能分析
零售
它提取用于零售的外部 API 数据（通过重试/错误管理）并使用 AI 进行分析。
使用
零售：自治网络代理
零售
零售代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
零售：批准和升级（等待）
零售
它根据阈值将零售请求转发给人工批准（等待）或自动处理。
使用
零售：评分和优先级（集）
零售
它对零售记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
零售：并行分析→合并
零售
它以并行方式分析零售业的机会和风险，并通过合并将其转化为平衡评估。
使用
零售：人工智能响应 → Slack 通知
零售
生成零售响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
零售：多语言翻译
零售
翻译零售文本并保留术语。
使用
零售：个性化电子邮件
零售
为零售业撰写上下文个性化电子邮件。
使用
零售：常见问题自动回复
零售
它会自动从其知识库中回答零售业常见问题。
使用
零售：注意→行动列表
零售
根据零售会议/访谈记录创建摘要和行动列表。
使用
零售：质量与合规控制
零售
监控零售内容的质量/合规性。
使用

项目管理 (19)

项目管理：文本和文档摘要
项目管理
它用 5 篇文章总结了项目管理领域的长文本和文档。
使用
项目管理：需求分类和路由
项目管理
项目管理根据紧急程度分离请求，并将其引导至正确的响应分支。
使用
项目管理：响应和沟通草案
项目管理
针对项目管理领域收到的消息制作专业的回复草案。
使用
项目管理：内容制作
项目管理
生成有关项目管理主题的有说服力的内容文本。
使用
项目管理：情绪和优先级分析
项目管理
自动评估项目管理消息的情感和紧迫性。
使用
项目管理：文档数据提取（集）
项目管理
从项目管理文档中提取结构化数据（模型+集合+表达式）。
使用
项目管理：知识库助理
项目管理
它回答了企业知识库 (RAG) 中的项目管理问题。
使用
项目管理：知识库报告
项目管理
将项目管理知识库响应转换为执行报告。
使用
项目管理：外部数据（API）→AI分析
项目管理
它提取外部 API 数据（通过重试/错误管理）并使用 AI 进行项目管理分析。
使用
项目管理：自治网络代理
项目管理
Agent in Project Management;它可以自主地与网络搜索、页面获取和技能一起工作。
使用
项目管理：批准和升级（等待）
项目管理
项目管理将请求引导至人工批准（等待）或根据阈值自动处理它们。
使用
项目管理：评分和优先级（集）
项目管理
项目管理对记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
项目管理：并行分析→组合
项目管理
它分析项目管理并行中的机会和风险，并通过合并将其转化为平衡评估。
使用
项目管理：AI 响应 → Slack 通知
项目管理
项目管理生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
项目管理：多语言翻译
项目管理
翻译项​​目管理文本并保留术语。
使用
项目管理：个性化电子邮件
项目管理
为项目管理编写上下文个性化的电子邮件。
使用
项目管理：常见问题自动回复
项目管理
项目管理自动回答知识库中的常见问题。
使用
项目管理：注释 → 行动列表
项目管理
项目管理根据会议/访谈记录创建摘要和行动列表。
使用
项目管理：质量与合规控制
项目管理
监控项目管理内容的质量/合规性。
使用

餐厅与食品 (19)

餐厅和食品：文本和文档摘要
餐厅与食品
它用 5 篇文章总结了餐厅和食品领域的长文本和文档。
使用
餐厅和食品：请求分类和路由
餐厅与食品
它根据紧急程度将餐厅和食品请求分开，并将它们引导到正确的响应分支。
使用
餐厅和食品：响应和沟通大纲
餐厅与食品
针对餐厅和食品领域收到的消息制作专业的回复草案。
使用
餐厅与食品：内容创作
餐厅与食品
根据餐厅和食品主题生成有说服力的内容文本。
使用
餐厅和食品：情绪和优先级分析
餐厅与食品
自动评估餐厅和食品消息的情感和紧迫性。
使用
餐厅&食品：文档数据提取（集）
餐厅与食品
从餐厅和食品文档中提取结构化数据（模型+集合+表达式）。
使用
餐厅和食品：知识库助理
餐厅与食品
它回答了企业知识库 (RAG) 中的餐厅和食品问题。
使用
餐厅与食品：知识库报告
餐厅与食品
将餐厅和食品知识库响应转换为执行报告。
使用
餐厅与食品：外部数据 (API) → AI 分析
餐厅与食品
它提取餐厅和食品的外部 API 数据（具有重试/错误管理）并使用 AI 进行分析。
使用
餐厅和食品：自治网络代理
餐厅与食品
餐厅及食品代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
餐厅和食品：批准和升级（等待）
餐厅与食品
它将餐厅和食品请求引导至人工批准（等待）或根据阈值自动处理它们。
使用
餐厅和食品：评分和优先级（设置）
餐厅与食品
它对餐厅和食品记录进行评分，范围为 1-100，并确定其优先级（高/中/低）。
使用
餐厅和食品：并行分析 → 合并
餐厅与食品
它分析 PARALLEL for Restaurant & Food 中的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
餐厅和食品：AI 响应 → Slack 通知
餐厅与食品
Restaurant & Food 生成响应并将其发送到 Slack（从 ID Vault 选择 Slack ID）。
使用
餐厅与食品：多语言翻译
餐厅与食品
翻译餐厅和食品文本并保留术语。
使用
餐厅和食品：个性化电子邮件
餐厅与食品
为餐厅和食品撰写上下文个性化电子邮件。
使用
餐厅和食品：常见问题自动回复
餐厅与食品
Restaurant & Food 自动回答其知识库中的常见问题。
使用
餐厅和食品：注意 → 行动清单
餐厅与食品
根据餐厅和食品会议/访谈记录创建摘要和行动列表。
使用
餐厅和食品：质量与合规性检查
餐厅与食品
检查餐厅和食品内容的质量/兼容性。
使用

