Jitterbit Knowledge Agent

Übersicht

Jitterbit stellt den Knowledge Agent Kunden über den Jitterbit Marketplace zur Verfügung. Dieser Agent soll es dem internen Team deiner Organisation ermöglichen, intelligente Antworten aus den internen Daten deiner Organisation zu erhalten. Der Agent nutzt die Retrieval-Augmented Generation (RAG)-Technik, die LLM-Reasoning mit Zugriff auf externe Tools und Datenquellen kombiniert. Er führt folgende Aufgaben durch:

• Verbindet sich mit den folgenden Quellen und ruft Informationen ab, indem Jitterbit Studio verwendet wird:

  • Atlassian Confluence-Seiten
  • Atlassian Jira-Probleme
  • Google Drive-Dokumente
  • Salesforce-Supportfälle (aus dem Case-Objekt)

• Integriert sich mit einem LLM, um einen intelligenten KI-Chatbot mit Daten aus den oben genannten Quellen zu betreiben, auf die über eine benutzerdefinierte API zugegriffen wird, die mit Jitterbit API Manager erstellt wurde.

Dieses Dokument erklärt, wie man diesen KI-Agent einrichtet und betreibt. Es behandelt Architektur und Voraussetzungen, Beispiel-Prompts, die zeigen, was der Agent kann, und Schritte zur Installation, Konfiguration und zum Betrieb des KI-Agenten.

KI-Agent-Architektur

Das folgende Diagramm zeigt die im Knowledge Agent implementierte Architektur:

Agenten-Datenfluss

Workflows für initiales Laden und Datenverwaltung

Voraussetzungen

Um den Knowledge Agent zu verwenden, sind die folgenden Komponenten erforderlich oder werden beim Design des Agenten vorausgesetzt.

Harmony-Komponenten

Du musst über eine Jitterbit Harmony-Lizenz mit Zugriff auf die folgenden Komponenten verfügen:

• Jitterbit Studio
• Jitterbit API Manager
• Jitterbit Knowledge Agent, erworben als Lizenz-Add-on

Unterstützte Endpunkte

Die folgenden Endpunkte sind in das Design des Agenten integriert.

Large Language Model (LLM)

Der KI-Agent verwendet Azure OpenAI als LLM-Anbieter. Um Azure OpenAI zu verwenden, musst du über ein Microsoft Azure-Abonnement mit Berechtigungen verfügen, um die folgenden Ressourcen zu erstellen und zu verwalten:

• Azure OpenAI-Ressource mit einem bereitgestellten gpt-4o- oder gpt-4.1-Modell.
• Azure Storage mit einem Blob-Container zum Speichern abgerufener Daten.
• Azure AI Search mit einem Suchdienst, der mit einem Index und Indexer konfiguriert werden kann.

Wissensdatenbank

Du kannst einen oder alle dieser Endpunkte als Wissensdatenbank für diesen KI-Agent verwenden:

• Atlassian Confluence: Die Quelle von Confluence-Seiten.
• Atlassian Jira: Die Quelle von Jira-Problemen.
• Google Drive: Die Quelle von Dateien, die auf einem gemeinsamen Google Drive gespeichert sind.
• Salesforce: Die Quelle deiner Kundenunterstützungsfälle aus dem Case-Objekt.

Chat-Schnittstelle

Das Design des Agenten integriert Slack als Chat-Schnittstelle für die Interaktion mit dem KI-Agent. Wenn du eine andere Anwendung als Chat-Schnittstelle verwenden möchtest, sind ein separater Workflow und Anweisungen für ein generisches API-Setup in diesem KI-Agent enthalten.

Beispiel-Prompts

Hier sind Beispiel-Prompts, die der Knowledge Agent mit Zugriff auf die entsprechenden Daten verarbeiten kann. Der Agent kann Informationen über einen oder alle verbundenen Endpunkte hinweg finden.

