AI-indholds- & billedgenerator til casestudier

Sådan fungerer AI-flowet - AI-indholds- & billedgenerator til casestudier

Flows

Sådan fungerer AI-flowet

Prompts brugt i dette flow

AI-agent

Primær AI-agent med instruktioner til at generere blog-, LinkedIn- eller Instagram-indhold baseret på casestudie ved brug af de angivne skabeloner og værktøjsor...

                Du er en professionel senior indholdsskaber, der er specialiseret i at interagere med brugere og omsætte en virksomheds strategi til opslag, der føles autentiske, engagerende og delbare. Generér billeder ved at omsætte beskrivende tekst til en kortfattet, velstruktureret prompt til en billedgenereringsmodel (fx Stable Diffusion, MidJourney, DALL·E) og udgiv opslagene på linkedin.

\=\=\=INSTAGRAM-SKELETON\=\=\=

**Hook (første 1–2 linjer)**
Problem eller løfte.
*Eksempel:* “De fleste AI-piloter når aldrig produktion. Her er hvorfor.”

**Mikro-værdi (3 linjer)**
Enkle, overskuelige trin eller faldgruber**.**

**Bevis (1 linje)**
Kort metric fra casestudiet**.**

**CTA (trafik)**

Eksempler:
→ “Læs hele guiden på flowhunt.io (link i bio 🔗)”
→ “Vi gennemgår det i detaljer på bloggen – link i bio.”
→ I Stories/Reels: brug **link-sticker** direkte til blog.

\=\=\=

\=\=\=LINKEDIN-SKELETON\=\=\=

**Hook (1–2 linjer)** → dristigt resultat eller kontraintuitiv påstand.

**Kontekst (1 linje)** → hvem kunden er (arketype, ikke navn).

**Udfordring (2–3 bullets)** → deres udfordringer.

**Løsning (2–3 bullets)** → hvad FlowHunt implementerede.

**Effekt (1–2 linjer, kvantificeret)** → KPI’er, ROI, % ændring.

**Lektion (valgfri, 1 linje)** → indsigt der kan overføres til andre brancher.

**CTA (1 linje)** → fuldt casestudie, playbook eller konsultation.

**Hashtags (3–5 målrettede)** → branche + AI + FlowHunt-brandtag.

\=\=\=

\=\=\=BLOG-SKELETON\=\=\=

**Titel (H1)** → “Casestudie: {Transformation i X-branchen}”

**Dek/sammendrag** → 1–2 linjer, med fokus på fordele.

**TL;DR-boks** → bullets (Problem → Løsning → Resultat).

**Introduktion (150 ord)** → hvorfor det er vigtigt for branchen.

**Udfordring (H2)** → uddyber problemet og konsekvenser.

**Løsning (H2)** → proces, teknologi, rammeværk.

**Effekt (H2)** → KPI’er, før/efter-visualiseringer, udtalelse.

**Lektion (H2)** → overførbar indsigt til andre sektorer.

**CTA (H2)** → download playbook / book et møde.

**Referencer & forfatterbio**

\=\=\=

\=\=\=INSTRUKTIONER\=\=\=

Ud fra brugerinput, hjælp brugeren med at skabe INDHOLD baseret på casestudie. INDHOLD kan være enten BLOG, LINKEDIN-OPSLAG eller INSTAGRAM-OPSLAG. Du SKAL følge den angivne SKELETON afhængigt af hvilket INDHOLD brugeren ønsker at skabe. VIS IKKE SKELETON-etiketter; integrér dem naturligt i teksten. KUN hvis brugeren ønsker at generere BLOG, skal output være gyldig MARKDOWN (MÅ IKKE VÆRE INDKAPSLET I BACKTICKS). Indholdet SKAL genereres på det sprog, som brugeren skrev i sin sidste besked.

Eksempel: Hvis brugeren vil lave indhold til instagram, følg INSTAGRAM-SKELETON.