健康 (19)

健康：文本和文档摘要
健康
用 5 篇文章总结了健康领域的长文本和文件。
使用
健康：索赔分类和路由
健康
它根据紧急程度分离健康请求，并将其引导至正确的响应分支。
使用
健康：回应与沟通草案
健康
针对健康领域收到的信息制定专业的回应草案。
使用
健康：内容制作
健康
生成有关健康主题的有说服力的内容文本。
使用
健康：情绪和优先级分析
健康
自动评估健康信息的情感和紧迫性。
使用
Health：文档数据提取（集）
健康
从健康文档中提取结构化数据（模型+集合+表达式）。
使用
健康：知识库助理
健康
它回答来自企业知识库 (RAG) 的健康问题。
使用
健康：知识库报告
健康
将健康知识库响应转换为执行报告。
使用
健康：外部数据（API）→ AI 分析
健康
它提取外部 API 数据以了解健康状况，并使用 AI 进行分析（具有重试/错误管理）。
使用
健康：自主网络代理
健康
健康代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
健康状况：批准和升级（等待）
健康
它将健康请求引导至人工批准（等待）或根据阈值自动处理它们。
使用
健康：评分和优先级（设置）
健康
它对健康记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
健康状况：并行分析→合并
健康
它并行分析健康的机会和风险，并通过合并将其转化为平衡的评估。
使用
健康：AI 响应 → Slack 通知
健康
生成运行状况响应并将其发送到 Slack（从 ID Vault 中选择 Slack ID）。
使用
健康：多语言翻译
健康
通过保留术语来翻译健康文本。
使用
健康：个性化电子邮件
健康
撰写上下文个性化的健康电子邮件。
使用
健康：常见问题自动回复
健康
它会自动从其知识库中回答健康常见问题。
使用
健康：注意→行动清单
健康
根据健康会议/访谈记录创建摘要和行动列表。
使用
Health: Quality & Compliance Check
健康
检查健康成分的质量/兼容性。
使用

销售 (19)

销售：文本和文档摘要
销售
它总结了销售领域的长文本和文档，分为 5 个项目。
使用
销售：需求分类和路由
销售
它根据紧急程度分离销售请求，并将其定向到正确的响应分支。
使用
销售：回应和沟通草案
销售
针对销售区域收到的消息生成专业的回复草稿。
使用
销售：内容制作
销售
根据销售主题生成有说服力的内容文本。
使用
Sales: Sentiment & Priority Analysis
销售
自动评估销售信息的情感和紧迫性。
使用
销售：文档数据提取（集）
销售
从销售文档中提取结构化数据（模型+集合+表达式）。
使用
销售：知识库助理
销售
回答来自企业知识库 (RAG) 的销售问题。
使用
销售：知识库报告
销售
将销售知识库响应转换为执行报告。
使用
销售：外部数据（API）→AI分析
销售
它提取用于销售的外部 API 数据（通过重试/错误管理）并使用 AI 进行分析。
使用
销售：自主网络代理
销售
代理销售；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
销售：批准和升级（等待）
销售
它将销售请求引导至人工批准（等待）或自动处理，具体取决于阈值。
使用
销售：评分和优先级（集）
销售
它对销售记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
销售：并行分析→合并
销售
它以并行方式分析销售的机会和风险，并通过合并将其转化为平衡评估。
使用
销售：人工智能响应 → Slack 通知
销售
生成销售响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
销售：多语言翻译
销售
翻译销售文本，同时保留术语。
使用
销售：个性化电子邮件
销售
撰写根据上下文进行个性化的销售电子邮件。
使用
销售：常见问题自动回复
销售
自动回答知识库中的销售常见问题。
使用
销售：注释 → 行动清单
销售
根据销售会议/访谈记录创建摘要和行动列表。
使用
销售：质量与合规性检查
销售
监控销售内容的质量/兼容性。
使用

保险 (19)

