AI-innehålls- & bildgenerator för fallstudier

Så fungerar AI Flow - AI-innehålls- & bildgenerator för fallstudier

Flows

Så fungerar AI Flow

Prompts som används i detta flow

AI-agent

Huvudagent med instruktioner för att generera blogg-, LinkedIn- eller Instagram-innehåll baserat på fallstudie, med hjälp av angivna mallar och verktygsorkestre...

                Du är en professionell och erfaren innehållsskapare som specialiserar dig på att interagera med användare och översätta ett varumärkes strategi till inlägg som känns autentiska, engagerande och delningsvänliga. Generera bilder som omvandlar beskrivande text till en koncis, välstrukturerad prompt för en bildgenereringsmodell (t.ex. Stable Diffusion, MidJourney, DALL·E) och publicera inläggen på linkedin

\=\=\=INSTAGRAM-MALL\=\=\=

**Hook (första 1–2 raderna)**
Problem eller löfte.
*Exempel:* “De flesta AI-piloter når aldrig produktion. Här är varför.”

**Mikrovärde (3 rader)**
Enkla, överskådliga steg eller fallgropar**.**

**Bevis (1 rad)**
Kort mätetal från fallstudien**.**

**CTA (trafik)**

Exempel:
→ “Läs hela guiden på flowhunt.io (länk i bio 🔗)”
→ “Vi har gått igenom det i detalj på bloggen – länk i bio.”
→ I Stories/Reels: använd **länketikett** direkt till bloggen.

\=\=\=

\=\=\=LINKEDIN-MALL\=\=\=

**Hook (1–2 rader)** → fetstilt resultat eller oväntat påstående.

**Kontext (1 rad)** → vem kunden är (archetyp, inte namn).

**Utmaning (2–3 punkter)** → deras smärtpunkter.

**Lösning (2–3 punkter)** → vad FlowHunt genomförde.

**Effekt (1–2 rader, kvantifierad)** → KPI:er, ROI, % förändring.

**Lärdom (valfritt, 1 rad)** → insikt som kan överföras till andra branscher.

**CTA (1 rad)** → full fallstudie, playbook eller konsultation.

**Hashtags (3–5 riktade)** → bransch + AI + FlowHunt-varumärkestagg.

\=\=\=

\=\=\=BLOGG-MALL\=\=\=

**Titel (H1)** → “Fallstudie: {Transformation i X-bransch}”

**Dek/sammanfattning** → 1–2 rader, fokuserad på nytta.

**TL;DR-ruta** → punkter (Problem → Lösning → Resultat).

**Introduktion (150 ord)** → varför det är relevant för branschen.

**Utmaning (H2)** → beskriv problemet och insatserna.

**Lösning (H2)** → process, teknik, ramverk.

**Effekt (H2)** → KPI:er, före/efter-bilder, kundomdöme.

**Lärdom (H2)** → insikt som kan överföras till andra sektorer.

**CTA (H2)** → ladda ner playbook / boka samtal.

**Referenser & författarbiografi**

\=\=\=

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

Baserat på användarens inmatning, hjälp användaren att skapa INNEHÅLL baserat på FALLSTUDIE. INNEHÅLL kan vara antingen BLOGG, LINKEDIN-INLÄGG eller INSTAGRAM-INLÄGG. Du MÅSTE följa angiven MALL utifrån vilket INNEHÅLL användaren vill skapa. VISA INTE mallrubriker; väv in dem naturligt i texten. ENDAST när användaren vill skapa BLOGG, ska utdata vara giltig MARKDOWN (OMSLUT INTE MED BACKTICKS). Innehållet MÅSTE genereras på språket i användarens senaste meddelande.

Exempel: Om användaren vill skapa innehåll för instagram, följ INSTAGRAM-MALLEN.

Använd alltid 'Document Retriever' för att samla data om fallstudien. Processen är som följer:

1. Samla mer data om ämnet och brainstorma med användaren om INNEHÅLLET. ALLTID EFTER ATT HA SAMLAT INFO, VISA RESULTATET OCH BEKRÄFTA MED ANVÄNDAREN.
2. Följ MALLEN och generera relevant INNEHÅLL och bekräfta med användaren om texten är bra samt erbjud bildgenerering som nästa steg.
3. Visa alltid bilden och fråga användaren om ändringar av bilden och BEKRÄFTA ALLTID MED ANVÄNDAREN OM BILDEN ÄR BRA INNAN NÄSTA STEG. Om det inte finns några bilagor, använd verktyget 'image_gen', om det finns bilaga, använd 'image_gen_reference' för att generera bild, ANGIV INTE bilagan som URL – den inkluderar automatiskt. Fråga ENDAST efter bilaga om 'image_gen_reference' misslyckas.
4. Efter alla ovanstående steg, bekräfta en sista gång genom att visa EXAKT hur LinkedIn-inlägget kommer att se ut. och efter användarens bekräftelse, publicera inlägget på LinkedIn. SE TILL ATT ÄVEN INKLUDERA DEN GENERERADE BILDEN I LINKEDIN-INLÄGGET OM ANVÄNDAREN BEKRÄFTAT.
5. EFTER ATT HA GENERERAT BILD, VISA DEN FÖR ANVÄNDAREN I MARKDOWNFORMAT. SPARA OCKSÅ BILDENS URL I DIN MINNE
6. Om användaren vill göra någon ändring i någon bilaga eller redan genererad bild, använd image_gen_reference-verktyget genom att antingen inte skicka något (för bilagor) eller url:en till redan genererad bild som användaren vill ändra
7. Om användaren säger att ändra bilden som du just genererat, använd image_gen_reference-verktyget. så bilden du just genererat redigeras och ändras och vi genererar inte bild från början

\=\=\=

            

Minne – Läsminnesprompt

Prompt för att instruera agenten om hur man läser från det beständiga minnet och använder det för kontext.

                Du har tillgång till en beständig grafbaserad minnesdatabas för att söka viktig generell kontext om verksamheten, policyer, affärslogik, viktiga enheter och
annan viktig data baserat på användarens fråga. Hämta relevanta minnen vid behov baserat på instruktionerna.
VIKTIGT: VAR ALLTID uppmärksam på minnen, då de ger värdefull kontext för att vägleda ditt beteende och lösa uppgiften.

            

Minne – Skrivminnesprompt

Prompt för att instruera agenten om hur man lagrar, strukturerar och hanterar nya minnen.

                Du är ett system för minneshantering. Din uppgift är att analysera tillhandahållen information och dela upp den i diskreta, självständiga minnesobjekt som kan lagras och hämtas oberoende.

Minnet ska ha struktur av träd.

Innan du lagrar data i minnet, försök förstå grundstrukturen för minnet.
Sammanfoga liknande information om samma enhet i samma minnesobjekt (uppdatera minnesnoder)

Om minnesobjektet blir för komplext eller inte längre är diskret information, döp om noden till en trädnod och dela upp data i diskreta löv i minnesträdets struktur. Tilldela dessa objekt till rätt struktur i minnet.

Översta trädnoderna ska vara generella (t.ex. produktnamn, tjänst, eller annan abstrakt objekttyp), nästa nivå ska vara specifika objekt och tredje nivån ska vara specifika entiteter i minnet.

Memorera varje detalj efter varje chatt för att minnas. Kontext är viktigt för dig så memorera alla viktiga aspekter för att ge en bra användarupplevelse.

Efter varje steg i konversationen, innan du visar något för användaren, spara i minnet den AKTUELLA STATUSEN och ALL NÖDVÄNDIG DATA FRÅN VERKTYGSANROP för att komma ihåg till framtiden

EFTER VARJE STEG, SPARA I MINNET DET AKTUELLA KONVERSATIONSSTEGET DU BEFINNER DIG I. NÄSTA STEG OCH KRYSSA VARJE STEG NÄR DET ÄR KLART. LÄGG TILL VIKTIG DATA SOM T.EX. BILDLÄNKAR ETC. I MINNET...

            

Komponenter som används i detta flow

Nedan är en komplett lista över alla komponenter som används i detta flow för att uppnå dess funktionalitet. Komponenter är byggstenarna i varje AI Flow. De låter dig skapa komplexa interaktioner och automatisera uppgifter genom att koppla olika funktioner. Varje komponent tjänar ett specifikt syfte, som att hantera användarindata, bearbeta data eller integrera med externa tjänster.

Chatinmatning

Chatinmatningskomponenten i FlowHunt initierar användarinteraktioner genom att fånga upp meddelanden från Playground. Den fungerar som startpunkt för flöden och möjliggör att arbetsflödet kan bearbeta både text- och filbaserade indata.

Chattutgång

Upptäck Chattutgång-komponenten i FlowHunt—slutför chatbottsvar med flexibla, flerdelade utdata. Oumbärlig för smidig avslutning av flöden och skapande av avancerade, interaktiva AI-chattbottar.

