
Flows to potężny silnik automatyzacji typu drag-and-drop do tworzenia przepływów komunikacyjnych. Początkowo pomyśleliśmy o nim jako o rozwiązaniu bez kodu, ale odkryliśmy, że wielu użytkowników może uzyskać naprawdę potężne zachowania, pisząc trochę kodu dla konkretnych przypadków użycia. Te fragmenty kodu mogą znajdować się wewnątrz Flow Builder albo być zewnętrznymi funkcjami w chmurze, takimi jak funkcje AWS Lambda lub Google Cloud Functions.
To jest prosta demonstracja używająca GoogleCloud Functions i Flows do rozpoznawania obrazów na zdjęciu wysłanym na Telegramie.
Flows i Beyond
Jako deweloper Flows często zastanawiam się, kim są nasi użytkownicy, dlaczego korzystają z Flows i czego potrzebują, aby osiągnąć swoje cele; a następnie, które funkcje musimy zaimplementować, aby jak najlepiej służyć tym użytkownikom.
Flows to potężny silnik automatyzacji oparty na przeciąganiu i upuszczaniu, służący do tworzenia przepływów komunikacyjnych. Początkowo pomyślany jako rozwiązanie bez kodu, ale odkryliśmy, że wielu użytkowników może osiągnąć bardzo zaawansowane zachowania, pisząc trochę kodu dla konkretnych przypadków użycia. Na przykład, można tworzyć przepływy, które automatycznie generują leady i zgłoszenia w Salesforce na podstawie interakcji klientów w wielu kanałach. Te fragmenty kodu mogą być wewnątrz Flows lub mogą to być zewnętrzne funkcje chmurowe, takie jak funkcje AWS Lambda lub Google Cloud Functions.
Interesujący przypadek użycia: Rozpoznawanie obrazów
Dla krótkiego i zabawnego przykładu, pokażę, jak zaimplementować aplikację, która rozpoznaje hot dogi. Skonfigurujemy przepływ w Flows, który będzie odbierał obrazy od użytkowników i decydował, czy wysłali hot doga, czy nie.
Dla wielu naszych klientów ten rodzaj rozpoznawania obrazów może być bardzo potężny. Wyobraź sobie, że prowadzisz usługę dostaw i chcesz automatycznie weryfikować udane dostawy. Podobnie jak to, co zamierzam pokazać, możesz używać danych lokalizacyjnych, zdjęć paczek, a nawet podpisów odbiorców, aby stworzyć przepływ weryfikacyjny w Flows.
Plan na sukces
Konfigurowanie Google Cloud Function
Najpierw musimy skonfigurować funkcję chmurową. Aby szybko rozpocząć, stwórz funkcję chmurową korzystając z tego samouczka: https://cloud.google.com/functions/docs/quickstart-console. Jako „Wyzwalacz” wybierz wyzwalacz HTTP, środowisko wykonawcze: Node.js 10, i w polu kod źródłowy wstaw fragment kodu. To prosty kod, który sprawdza, czy żądanie zawiera kod JSON i odpowiada tak lub nie.

Następnie będziesz musiał wdrożyć tę funkcję. Aby przetestować ją w Google Cloud Platform, postępuj według kroków z samouczka.
Aby przetestować z przeglądarki, przejdź do następującego adresu URL, wstawiając konkretny adres swojej funkcji:
https://your-function-address.cloudfunctions.net/HotDogOrNot/?url=hello
powinno zwrócić {“isHotDog”: true}, a adres https://your-function-address.cloudfunctions.net/HotDogOrNot
powinien zwrócić {“isHotDog”: false}.
Świetna robota! Skonfigurowałeś funkcję chmurową Google. Teraz musimy sprawić, by nasza funkcja chmurowa była mądrzejsza.
Konfigurowanie Google Vision API
Aby uczynić ją inteligentniejszą, dodajmy rozpoznawanie obrazów. Do tego celu użyjemy Google Vision API. Aby rozpocząć, wykonaj kroki 1-4 tego samouczka: https://cloud.google.com/vision/docs/quickstart-client-libraries. W samouczku aktywujesz Vision API i tworzysz konto serwisowe, aby z niego korzystać.
Teraz wróć do utworzonej funkcji w chmurze. Przełącz „Zmienne środowiskowe, sieciowe, limity czasu i inne” i w pliku „Konto usługi” wybierz konto VisionAPI, które właśnie utworzyłeś. Teraz możemy uzyskać dostęp do Vision API wewnątrz naszej funkcji.