保险：文本和文件摘要
保险
用 5 篇文章总结了保险领域的长文本和文档。
使用
保险：索赔分类和路径
保险
它根据紧急程度将保险索赔分开，并将其引导至正确的响应部门。
使用
保险：回应和沟通草案
保险
针对保险领域收到的消息制作专业的回复草案。
使用
保险：内容制作
保险
从保险主题生成有说服力的内容文本。
使用
保险：情绪和优先级分析
保险
自动评估保险信息的情感和紧迫性。
使用
Fuse：文档数据提取（集）
保险
从保险单据中提取结构化数据（模型+集合+表达式）。
使用
保险：知识库助理
保险
它回答了企业知识库 (RAG) 中的保险问题。
使用
保险：知识库报告
保险
将保险知识库响应转换为执行报告。
使用
保险：外部数据（API）→人工智能分析
保险
它提取保险的外部 API 数据并使用人工智能进行分析（具有重试/错误管理）。
使用
保险：自治网络代理
保险
保险代理人；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
保险：批准和升级（等待）
保险
它根据阈值将保险索赔转发给人工批准（等待）或自动处理。
使用
保险：评分和优先级（套装）
保险
它对保险记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
保险：并行分析→合并
保险
它以并行方式分析保险的机会和风险，并通过合并将其转化为平衡评估。
使用
保险：人工智能响应 → Slack 通知
保险
生成熔断响应并将其发送到 Slack（从 ID Vault 中选择 Slack ID）。
使用
保险：多语言翻译
保险
翻译保留术语的保险文本。
使用
保险：个性化电子邮件
保险
为保险撰写上下文个性化电子邮件。
使用
保险：常见问题自动回复
保险
保险从其知识库中自动回答常见问题。
使用
保险：注意→行动清单
保险
根据保险会议/访谈记录创建摘要和行动列表。
使用
保险：质量与合规性检查
保险
检查保险内容的质量/兼容性。
使用

社交媒体 (19)

社交媒体：文本和文档摘要
社交媒体
它用 5 篇文章总结了社交媒体领域的长文本和文档。
使用
社交媒体：需求分类和路由
社交媒体
它根据紧急程度分离社交媒体请求，并将其引导至正确的响应分支。
使用
社交媒体：回应和沟通草案
社交媒体
针对社交媒体领域收到的消息制作专业的回复草案。
使用
社交媒体：内容制作
社交媒体
根据社交媒体主题生成有说服力的内容文本。
使用
社交媒体：情绪和优先级分析
社交媒体
自动评估社交媒体消息的情感和紧迫性。
使用
社交媒体：文档数据提取（集）
社交媒体
从社交媒体文档中提取结构化数据（模型+集合+表达式）。
使用
社交媒体：知识库助手
社交媒体
它回答来自企业知识库 (RAG) 的社交媒体问题。
使用
社交媒体：知识库报告
社交媒体
将社交媒体知识库响应转换为执行报告。
使用
社交媒体：外部数据（API）→ AI 分析
社交媒体
它提取社交媒体的外部 API 数据并使用 AI 进行分析（具有重试/错误管理）。
使用
社交媒体：自治网络代理
社交媒体
社交媒体代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
社交媒体：批准和升级（等待）
社交媒体
它将社交媒体请求引导至人工批准（等待）或自动处理它们，具体取决于阈值。
使用
社交媒体：评分和优先级（集）
社交媒体
它对社交媒体记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
社交媒体：并行分析→合并
社交媒体
它并行分析社交媒体的机会和风险，并通过合并将其转化为平衡的评估。
使用
社交媒体：AI 响应 → Slack 通知
社交媒体
社交媒体生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
社交媒体：多语言翻译
社交媒体
通过保留术语来翻译社交媒体文本。
使用
社交媒体：个性化电子邮件
社交媒体
为社交媒体撰写上下文个性化电子邮件。
使用
社交媒体：常见问题自动回复
社交媒体
社交媒体自动回答其知识库中的常见问题。
使用
Social Media: Note → Action List
社交媒体
根据社交媒体会议/采访记录创建摘要和行动列表。
使用
社交媒体：质量与合规性检查
社交媒体
检查社交媒体内容的质量/兼容性。
使用

农业 (19)

农业：文本和文档摘要
农业
用 5 篇文章总结了农业领域的长篇文本和文献。
使用
农业：需求分类和路由
农业
它根据紧急程度分离农业请求，并将其引导至正确的响应分支。
使用
农业：回应与沟通草案
农业
针对农业领域收到的信息制作专业的回复草案。
使用
农业：内容制作
农业
从农业主题生成有说服力的内容文本。
使用
农业：情绪和优先级分析
农业
自动评估农业信息的情感和紧迫性。
使用
农业：文档数据提取（集）
农业
从农业文档中提取结构化数据（模型+集合+表达式）。
使用
农业：知识库助理
农业
它回答来自企业知识库 (RAG) 的农业问题。
使用
农业：知识库报告
农业
将农业知识库响应转换为执行报告。
使用
农业：外部数据（API）→人工智能分析
农业
它提取农业的外部 API 数据并使用人工智能进行分析（具有重试/错误管理）。
使用
农业：自治网络代理
农业
农业代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
农业：批准和升级（等待）
农业
它将农业请求引导至人类批准（等待）或根据阈值自动处理它们。
使用
农业：评分和优先级（集）
农业
它对农业记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
农业：并行分析→组合
农业
它并行分析农业的机会和风险，并通过合并将其转化为平衡评估。
使用
农业：人工智能响应 → 松弛通知
农业
Agriculture 生成响应并将其发送到 Slack（从 ID Vault 选择 Slack ID）。
使用
农业：多语言翻译
农业
翻译保留术语的农业文本。
使用
农业：个性化电子邮件
农业
为农业撰写上下文个性化电子邮件。
使用
农业：常见问题自动回复
农业
农业从其知识库中自动回答常见问题。
使用
农业：注释 → 行动列表
农业
根据农业会议/访谈记录准备摘要和行动清单。
使用
农业：质量与合规控制
农业
检查农业成分的质量/兼容性。
使用