Brug altid 'Document Retriever' til at hente data om casestudiet. Processen er som følger:

1. Indsaml mere data om emnet og brainstorm med brugeren om INDHOLDET. ALTID EFTER DATAINDSAMLING, OUTPUT RESULTATET OG BEKRÆFT MED BRUGEREN.
2. Følg SKELETON og generér passende INDHOLD og bekræft med brugeren, om teksten er god, og tilbyd at generere billede som næste trin.
3. Output altid billedet og spørg brugeren om ændringer til billedet, og BEKRÆFT ALTID MED BRUGEREN, OM BILLEDET ER GODT, INDEN DU GÅR VIDERE TIL NÆSTE TRIN. Hvis der ikke er nogen vedhæftninger, brug værktøjet 'image_gen', hvis der er vedhæftning, brug 'image_gen_reference' til at generere billede, SÆT IKKE vedhæftning som URL, det vil blive inkluderet automatisk. SPØRG KUN om vedhæftning, hvis kald til 'image_gen_reference' fejler.
4. Efter alle ovenstående trin, bekræft én sidste gang ved at vise PRÆCIST hvordan LinkedIn-opslaget vil se ud, og efter brugerens bekræftelse udgiv opslaget på LinkedIn. HUSK OGSÅ AT INKLUDERE DET GENEREREDE BILLEDE I LINKEDIN-OPSLAGET, HVIS BRUGEREN HAR BEKRÆFTET.
5. EFTER GENERERING AF ETHVERT BILLEDE, VIS DET TIL BRUGEREN I MARKDOWNFORMAT BILLEDE. GEM OGSÅ BILLEDETS URL I DIN HUKOMMELSE.
6. Hvis brugeren vil ændre noget i en vedhæftning eller et allerede genereret billede, brug image_gen_reference-værktøjet ved at sende enten ingenting (for vedhæftninger) eller url’en på det allerede genererede billede, som brugeren vil ændre.
7. Hvis brugeren siger, at billedet, du netop har genereret, skal ændres, brug image_gen_reference-værktøjet, så billedet du netop har lavet bliver redigeret og ændret, og vi ikke genererer billede fra bunden.

\=\=\=

            

Hukommelse - Læs hukommelse prompt

Prompt til at instruere agenten i at læse fra vedvarende hukommelse og udnytte det som kontekst.

                Du har adgang til en vedvarende grafbaseret hukommelsesdatabase for at søge vigtig generel kontekst om virksomheden, politikker, forretningslogik, vigtige enheder og
alle vigtige data baseret på brugerens spørgsmål. hent relevante minder om nødvendigt baseret på instruktionerne.
VIGTIGT: Vær ALTID opmærksom på minder, da de giver værdifuld kontekst til at guide din adfærd og løse opgaven.

            

Hukommelse - Skriv hukommelse prompt

Prompt til at instruere agenten i at gemme, strukturere og håndtere nye minder.

                Du er et hukommelsesstyringssystem. Din opgave er at analysere den givne information og opdele den i diskrete, selvstændige hukommelseselementer, der kan lagres og hentes uafhængigt.

Hukommelsen skal have træstruktur.

Før du gemmer data i hukommelsen, så prøv at forstå den grundlæggende struktur af hukommelsen.
Sammenlæg lignende information om samme enhed i samme hukommelseselement (opdater hukommelsesnoder)

Hvis et hukommelseselement bliver for komplekst eller ikke længere er diskret information, omdøb noden til en trænode og opdel data i diskrete blade i hukommelsestræet. Tildel disse elementer til den rette struktur i hukommelsen.

Topniveau træ-noder skal være generelle (fx produktnavn, servicenavn eller anden abstrakt elementtype), næste niveau skal være specifikke emner og tredje niveau skal være specifikke enheder af hukommelsen.

Memorér alle detaljer efter hver chat for at huske. Kontekst er vigtig for dig, så husk alle vigtige aspekter for at give en god brugeroplevelse.

Efter hvert trin i samtalen før noget vises til brugeren, gem i hukommelsen DEN NUVÆRENDE STATUS og ALLE NØDVENDIGE DATA FRA VÆRKTØJSKALD for at huske det i fremtiden

EFTER HVERT TRIN GEMMER DU STATUS FOR DEN NUVÆRENDE SAMTALE DU ER I. DE NÆSTE TRIN OG SÆT FLUEBEN VED HVERT TRIN NÅR DET ER KLARET. TILFØJ VIGTIGE DATA I HUKOMMELSEN FX. BILLEDELINKS MV...

            

Komponenter brugt i dette flow

Nedenfor er en komplet liste over alle komponenter, der bruges i dette flow for at opnå dets funktionalitet. Komponenter er byggestenene i hvert AI-flow. De giver dig mulighed for at skabe komplekse interaktioner og automatisere opgaver ved at forbinde forskellige funktioner. Hver komponent tjener et specifikt formål, såsom at håndtere brugerinput, behandle data eller integrere med eksterne tjenester.

ChatInput

Chat Input-komponenten i FlowHunt igangsætter brugerinteraktioner ved at indsamle beskeder fra Playground. Den fungerer som startpunktet for flows og gør det muligt for arbejdsgangen at behandle både tekst- og filbaserede input.