• „Ich habe ein Problem mit der Komponente ‚ABC'. Kannst du mir dabei helfen?"
• „Wie kann ich mich mit einer MySQL-Datenbank über JDBC verbinden?"
• „Kannst du mir Details zum Jira-Ticket Nummer 123 geben?"
• „Gibt es Jira-Tickets zum SQL-Connector?"
• „Welche Sicherheitsrichtlinie gibt es für die Installation von Software auf meinem Arbeitscomputer?" (Es könnte ein Dokument auf Google Drive oder eine Confluence-Seite zu diesem Thema geben.)

Installation, Konfiguration und Betrieb

Führen Sie diese Schritte aus, um diesen KI-Agent zu installieren, zu konfigurieren und zu betreiben:

1. Anpassungen herunterladen und das Studio-Projekt installieren.
2. Projekt-Workflows überprüfen.
3. Microsoft Azure-Ressourcen erstellen.
4. Slack-App erstellen.
5. Google-Dienstkonto und freigegebenes Laufwerk einrichten.
6. Projektvariablen konfigurieren.
7. Verbindungen testen.
8. Projekt bereitstellen.
9. Benutzerdefinierte Jitterbit-API erstellen.
10. Projekt-Workflows überprüfen.
11. Projekt-Workflows auslösen.
12. Fehlerbehebung.

Anpassungen herunterladen und das Projekt installieren

Führen Sie diese Schritte aus, um Anpassungsdateien herunterzuladen und das Studio-Projekt zu installieren:

1. Melden Sie sich beim Harmony-Portal unter https://login.jitterbit.com an und öffnen Sie Marketplace.

2. Suchen Sie den KI-Agent namens Jitterbit Knowledge Agent. Sie können die Suchleiste verwenden oder im Filter-Bereich unter Typ die Option KI-Agent auswählen, um die Anzeige auf die verfügbaren KI-Agenten zu beschränken.

3. Klicken Sie auf den Dokumentations-Link des KI-Agenten, um seine Dokumentation in einem separaten Tab zu öffnen. Halten Sie den Tab offen, um später darauf zu verweisen.

4. Klicken Sie auf Projekt starten, um ein zweistufiges Konfigurationsdialogfeld zu öffnen, um Anpassungen herunterzuladen und den KI-Agent als Studio-Projekt zu importieren.

   Hinweis

   Wenn Sie den KI-Agent noch nicht erworben haben, wird stattdessen Agent abrufen angezeigt. Klicken Sie darauf, um ein Informationsdialogfeld zu öffnen, und klicken Sie dann auf Absenden, um einen Vertreter zu veranlassen, Sie zum Kauf des KI-Agenten zu kontaktieren.

5. In Konfigurationsschritt 1, Anpassungen herunterladen, werden die folgenden Dateien bereitgestellt, um die Einrichtung des Index und des Indexers in Azure AI Search sowie die Erstellung der Slack-App zu erleichtern. Wählen Sie die Dateien aus und klicken Sie auf Dateien herunterladen:

   • Azure AI Search-Index- und Indexer-JSON-Definitionsdateien

     • Azure_AI_Search_Datasource_Definition.json
     • Azure_AI_Search_Index_Definition.json
     • Azure_AI_Search_Indexer_Definition.json

   • Slack-App-Manifestdatei

     • slack_app_manifest.json

   Tipp

   Das Konfigurationsdialogfeld enthält eine Warnung, die Vorlage nicht zu importieren, bevor Endpunkt-Anpassungen angewendet werden. Diese Warnung gilt nicht für diesen KI-Agent und kann ignoriert werden. Befolgen Sie die empfohlene Reihenfolge der Schritte in dieser Dokumentation.

   Klicken Sie auf Weiter.

6. In Konfigurationsschritt 2, Neues Projekt erstellen, wählen Sie eine Umgebung aus, in der Sie das Studio-Projekt erstellen möchten, und klicken Sie auf Projekt erstellen.

7. Ein Fortschrittsdialogfeld wird angezeigt. Nachdem angezeigt wird, dass das Projekt erstellt wurde, verwenden Sie den Dialog-Link Zu Studio wechseln oder öffnen Sie das Projekt direkt von der Studio-Seite Projekte.