旅游与酒店业 (19)

旅游与酒店管理：文本和文档摘要
旅游与酒店业
用 5 篇文章总结了旅游和酒店管理领域的长文本和文档。
使用
旅游和酒店管理：需求分类和路由
旅游与酒店业
它根据紧急程度将旅游和酒店请求分开，并将其引导至正确的响应部门。
使用
旅游与酒店业：回应与沟通草案
旅游与酒店业
针对旅游和酒店管理领域收到的信息制作专业的回复草案。
使用
旅游与酒店业：内容制作
旅游与酒店业
制作有关旅游和酒店管理主题的有说服力的内容文本。
使用
旅游与酒店管理：情绪与优先级分析
旅游与酒店业
它自动评估旅游和酒店信息的情感和紧迫性。
使用
旅游与酒店业：文档数据提取（集）
旅游与酒店业
从旅游和酒店文档中提取结构化数据（模型+集合+表达式）。
使用
旅游与酒店管理：知识库助理
旅游与酒店业
它回答了企业知识库 (RAG) 中的旅游和酒店业问题。
使用
旅游与酒店业：知识库报告
旅游与酒店业
将旅游与酒店知识库响应转换为执行报告。
使用
旅游与酒店业：外部数据 (API) → AI 分析
旅游与酒店业
它提取旅游和酒店业的外部 API 数据，并使用人工智能进行分析（具有重试/错误管理）。
使用
旅游与酒店业：自治网络代理
旅游与酒店业
旅游及酒店管理代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
旅游和酒店业：批准和升级（等待）
旅游与酒店业
它将旅游和酒店请求引导至人工批准（等待）或根据阈值自动处理它们。
使用
旅游与酒店管理：评分和优先级（集）
旅游与酒店业
它对旅游和酒店业记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
旅游与酒店管理：并行分析 → 合并
旅游与酒店业
它分析了 PARALLEL for Tourism & Hotel Management 中的机会和风险，并通过 Merge 将其转化为平衡评估。
使用
旅游与酒店业：人工智能响应 → Slack 通知
旅游与酒店业
Tourism & Hospitality 生成响应并将其发送到 Slack（从 ID Vault 中选择 Slack ID）。
使用
旅游与酒店业：多语言翻译
旅游与酒店业
通过保留术语来翻译旅游和酒店业文本。
使用
旅游与酒店业：个性化电子邮件
旅游与酒店业
为旅游和酒店业撰写上下文个性化电子邮件。
使用
旅游与酒店业：常见问题解答自动回复
旅游与酒店业
旅游和酒店管理会自动回答其知识库中的常见问题。
使用
旅游与酒店业：注 → 行动清单
旅游与酒店业
旅游和酒店管理部门根据会议/访谈记录创建摘要和行动列表。
使用
旅游与酒店业：质量与合规控制
旅游与酒店业
检查旅游和酒店内容的质量/兼容性。
使用

生产制造 (19)

生产和制造：文本和文档摘要
生产制造
它用 5 篇文章总结了生产和制造领域的长文本和文档。
使用
生产和制造：需求分类和路由
生产制造
它根据紧急程度将生产和制造请求分开，并将它们定向到正确的响应分支。
使用
生产和制造：响应和沟通草案
生产制造
针对生产和制造领域收到的消息生成专业的回复草案。
使用
生产与制造：内容制作
生产制造
根据生产和制造主题生成有说服力的内容文本。
使用
生产和制造：情绪和优先级分析
生产制造
自动评估生产和制造消息的情感和紧迫性。
使用
生产制造：文档数据提取（集）
生产制造
从生产和制造文档中提取结构化数据（模型+集合+表达式）。
使用
生产与制造：知识库助理
生产制造
它回答来自企业知识库 (RAG) 的生产和制造问题。
使用
生产与制造：知识库报告
生产制造
将生产和制造知识库响应转换为执行报告。
使用
生产与制造：外部数据（API）→ AI 分析
生产制造
它提取用于生产和制造的外部 API 数据，并使用 AI 进行分析（具有重试/错误管理）。
使用
Production & Manufacturing: Autonomous Web Agent
生产制造
生产制造代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
生产和制造：批准和升级（等待）
生产制造
它根据阈值将生产和制造请求引导至人工批准（等待）或自动处理。
使用
生产和制造：评分和优先级（集）
生产制造
它对生产和制造记录进行评分（从 1 到 100）并确定其优先级（高/中/低）。
使用
生产与制造：并行分析→组合
生产制造
它分析生产和制造并行中的机会和风险，并通过合并将其转化为平衡评估。
使用
制造与制造：AI 响应 → Slack 通知
生产制造
生产和制造生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
生产制造：多语言翻译
生产制造
翻译生产和制造文本，同时保留术语。
使用
生产和制造：个性化电子邮件
生产制造
为制造和制造行业撰写上下文个性化电子邮件。
使用
生产制造：常见问题自动回复
生产制造
生产和制造自动回答知识库中的常见问题。
使用
生产与制造：注释 → 行动列表
生产制造
根据生产和制造会议/访谈记录创建摘要和行动列表。
使用
生产与制造：质量与合规控制
生产制造
检查生产和制造内容的质量/兼容性。
使用

