LangChain 自动化

目标受众

- 健身爱好者: 记录饮食和营养摄入，帮助制定健康饮食计划。
- 营养师: 通过自动化工具提高工作效率，快速分析客户饮食。
- 开发者: 利用此工作流的模板，创建自定义的聊天机器人或自动化工具。
- 普通用户: 想要跟踪饮食和营养摄入，提升健康意识。

解决的问题

- 饮食记录困难: 用户可以通过文字或语音轻松记录饮食信息，自动化处理，避免手动输入的繁琐。
- 营养分析复杂: 自动计算每餐的营养成分，提供详细的营养信息，帮助用户理解饮食结构。
- 数据存储与管理: 将饮食数据自动存储在 Google Sheets 中，方便用户随时查看和分析。

工作流步骤

1. 接收消息: 当用户通过 Telegram 发送消息时，触发工作流。
2. 判断消息类型: 检查消息是文字还是语音。
- 如果是语音消息，获取音频文件并进行转录。
- 如果是文字消息，直接提取文本。
3. 设置输入: 将提取的文本设置为 chatInput。
4. 调用 OpenAI 模型: 使用 LangChain 的 OpenAI 模型，根据输入文本估算每种营养成分的含量。
5. 解析输出: 将模型返回的结果进行结构化解析，分解成各个营养成分。
6. 数据处理: 将解析后的数据添加当前日期，并存储在 Google Sheets 中。
7. 反馈用户: 向用户发送确认消息，告知其饮食信息已被记录。

自定义指南

- 修改提示内容: 在 List of Ingredients and nutrients 节点中，可以根据需求调整提示文本，以获得更符合需求的营养分析。
- 更换模型: 在 OpenAI Chat Model 节点中，可以选择不同的 OpenAI 模型，以适应不同的分析需求。
- 调整 Google Sheets 配置: 修改 Store in sheet 节点中的 Google Sheets 文档 ID 和表单名称，以便将数据存储到不同的表单中。
- 添加更多功能: 可以在工作流中添加更多节点，比如发送营养建议或创建饮食计划，增强工作流的实用性。