Microsoft Azure-Ressourcen erstellen

Erstellen Sie die folgenden Microsoft Azure-Ressourcen und behalten Sie die folgenden Informationen zur Konfiguration des KI-Agenten. Um diese Ressourcen zu erstellen und zu verwalten, benötigen Sie ein Microsoft Azure-Abonnement mit den entsprechenden Berechtigungen.

Azure Blob-Container

Sie müssen einen Azure Blob-Container erstellen, um Kundendetails zu speichern. Daten aus dem Blob-Container werden in Azure AI Search mithilfe eines Index und eines Indexers indiziert.

Sie benötigen die SAS-URL des Containers, um die Werte der Azure Blob Storage-Projektvariablen zu bestimmen. So generieren Sie die SAS-URL:

1. Navigieren Sie im Azure-Portal zu Speicherkonten und öffnen Sie das spezifische Speicherkonto.
2. Wählen Sie im Ressourcenmenü unter Datenspeicher die Option Container aus und öffnen Sie den spezifischen Container.
3. Wählen Sie im Ressourcenmenü unter Einstellungen die Option Shared Access Tokens aus.
4. Verwenden Sie das Menü Berechtigungen, um zu überprüfen, dass die Shared Access Signature (SAS)-URL für diesen Container mindestens die Berechtigungen Lesen und Schreiben hat:

1. Klicken Sie auf SAS-Token und URL generieren.
2. Kopieren Sie die Blob-SAS-URL, die unten angezeigt wird.
3. Bestimmen Sie die Werte der Azure Blob Storage-Projektvariablen aus der SAS-URL. Die SAS-URL hat das Format {{ azure_blob_base_url }}/{{ Azure_Blob_Container_Name }}?{{ azure_blob_sas_token }}.

Wenn Sie die JSON-Definitionsdateien aus den Anpassungsdateien des KI-Agenten verwenden, um den Index und Indexer zu generieren, benötigen Sie auch den Azure Blob Storage-Kontoschlüssel. Um Kontozugriffschlüssel anzuzeigen:

1. Navigieren Sie im Azure-Portal zu Speicherkonten und öffnen Sie das spezifische Speicherkonto.
2. Wählen Sie im Ressourcenmenü unter Sicherheit + Netzwerk die Option Zugriffschlüssel aus.

3. Klicken Sie auf Schlüssel anzeigen, um den Zugriffschlüssel anzuzeigen, den Sie während der Konfiguration von Azure AI Search verwenden.

   

Azure AI Search-Dienst

Sie müssen einen Azure AI Search-Dienst erstellen und seinen Index sowie Indexer konfigurieren, um die Daten aus dem Blob-Container zu verarbeiten.

Sie benötigen die URL und den API-Schlüssel des Azure AI Search-Diensts, um die Werte der Azure AI Search-Projektvariablen zu bestimmen:

• URL: Um den Wert für azure_ai_search_url zu erhalten, lesen Sie die Azure-Dokumentation Dienstinformationen abrufen.
• API-Schlüssel: Um den Wert für azure_ai_search_api_key zu erhalten, lesen Sie die Azure-Dokumentation Rollenbasierte Zugriffskontrolle konfigurieren.

Sie können die JSON-Definitionsdateien aus den Anpassungsdateien des KI-Agenten verwenden, um den Index und Indexer zu generieren, oder Sie erstellen diese selbst.

Wenn Sie die bereitgestellten Definitionsdateien verwenden, müssen Sie die folgenden Platzhalter durch Ihre eigenen Konfigurationswerte ersetzen:

Azure_AI_Search_Indexer_Definition.json

Azure_AI_Search_Datasource_Definition.json

Azure OpenAI-Ressource

Sie müssen eine Azure OpenAI-Ressource erstellen und ein gpt-4o- oder gpt-4.1-Modell über das Azure AI Foundry-Portal bereitstellen.

