手动触发自动化

该工作流适合以下人群：
- 家庭主厨: 希望通过 HelloFresh 提供的食谱来简化每周的晚餐准备。
- 忙碌的专业人士: 没有时间研究食谱的人，想要快速获得推荐。
- 健康饮食倡导者: 想要获取营养丰富的食谱，以满足个人饮食需求。
- 开发者和数据科学家: 对于希望利用 AI 和推荐系统来增强用户体验的开发者。
- 食品科技创业者: 希望通过智能推荐系统提升客户满意度的创业者。

该工作流解决了以下问题：
- 食谱选择困难: 通过 AI 推荐系统，用户可以根据个人口味偏好获取本周的食谱推荐，避免了选择的烦恼。
- 信息获取不便: 自动从 HelloFresh 网站提取本周菜单，节省了用户手动查找的时间。
- 个性化需求: 用户可以指定想要的食材或想要避免的成分，系统将提供更符合需求的推荐。
- 数据存储与管理: 将食谱存储在 SQLite 数据库和 Qdrant 向量存储中，便于快速检索和管理。

工作流的详细步骤如下：
1. 手动触发: 用户点击 "测试工作流" 按钮，启动整个流程。
2. 获取本周菜单: 通过 HTTP 请求从 HelloFresh 网站获取当前周的菜单。
3. 提取可用课程: 从获取的页面数据中提取出可用的课程信息。
4. 获取课程元数据: 提取每个课程的详细信息，包括名称、类别、标签等。
5. 获取食谱: 根据课程的链接获取具体的食谱信息。
6. 提取食谱详情: 从食谱页面中提取描述、配料、用具和制作步骤等信息。
7. 准备文档: 将提取的信息整理成结构化文档，以便后续处理。
8. 向量化食谱: 使用 Mistral Cloud 将食谱转化为向量，便于推荐系统使用。
9. 存储到数据库: 将食谱信息存储到 SQLite 数据库中以便快速检索。
10. 推荐系统: 使用 Qdrant 推荐 API 来根据用户的喜好和不喜欢的成分提供个性化的食谱推荐。
11. 聊天接口: 通过 AI 代理与用户进行交互，提供推荐和建议。
12. 结果返回: 将推荐结果返回给用户，完成整个流程。

用户可以根据需要自定义和调整此工作流：
- 修改 API 请求: 可以更改 HTTP 请求的 URL，以从其他来源获取食谱数据。
- 调整提取逻辑: 根据不同网站的结构，修改提取可用课程和食谱详情的代码。
- 更新数据库结构: 如果需要存储更多信息，可以修改 SQLite 数据库的表结构。
- 个性化推荐逻辑: 可以根据用户的反馈和行为调整推荐系统的算法，提升推荐的准确性。
- 界面和交互: 根据用户需求修改聊天接口的系统消息，以提供更符合用户期望的交互体验。