Teraz zmieńmy kod. W zakładce „Package.json” wstaw ten kod. Doda on bibliotekę Google Vision API jako zależność do twojej funkcji.
W zakładce "Index.js" zaktualizuj istniejący kod za pomocą poniższego fragmentu kodu.

Jaka jest różnica w porównaniu do poprzedniej wersji? Dodaliśmy zapytanie do VisionAPI, które zwraca ‘etykiety’, jakie znalazł na obrazie. Następnie filtrujemy te etykiety według opisu: czy zawiera „hot dog” i czy ma większą niż 60% pewność w tej etykiecie. Jeśli po filtracji pozostanie co najmniej 1 etykieta, oznacza to, że znaleźliśmy hot doga na obrazie.
Aby zrozumieć, jak działa Google VisionAPI i jak wygląda odpowiedź, sprawdź ich dokumentację, https://cloud.google.com/vision/docs
Po tym wdroż nową wersję naszej funkcji. Aby przetestować to z przeglądarki, znajdź dowolny obraz hot doga i zapisz jego URL. Teraz przejdź do adresu URL swojej funkcji (wpisując odpowiedni adres dla swojej funkcji) https://your-function-address.cloudfunctions.net/HotDogOrNot?url=url_to_image
i zamień „url_to_image” na URL znalezionego obrazu. Jeśli zdjęcie zawiera hot doga, strona zwróci {“isHotDog”: true}.
Teraz połączmy tę funkcję z Flow Builder.
Tworzenie flow w Flows
Zaloguj się do Bird Dashboard lub zarejestruj się, aby uzyskać konto, jeśli jeszcze go nie masz.
Jeśli jesteś nowy w Flows i nie masz żadnych skonfigurowanych kanałów, będziesz musiał przejść do strony konfiguracji kanału i wybrać konfigurację kanału Telegram. Dla tego demo wybrałem Telegram, ponieważ jest łatwy i szybki do skonfigurowania.

Teraz masz kanał, którego możemy użyć w Flows. Przejdź do strony Flows, utwórz nowy niestandardowy przepływ i wybierz wyzwalacz kanału „Telegram”.

Zostaniesz przekierowany na stronę przepływu, gdzie powinieneś wybrać swój kanał Telegram jako wyzwalacz, w naszym przypadku to „Hotdog”. Proszę dodać 2 kroki: „Fetch variables” i „Reply to channel message”.
W kroku „Fetch variables” wywołamy naszą funkcję w chmurze i pobierzemy odpowiedź do zmiennej „isHotDog”, która będzie zawierać odpowiedzi „true” lub „false” uzyskane z funkcji GoogleClound. W polu URL wstaw URL do swojej funkcji https://your-function-address.cloudfunctions.net/HotDogOrNot
i wypełnij wszystkie inne pola zgodnie z obrazem „Fetch variable step content”.
A w kroku „Reply to channel message” odpowiemy klientowi wiadomością zawierającą odpowiedź tak lub nie. W tym celu wstaw w polu "Reply with message" następujący tekst „Hotdog na obrazie? {{isHotDog}}".


Jeśli masz jakiekolwiek problemy z tworzeniem przepływu, możesz użyć poniższego fragmentu:

Aby to przetestować, wyślij obraz do swojego bota Telegram.
Jak dotąd wygląda fajnie! Stworzyliśmy małego chat bota, który sprawdza obrazy przesłane przez klientów. Aby uczynić go ładniejszym, dodajmy kilka więcej kroków, jak pokazano poniżej:

Jeśli masz jakiekolwiek problemy z tworzeniem przepływu, możesz użyć poniższego fragmentu:
Wyniki


Chociaż jest to zabawny przykład, wierzymy, że tego typu funkcja może być bardzo przydatna dla naszych użytkowników.
Jeśli chcesz, aby w Flows było więcej takich funkcji wbudowanych, napisz do naszego zespołu wsparcia, aby dać nam znać.