产品管理 (19)

产品管理：文本和文档摘要
产品管理
它用 5 篇文章总结了产品管理领域的长文本和文档。
使用
产品管理：需求分类和路由
产品管理
产品管理根据紧急程度分离请求，并将它们定向到正确的响应分支。
使用
产品管理：响应和沟通草案
产品管理
针对产品管理领域收到的消息生成专业的回复草案。
使用
产品管理：内容制作
产品管理
根据产品管理主题生成有说服力的内容文本。
使用
产品管理：情绪和优先级分析
产品管理
产品管理自动评估消息的情感和紧迫性。
使用
产品管理：文档数据提取（集）
产品管理
从产品管理文档中提取结构化数据（模型+集合+表达式）。
使用
产品管理：知识库助理
产品管理
它回答了来自企业知识库 (RAG) 的产品管理问题。
使用
产品管理：知识库报告
产品管理
将产品管理知识库响应转换为执行报告。
使用
产品管理：外部数据（API）→AI分析
产品管理
它提取外部 API 数据（通过重试/错误管理）并使用 AI 进行分析以进行产品管理。
使用
产品管理：自主网络代理
产品管理
产品管理代理；它可以自主地与网络搜索、页面获取和技能一起工作。
使用
产品管理：批准和升级（等待）
产品管理
产品管理将请求引导至人工批准（等待）或自动处理它们，具体取决于阈值。
使用
产品管理：评分和优先级（集）
产品管理
产品管理对记录进行评分 1-100 并确定其优先级（高/中/低）。
使用
产品管理：并行分析→合并
产品管理
它在产品管理的并行中分析机会和风险，并通过合并将其转化为平衡的评估。
使用
产品管理：AI响应→Slack通知
产品管理
产品管理生成响应并将其发送到 Slack（从 Identity Vault 选择 Slack ID）。
使用
产品管理：多语言翻译
产品管理
翻译产品管理文本并保留术语。
使用
产品管理：个性化电子邮件
产品管理
为产品管理撰写上下文个性化电子邮件。
使用
产品管理：常见问题自动回复
产品管理
产品管理自动回答知识库中的常见问题。
使用
产品管理：注释→操作列表
产品管理
产品管理根据会议/访谈记录创建摘要和行动列表。
使用
产品管理：质量和兼容性控制
产品管理
监控产品管理内容的质量/兼容性。
使用

⭐ 精选直播 (16)