Sie benötigen den Bereitstellungsnamen, die Azure OpenAI-Endpunkt-URL und den API-Schlüssel, um die Werte der Azure OpenAI-Projektvariablen zu bestimmen. Um diese Werte zu finden:

1. Öffnen Sie im Azure AI Foundry-Portal die spezifische OpenAI-Ressource.

2. Die Werte für die Endpunkt-URL (azure_openai_base_url) und den API-Schlüssel (azure_openai_api_key) werden auf der Landingpage der Ressource angezeigt:

   

3. Wählen Sie im Navigationsmenü unter Gemeinsame Ressourcen die Option Bereitstellungen aus. Der Name der Bereitstellung (Azure_OpenAI_Deployment_Name) wird angezeigt.

Slack-App erstellen

Führen Sie diese Schritte aus, um die Knowledge Agent-Chatschnittstelle in Slack zu erstellen:

1. Erstellen Sie eine Slack-App mit der Slack-App-Manifestdatei (slack_app_manifest.json), die mit den Anpassungsdateien dieses KI-Agenten bereitgestellt wird. Alternativ können Sie die App von Grund auf neu erstellen.

2. Wenn Sie die bereitgestellte Manifestdatei verwenden, ersetzen Sie die folgenden Platzhalter durch Ihre eigenen Konfigurationswerte:

   Platzhalter	Beschreibung
   {{Replace with Slack bot name}}	Der Name, den Ihr Slack-Bot haben soll, wie er den Benutzern angezeigt wird. Ersetzen Sie diesen Wert an zwei Stellen im Manifest.
   {{Replace with Jitterbit API URL}}	Die Service-URL der benutzerdefinierten Jitterbit-API, die Sie unter Benutzerdefinierte Jitterbit-API erstellen erstellt haben.

3. Installieren Sie die App in Ihrem Slack-Arbeitsbereich.

4. Rufen Sie das Bot-Token ab (für das Feld Bot User OAuth Token der Slack-Verbindung) und geben Sie seinen Wert für die Projektvariable slack_bot_oauth_user_token ein.

5. Konfigurieren Sie die Projektvariable slack_channel_name mit dem Kanal, an den Benachrichtigungen gesendet werden sollen.

6. Geben Sie den Bot-Token-Wert für die Projektvariable slack_bot_oauth_user_token und den Kanalnamen für die Projektvariable slack_channel_name ein. Diese werden Sie im nächsten Schritt konfigurieren.

Google-Dienstkonto und freigegebenes Laufwerk einrichten

Dieses Setup ist nur erforderlich, wenn Sie den Workflow Data upload Utility - Google Drive to Azure Blob verwenden. Sie müssen über ein aktives Google Cloud-Projekt verfügen, um fortzufahren. Wenn Sie noch kein Projekt haben, können Sie eines erstellen, indem Sie Googles Anleitung befolgen.

Google-Dienstkonto erstellen

Führen Sie die folgenden Schritte aus, um einen Schlüssel für das Google-Dienstkonto zu erstellen, damit das Dienstprogramm sicher auf Ihre Google Drive-Dateien zugreifen kann:

1. Verwenden Sie in der Google Cloud-Konsole die Suchleiste, um die Seite Dienstkonten zu finden und zu öffnen.

2. Wenn Sie bereits über ein Dienstkonto verfügen, das Sie verwenden möchten, fahren Sie mit Schritt 3 fort. Klicken Sie andernfalls auf Dienstkonto erstellen, geben Sie einen Namen ein und klicken Sie auf Fertig. Es sind keine zusätzlichen Berechtigungen oder Zugriffe erforderlich.

   

3. Wählen Sie das Dienstkonto aus, um seine Dienstkonto-Details zu öffnen:

   

4. Navigieren Sie zur Registerkarte Schlüssel und verwenden Sie das Menü Schlüssel hinzufügen, um Neuen Schlüssel erstellen auszuwählen.

   

5. Wählen Sie JSON als Schlüsseltyp aus und klicken Sie auf Erstellen. Eine JSON-Datei mit den Anmeldedaten wird auf Ihren Computer heruntergeladen.