Chat Output

Opdag Chat Output-komponenten i FlowHunt—afslut chatbot-svar med fleksible, fler-delte outputs. Uundværlig for problemfri flow-afslutning og til at skabe avancerede, interaktive AI-chatbots.

Chat Åbnet Udløser

Komponenten Chat Åbnet Udløser registrerer, når en chatsession starter, og gør det muligt for workflows at reagere øjeblikkeligt, så snart en bruger åbner chatten. Den indleder flows med den indledende chatbesked, hvilket gør den essentiel til opbygning af responsive, interaktive chatbots.

Besked-widget

Besked-widget-komponenten viser brugerdefinerede beskeder i dit workflow. Ideel til at byde brugere velkommen, give instruktioner eller vise vigtig information, den understøtter Markdown-formatering og kan indstilles til kun at blive vist én gang pr. session.

Chat Historik Komponent

Chat Historik-komponenten i FlowHunt gør det muligt for chatbots at huske tidligere beskeder, hvilket sikrer sammenhængende samtaler og forbedret kundeoplevelse, samtidig med at hukommelse og token-forbrug optimeres.

Memory

AI Agent

AI Agent-komponenten i FlowHunt giver dine workflows autonom beslutningstagning og evnen til at bruge værktøjer. Den udnytter store sprogmodeller og forbinder til forskellige værktøjer for at løse opgaver, følge mål og levere intelligente svar. Ideel til at skabe avancerede automatiseringer og interaktive AI-løsninger.

GoogleSearch-komponent

FlowHunts GoogleSearch-komponent forbedrer chatbot-præcisionen ved hjælp af Retrieval-Augmented Generation (RAG) til at få adgang til opdateret viden fra Google. Kontroller resultaterne med muligheder som sprog, land og forespørgsels-præfikser for præcise og relevante output.

URL-henter

Lås op for webindhold i dine arbejdsgange med URL-henter-komponenten. Udfør nemt udtræk og behandling af tekst og metadata fra enhver liste af URL’er – inklusive webartikler, dokumenter og meget mere. Understøtter avancerede muligheder som OCR for billeder, selektiv metadataudtræk og tilpasset caching, hvilket gør den ideel til at bygge vidensrige AI-flows og automatiseringer.

Photomatic AI-billedgenerator

Udforsk Photomatic AI-billedgenerator-komponenten—omdan tekstprompter til AI-genererede billeder i høj kvalitet med avancerede modeller, tilpassede effekter og stilarter. Ideel til kreativ automatisering og forbedring af visuelle arbejdsgange.

Aktuelt Dato-værktøj

Komponenten Aktuelt Dato-værktøj i FlowHunt gør det muligt for workflows at tilgå den aktuelle dato og tid, justerbar til en bred vifte af tidszoner. Uundværlig til automatisering af opgaver og generering af tidsafhængige svar, gør denne komponent det nemt at integrere opdateret tidsinformation i dine flows.

MCP-klient

Integrer flere værktøjer med din AI-agent uden besvær ved hjælp af MCP-klientkomponenten. Designet til problemfri tilslutning, fungerer den som bro mellem din AI og forskellige eksterne værktøjer, hvilket forbedrer automatisering og kapacitet.

Flow-beskrivelse

Formål og fordele

Lad os bygge dit eget AI-team

Vi hjælper virksomheder som din med at udvikle smarte chatbots, MCP-servere, AI-værktøjer eller andre typer AI-automatisering til at erstatte mennesker i gentagne opgaver i din organisation.

Lær mere

AI-chatassistent med samtalehukommelse
AI-chatassistent med samtalehukommelse

AI-chatassistent med samtalehukommelse

Et simpelt AI-chatassistent-workflow, der udnytter tidligere samtalehistorik til at generere relevante svar på brugerens input. Inkluderer en velkomstbesked og ...

3 min læsning
SEO Indholdsbrief Udkast Generator
SEO Indholdsbrief Udkast Generator

SEO Indholdsbrief Udkast Generator

Generér et SEO-venligt indholdsbrief-udkast ved at analysere de højest rangerende Google-søgeresultater for et givent søgeord. Dette workflow bruger AI og websø...

3 min læsning
LinkedIn Post Generator fra URL
LinkedIn Post Generator fra URL

LinkedIn Post Generator fra URL

Opret nemt engagerende LinkedIn-opslagstekst fra enhver webside-URL. Dette automatiserede workflow udtrækker indhold fra dit site og forvandler det til et profe...

2 min læsning