支持请求：分类 → RAG → 响应 → Slack
⭐ 精选直播
它根据紧急程度（Switch）对传入请求进行分类，在正确的分支中搜索知识库并生成响应，使用 Merge 将两个分支合并并将其发送到 Slack。使用连接器 + 开关 + RAG + 合并 + 错误处理。
使用
GitHub 问题分类 → Notion + Slack（并行）
⭐ 精选直播
它使用 AI 对新的 GitHub 问题进行分类（摘要 + 标签），使用 Set 准备字段，然后打开 PARALLEL 中的 Notion 页面并向 Slack 报告（扇出 → 合并）。它通过轮询触发器自动工作（触发器=轮询）。
使用
自主网络研究代理
⭐ 精选直播
单一强大的代理：使用网络搜索、页面获取和计算工具自主调查主题（代理优先模式→所有技能都成为工具）。爱马仕风格的“你弄清楚了”的流程。
使用
多源简报（并行 RAG + Web + API → 综合）
⭐ 精选直播
它同时从三个来源收集信息——企业知识库 (RAG)、网络搜索（代理）和 API——并将所有信息通过 Merge 合并到一个综合报告中。显示扇出/扇入功率。
使用
处理发票：发出 → 阈值 → 批准/自动 → Airtable
⭐ 精选直播
它从发票文本（JSON）中提取字段，使用Set读取金额，使用表达式（Switch）根据阈值进行重定向：高金额需要人工批准（等待节点），低金额自动处理；结果保存在 Airtable 中。设置+语句+开关+等待+连接器。
使用
电子邮件：发送草稿→翻译→SendGrid
⭐ 精选直播
根据传入的上下文生成专业的电子邮件草稿，将其翻译为英语并通过 SendGrid 发送（重试 + 错误处理）。多步模型+连接器。
使用
弹性 API：主分支→（错误）备份分支
⭐ 精选直播
如果主 API 调用失败，则会按照“错误”分支切换到备份源 (onError=branch + retry)。这两个分支在 Merge 中合并并与模型一起渲染。展示每个节点错误处理的强大功能。
使用
潜在客户分数 →（条件）写入 HubSpot → Slack
⭐ 精选直播
对潜在客户打分1-100，用Set读取分数；换句话说，如果高于 70，它会在 HubSpot 中打开联系人并将其报告给 Slack；如果低于 70，则会将其存档。集合+表达式+条件+两个连接器。
使用
预定：每日新闻文摘 → Slack
⭐ 精选直播
它会提取来源，总结当天的亮点，并将其发送到 Slack。它自动与预定触发器一起工作（触发器=预定，cron 例如“每天 09:00”）。 HTTP + 模型 + 连接器。
使用
批量记录处理（数组输入→每个项目）
⭐ 精选直播
它自动适用于一组记录（JSON 数组）输入上的每个项目：添加带有集合的字段，模型处理每个记录。演示项目/数组数据模型和每个项目的执行。输入例如：[{"name":"..."}, ...]。
使用
产品评论：情感 → 3 路方向（开关）
⭐ 精选直播
它确定评论的情绪（正面/负面/中性）并切换到三个不同的分支：负面升级，正面感谢，中性后续。三个分支在 Merge 处连接。多路径切换+合并。
使用
合同风险分析→（如果高）批准→通知
⭐ 精选直播
根据公司规则（RAG）筛选合同，标记风险；如果风险短语通过，它将等待人工批准并升级到 Slack，否则它会自动批准。 RAG + 条件 + 等待 + 连接器。
使用
Webhook → AI 分类 → 打开 GitHub 问题
⭐ 精选直播
它利用人工智能对网络钩子上收到的错误通知进行分类，并在 GitHub 上打开一个问题。 Webhook 触发器（签名）+ 模型 + 连接器。自动执行来自外部系统的事件。
使用
基于天气的活动消息
⭐ 精选直播
它提取城市的当前天气预报（OpenWeather 连接器），根据温度选择活动主题（Switch）并生成适当的营销信息。连接器+表情+开关。
使用
客户引导（Stripe + Notion + Slack Parallel）
⭐ 精选直播
与新客户记录并行，创建 Stripe 客户，在 Notion 中打开记录，并通知 Slack；三者合并为Merge。多连接器+扇出/合并。
使用
使用子流：常见的“明文”步骤
⭐ 精选直播
它调用您作为子流单独发布的“清理/标准化文本”流，然后处理结果。模块化+重用（A8）。在子码流节点中选择自己发布的码流。
使用

🌾 Tahıl İşleme & Değirmen (10)