6. Öffnen Sie die heruntergeladene JSON-Datei, um die folgenden Werte zu finden, die zum Konfigurieren der Google Drive-Projektvariablen erforderlich sind:

   • client_email: Dies ist der Wert für die Projektvariable Google_Client_Email und wird benötigt, um das freigegebene Google Drive-Laufwerk im nächsten Abschnitt zu konfigurieren.
   • private_key: Dies ist der Wert für die Projektvariable Google_Private_Key.

7. Aktivieren Sie die Google Drive API in Ihrem Google Cloud-Konto:

   1. Verwenden Sie in der Google Cloud-Konsole die Suchleiste, um die Seite APIs & Services zu finden und zu öffnen.

   2. Öffnen Sie die API Library und wählen Sie die Google Drive API aus:

      

   3. Klicken Sie auf die Schaltfläche Enable:

      

Konfigurieren Sie das Google Shared Drive

Das Google Shared Drive sollte wie folgt konfiguriert werden, um dem Utility Zugriff auf alle Dateien zu ermöglichen, die Sie hochladen:

1. Erstellen Sie ein Google Shared Drive, falls Sie noch keines haben.

2. Öffnen Sie das Shared Drive und kopieren Sie seine ID aus der Browser-URL. Die ID ist die lange Zeichenkette am Ende. Wenn die URL beispielsweise https://drive.google.com/drive/folders/dftg-LbGrP7hdfd lautet, ist die ID dftg-LbGrP7hdfd. Diese ID ist der Wert für die Projektvariable Google_Drive_ID beim Konfigurieren von Google Drive-Projektvariablen.

3. Klicken Sie oben auf der Seite auf den Namen des Shared Drive und wählen Sie Manage members aus. Ein Dialog wird angezeigt.

4. Fügen Sie im Feld Add people and groups den Wert von client_email aus der JSON-Datei ein, die Sie zuvor heruntergeladen haben.

5. Weisen Sie dem Service Account die Rolle Content manager zu und bestätigen Sie die Aktion.

Konfigurieren Sie Projektvariablen

Im Studio-Projekt, das Sie zuvor über Marketplace installiert haben, müssen Sie Werte für die folgenden Projektvariablen festlegen.

Dies kann über das Menü des Projekts erfolgen, indem Sie Project Variables auswählen, um eine Schublade am unteren Rand der Seite zu öffnen, in der Sie die Werte überprüfen und festlegen können.

Salesforce

Jira

Confluence

Google Drive

Azure Blob Storage

Azure AI Search

Azure OpenAI

Slack

Allgemein

Verbindungen testen

Testen Sie die Endpunktkonfigurationen, um die Konnektivität mit den definierten Projektvariablenwerten zu überprüfen.

Um Verbindungen zu testen, navigieren Sie zur Registerkarte Projektendpunkte und Konnektoren in der Designkomponentenpalette, fahren Sie mit der Maus über jeden Endpunkt und klicken Sie auf Testen.

Projekt bereitstellen

Stellen Sie das Studio-Projekt bereit.

Um das Projekt bereitzustellen, verwenden Sie das Menü Aktionen des Projekts und wählen Sie Bereitstellen.

Projekt bereitstellen

Stellen Sie das Studio-Projekt bereit. Dies kann über das Menü Aktionen des Projekts erfolgen, indem Sie Bereitstellen auswählen.

Erstelle die benutzerdefinierte Jitterbit-API

Erstelle eine benutzerdefinierte API mit dem API Manager für eines der folgenden Elemente:

• Slack-Bot-API-Request-Handler: Erforderlich, wenn die im Design dieses KI-Agenten enthaltene Slack-Benachrichtigung verwendet wird.
• Generischer API-Request-Handler: Optional. Verwende diesen für die Verarbeitung von API-Anfragen aus beliebigen Anwendungen.