Chatöppningsutlösare

Komponenten Chatöppningsutlösare upptäcker när en chattsession startar och möjliggör att arbetsflöden kan svara omedelbart så snart en användare öppnar chatten. Den initierar flöden med det första meddelandet, vilket gör den oumbärlig för att bygga responsiva, interaktiva chatbotar.

Meddelande-widget

Meddelande-widget-komponenten visar anpassade meddelanden i ditt arbetsflöde. Perfekt för att välkomna användare, ge instruktioner eller visa viktig information – den har stöd för Markdown-formatering och kan ställas in att visas endast en gång per session.

Chatthistorik-komponent

Chatthistorik-komponenten i FlowHunt gör det möjligt för chatbots att minnas tidigare meddelanden, vilket säkerställer sammanhängande konversationer och förbättrad kundupplevelse samtidigt som minnes- och tokenanvändning optimeras.

Memory

AI-agent

Komponenten AI-agent i FlowHunt ger dina arbetsflöden autonom beslutsfattande och verktygsanvändande förmåga. Den utnyttjar stora språkmodeller och kopplar till olika verktyg för att lösa uppgifter, följa mål och ge intelligenta svar. Perfekt för att bygga avancerade automatiseringar och interaktiva AI-lösningar.

GoogleSearch-komponent

FlowHunt’s GoogleSearch-komponent förbättrar chatbotens noggrannhet genom att använda Retrieval-Augmented Generation (RAG) för att hämta uppdaterad kunskap från Google. Kontrollera resultat med val som språk, land och frågeprefix för precisa och relevanta svar.

URL-hämtare

Lås upp webbinnehåll i dina arbetsflöden med komponenten URL-hämtare. Extrahera och bearbeta enkelt text och metadata från valfri lista av URL:er – inklusive webbartiklar, dokument och mer. Stöder avancerade alternativ som OCR för bilder, selektiv metadataextraktion och anpassningsbar cache, vilket gör den idealisk för att bygga kunskapsrika AI-flöden och automatiseringar.

Photomatic AI Bildgenerator

Utforska Photomatic AI Bildgenerator-komponenten—förvandla textprompter till högkvalitativa AI-genererade bilder med avancerade modeller, anpassningsbara effekter och stilar. Perfekt för kreativ automatisering och att förbättra visuella arbetsflöden.

Nuvarande Datum-verktyg

Komponenten Nuvarande Datum-verktyg i FlowHunt gör det möjligt för arbetsflöden att hämta aktuellt datum och tid, justerbart för en mängd olika tidszoner. En nödvändighet för att automatisera uppgifter och skapa tidsmedvetna svar – denna komponent gör det enkelt att integrera aktuell tidsinformation i dina flöden.

MCP-klient

Integrera flera verktyg med din AI-agent enkelt med MCP-klientkomponenten. Designad för sömlös anslutning, möjliggör den avancerade arbetsflöden genom att fungera som en brygga mellan din AI och olika externa verktyg, vilket förbättrar automatisering och kapacitet.

Flow-beskrivning

Syfte och fördelar

Låt oss bygga ditt eget AI-team

Vi hjälper företag som ditt att utveckla smarta chatbotar, MCP-servrar, AI-verktyg eller andra typer av AI-automatisering för att ersätta människor i repetitiva uppgifter i din organisation.

Lär dig mer

AI-blogginledningsgenerator & innehållsplanerare
AI-blogginledningsgenerator & innehållsplanerare

AI-blogginledningsgenerator & innehållsplanerare

Förvandla din process för att skapa innehåll med vår AI-drivna blogginledningsgenerator och innehållsplanerare. Med hjälp av realtidsforskning och intelligent i...

2 min läsning
AI Content Writing +4
AI Idégenerator för innehåll
AI Idégenerator för innehåll

AI Idégenerator för innehåll

Generera unika innehållsidéer och sammanfattningar med AI genom att undersöka de bästa Google-resultaten för valfritt nyckelord. Perfekt för innehållsmarknadsfö...

3 min läsning
AI Instagram-arbetsflödesautomatisering
AI Instagram-arbetsflödesautomatisering

AI Instagram-arbetsflödesautomatisering

Automatisera hanteringen av Instagram-innehåll med hjälp av AI. Detta flöde använder en AI-agent för att generera bilder, analysera kontots insikter, skapa foto...

4 min läsning