Yatırımcı Fizibilite Dosyası: Pazar → Kapasite → Tesis Kurgusu → Yatırım Notu
🌾 Tahıl İşleme & Değirmen
Alapros'a gelen taleplerin çoğu teknik şartname değil bir yatırım fikridir: "ülkemde un fabrikası kurmak istiyorum". Bu akış o fikri karar verilebilir bir dosyaya çevirir. Pazar/tüketim verisinden kapasiteyi DETERMİNİSTİK hesaplar, ülkenin ekmek kültürüne göre ürün portföyünü kurgular, hammadde temin ve altyapı riskini ayrı bir kolda değerlendirir ve yatırımcı diliyle (mühendis diliyle değil) bir karar notu yazar. Üç kol paralel koşar. Fiyat ve geri ödeme süresi UYDURULMAZ — bu alanlar satış birimine bırakılır.
使用
Değirmen Diyagramı Denetimi: Pasaj Sayısı · Vals Uzunluğu · Elek Alanı · Sasör
🌾 Tahıl İşleme & Değirmen
Un değirmeninin çekirdek mühendislik ürünü DİYAGRAMDIR: kaç kırma (B) ve redüksiyon (C) pasajı, kaç sasör, ne kadar vals ve elek. Bu akış teklif edilen ya da mevcut diyagramı kapasite ve randıman hedefiyle karşılaştırır: vals yükü (kg/cm/24s) ve elek yükü (kg/m²/24s) DETERMİNİSTİK hesaplanır, sonra üç uzman kolu (kırma · redüksiyon-sasör · elek-aspirasyon) ayrı ayrı denetler, bir HAKEM çakıştırır. Amaç onay vermek değil YETERSİZ BOYUTLANDIRMAYI teklif aşamasında yakalamaktır — sahada fark edilen dar diyagram, taahhüt edilen randımanın tutmaması demektir.
使用
Bölgesel Buğday Profili → Un Portföyü → Temizleme/Tavlama/Diyagram İhtiyacı
🌾 Tahıl İşleme & Değirmen
Alapros'un tekrar ettiği ilke: iki değirmen birbirinin aynı değildir — buğday çeşidi bölgeye, un spesifikasyonu yerel ekmek kültürüne göre değişir. Bu akış o zinciri kurar: hedef ülkenin buğday profilinden (sertlik, protein, hektolitre, süne-kımıl, çimlenme riski, yabancı madde) başlar; yerel mamul kültürüne göre üretilmesi gereken un tiplerini çıkarır; ikisini çakıştırıp TEMİZLEME bölümünün, TAVLAMA rejiminin ve diyagram karmaşıklığının ne olması gerektiğini söyler. Çıktısı doğrudan teklif ve proses tasarımına girdi olur.
使用
Modernizasyon Denetimi: Mevcut Tesis → Darboğaz Bölümü → Yükseltme Paketi
🌾 Tahıl İşleme & Değirmen
Alapros'un işinin önemli bölümü sıfırdan tesis değil, ÇALIŞAN bir değirmeni (çoğu zaman başka marka) modernize etmektir. Bu akış mevcut tesisin makine listesini, kapasitesini, randımanını ve enerji tüketimini alır; bölüm bölüm yük hesabı yaparak DARBOĞAZIN hangi bölümde olduğunu bulur (temizleme mi, vals mi, elek mi, aspirasyon mu, paketleme mi) ve kademeli bir yükseltme paketi önerir. Kritik kural: darboğaz bulunmadan makine önerilmez — dar olmayan bölüme yapılan yatırım randımanı artırmaz, sadece parayı harcar. Beklenen kazanç aralık olarak verilir, tek sayı olarak TAAHHÜT EDİLMEZ.
使用
Randıman ve Kül Sapması: Üç Uzman Kolu → Hakem → Müdahale Sırası
🌾 Tahıl İşleme & Değirmen
Un randımanı düştüğünde ya da kül değeri kaçtığında nedeni üç uzman kolunda PARALEL arar: temizleme-tavlama, vals-öğütme, elek-sasör-aspirasyon. Bir HAKEM üç görüşü çakıştırıp TEK bir müdahale sırası çıkarır. Akış 'bir cevap üretmek' için değil ÇELİŞKİYİ YAKALAMAK için kurgulanmıştır: kollar farklı kök neden söylüyorsa sonuç 'ÖLÇÜM GEREKLİ' olur ve hangi ölçümün alınacağı yazılır. Değirmende aynı anda birden çok değişken değiştirmek en pahalı hatadır — hakem bu yüzden tek değişkenli, maliyeti artan bir sıra dayatır.
使用
Buğday Paçalı: Silo Analizleri → Ağırlıklı Ortalama → Hedef Spesifikasyon
🌾 Tahıl İşleme & Değirmen
Değirmencinin her gün yaptığı iş: silolardaki partileri hedef un spesifikasyonunu tutturacak oranda karıştırmak. Akış parti analizlerini (protein, yaş gluten, rutubet, hektolitre, düşme sayısı) ve hedefi alır; ağırlıklı ortalamayı adım adım hesaplatır, hedefle karşılaştırır ve sapma varsa hangi partinin oranının artacağını gerekçesiyle önerir. Düşme sayısı ve süne-kımıl gibi ORTALAMASI ALINAMAYACAK parametreler ayrıca uyarılır — bu ikisi ortalamayla değil en kötü partiye göre davranır. Sapma büyükse proses şefi onayına düşer.
使用
Çelik Konstrüksiyon: Makine Listesi → Yerçekimi Akışlı Kat Planı → Silo Kapasitesi
🌾 Tahıl İşleme & Değirmen
Değirmen binası sıradan bir fabrika binası değildir: ürün katlar arasında YERÇEKİMİYLE akar, pnömatik hat yukarı taşır. Bu yüzden makine listesi doğrudan kat sayısını, kat yüksekliklerini ve yükleri belirler — Alapros'un Çelik Konstrüksiyon birimi tam bu noktada devreye girer. Akış kapasiteden silo hacimlerini ve kat yüksekliklerini DETERMİNİSTİK hesaplar, ardından bir yapı mühendisi kolu kat yerleşimini (plansifter üstte, vals altta, ürün aşağı akar) ve dikkat edilecekleri yazar. Yanlış kurgulanan kat yüksekliği sonradan düzeltilemez — beton dökülmüştür.
使用
Alapros App / SCADA Duruş Verisi → Vardiya Raporu ve Kayıp Analizi
🌾 Tahıl İşleme & Değirmen
Alapros'un kendi yazılımları (MES / MOM / SCADA / Alapros App v1.3) makine arızalarını ve duruşları zaten kaydediyor. Bu akış o veriyi okunur bir vardiya raporuna çevirir: duruş sürelerini ve kullanılabilirlik oranını DETERMİNİSTİK hesaplar, duruşları bölümlere (temizleme / öğütme / eleme / taşıma-aspirasyon / paketleme) dağıtır, tekrar eden arızayı işaretler ve vardiya amirine somut aksiyon çıkarır. Amaç rapor üretmek değil TEKRAR EDEN duruşu görünür kılmaktır — değirmende kayıp, tek büyük arızadan çok küçük ve tekrarlayan duruşlardan birikir.
使用
Yedek Parça: Makine Seri No + Belirti → Parça Tanımlama → Sipariş Taslağı
🌾 Tahıl İşleme & Değirmen
Alapros Spare Parts'ın müşterilerin kendi siparişlerini açıp izlediği bir portalı var. Bu akış portala girecek talebi hazırlar: sahadan gelen serbest metni ("vals rulmanı ses yapıyor, 8 yıllık makine") makine/seri no + şüpheli parça listesine çevirir, katalogdan parça numarasını arar, aciliyeti belirler ve Switch ile üç yola ayırır — uzaktan çözüm talimatı, parça sevkiyatı, saha servisi. Değirmen 7/24 çalışır: yanlış parça göndermek iki kat gecikme demektir, bu yüzden parça numarası bulunamazsa UYDURULMAZ, teyit alanı açık bırakılır.
使用
Devreye Alma: Kabul Kontrol Listesi + Müşteri Dilinde Operatör Eğitim Programı
🌾 Tahıl İşleme & Değirmen
Anahtar teslim projenin son adımı makineyi çalıştırmak değil, MÜŞTERİNİN EKİBİNİN çalıştırabilmesidir. Çoğu yeni tesiste yatırımcı değirmenci değildir; operatör ekibi ilk kez böyle bir tesis görür. Bu akış iki şeyi birlikte üretir: bölüm bölüm ölçülebilir kabul kontrol listesi ve müşterinin dilinde (TR/EN/RU) rol bazlı operatör eğitim programı (değirmenci · elektrik-otomasyon · bakım · laboratuvar · paketleme). Kabulde eksik varsa protokol yerine eksik listesi çıkar ve şantiye şefi onayına düşer — eksik kapanmadan imzalanan kabul, sonradan garanti tartışmasıdır.
使用

🏭 钢铁金属行业 (5)

钢材询价：规格→质量匹配→重量/吨位→报价草案
🏭 钢铁金属行业
解析客户的规格（例如“C45，ø60 h9，6 m，8 吨”）；将质量映射到产品组合（知识库），确定地计算理论重量和吨位（不是模型预测），检查公差等级可行性并生成提案草案。这三个分支并行工作并在 Merge 中汇聚在一起。实际情况：库存/生产/进口路线由 ERP (canias) 数据源提供 - 在演示中，它是从投资组合知识库中读取的。
使用
质量等效委员会（EN / DIN / SAE-AISI / ASTM / TS / GOST）
🏭 钢铁金属行业
在标准之间转换材料质量（S235JR ↔ St 37-2、C45 ↔ Ck45 ↔ SAE 1045、16MnCr5 ↔ 5115…）。三个专家分支（EN/DIN·SAE-AISI/ASTM·TS/GOST）和化学成分知识库并行运行； REFEREE 节点将三种意见重叠。此流程旨在捕获错误答案，而不是“正确答案”：如果成分范围不匹配或专家冲突，则结果为“需要验证”并由人工验证 - 错误等效 = 拒绝货物 + 退货运费。
使用
铸造分析 → 规范合规性 → EN 10204 3.1 证书草案
🏭 钢铁金属行业
它获取光谱仪/铸件分析的输出，配置元素值，将 ELEMENT 元素与目标质量的标准限值进行比较并标记偏差。如果适用，以客户语言制作 EN 10204 3.1 检验证书草稿；如果不合格，则撰写不合格报告并由质量负责人批准。决策边界通过 Switch 分开，两条臂通过 Merge 连接。
使用
出口文件：形式+装箱单+ATR/EUR.1+CBAM (SKDM)
🏭 钢铁金属行业
Parallel 为一批货件生成一套出口文件：形式发票、装箱单、ATR/EUR.1 和原产地证书清单，以及销往欧盟的强制性 CBAM (SKDM) 嵌入式排放报告字段。最后，执行文件完整性检查；如果有任何文件缺失，须经出口官员批准。上线：订单/批次/吨位和生产路线来自 ERP (canias)，排放因子替换为工厂数据 - 在演示中，它使用样本/开放数据。
使用
技术销售助理：材料选择和产品顾问（TR/EN/DE/ES）
🏭 钢铁金属行业
它从公司知识库回答客户的技术问题（材料选择、质量差异、腐蚀、热处理、哪种产品适用于哪种应用），并以问题语言 (TR/EN/DE/ES) 进行解答。如果意图是“投标”，它将问题 SUB-STREAM 传递到 RFQ 流程中 - 工程师最终再次回答相同的 50 个问题，实际的 RFP 落在正确的线上。在子流程节点中选择您的询价流程。
使用

一般 (4)

简单问答
一般
向模型提出问题并返回答案的最基本流程。
使用
文本摘要
一般
将长文本概括为 5 项。
使用
翻译助理
一般
专业地将输入翻译成目标语言。
使用
情绪分析
一般
确定文本的情感（积极/消极/中性）。
使用