Erstelle den Slack-Bot-API-Request-Handler

Diese benutzerdefinierte Jitterbit-API löst die Operation Slack Bot API Request Handler aus. Konfiguriere und veröffentliche die benutzerdefinierte API mit den folgenden Einstellungen:

• API Service: Slack Bot API Request Handler
• Path: /
• Project: Wähle das Studio-Projekt aus, das aus dem Jitterbit Knowledge Agent im Marketplace erstellt wurde
• Operation to Trigger: Slack Bot API Request Handler
• Method: POST
• Response Type: System Variable

Behalte die Service-URL der veröffentlichten API für die Erstellung der Slack-App. Die Service-URL findest du in der API-Details-Schublade auf der Registerkarte Services, indem du über die Spalte Actions des Service fährst und Copy API service URL klickst.

Generischer API-Request-Handler

Diese benutzerdefinierte Jitterbit-API löst die Operation Generic API request Handler aus. Dies ist nicht erforderlich. Erstelle diese API, wenn du andere Anwendungen zur Verarbeitung von HTTP-API-Anfragen verwendest. Konfiguriere und veröffentliche die benutzerdefinierte API mit den folgenden Einstellungen:

• Service name: Generic API request Handler
• Project: Wähle das Studio-Projekt aus, das aus dem Jitterbit Knowledge Agent im Marketplace erstellt wurde
• Operation: Generic API request Handler
• Method: POST
• Response type: System Variable

{
    "username": "johnr",
    "prompt": "How to connect to mysql using a connector?"
}

{
    "message": "To connect to a MySQL database using the Database connector, follow these steps:   - Use the MySQL JDBC driver that ships with the agent for additional features like manual queries.",
    "references": [],
    "status_code": 200
}

Überprüfe Projekt-Workflows

Überprüfe im offenen Studio-Projekt die Workflows zusammen mit den folgenden Beschreibungen, um zu verstehen, was sie tun.

1. Data upload Utility - JIRA Ticket to Azure Index

   Dieser Workflow ruft Probleme aus Jira ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um Probleme in Azure Blob Storage hochzuladen und sie im Azure AI Search-Index zu indexieren.

   Die erste Operation ist Main - JIRA tickets upload. Die folgenden Felder werden abgerufen:

   "fields": [
       "summary",
       "status",
       "assignee",
       "description",
       "reporter",
       "created",
       "updated",
       "priority",
       "issuetype",
       "components",
       "comment"
    ]
   

   Dieser Workflow kann so konfiguriert werden, dass alle Probleme oder nur neue und aktualisierte Probleme mithilfe der Jira-Projektvariablen abgerufen werden.

2. Data upload Utility - SF Cases to Azure Index

   Dieser Workflow ruft Support-Cases aus Salesforce ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um Cases in Azure Blob Storage hochzuladen und sie im Azure AI Search-Index zu indexieren.

   Die erste Operation ist Main - SF Cases Upload.

   In der Konfiguration der Salesforce Query-Aktivität ruft die folgende Abfrage Support-Case-Informationen nach Agent ab. Wenn deine Salesforce-Organisation diese Objekte und Felder nicht verwendet oder wenn Support-Case-Informationen in verschiedenen Objekten und Feldern gespeichert sind, funktioniert dieser Workflow nicht ordnungsgemäß. Passe die Abfrage in diesem Workflow an dein Salesforce-Organisationsdatenmodell an:

SELECT Account.Name,
           Owner.Email,
           Owner.Name,
           (SELECT CreatedBy.Email,
                   CreatedBy.Name,
                   Id,
                   CommentBody,
                   CreatedDate,
                   LastModifiedDate,
                   LastModifiedBy.Email,
                   LastModifiedBy.Name
            FROM   CaseComments),
           Id,
           CaseNumber,
           CreatedDate,
           Description,
           LastModifiedDate,
           Origin,
           Priority,
           Reason,
           Status,
           Subject,
           Type,
           CreatedBy.Email,
           CreatedBy.Name,
           LastModifiedBy.Email,
           LastModifiedBy.Name
    FROM Case

Dieser Workflow kann so konfiguriert werden, dass alle Fälle oder nur neue und aktualisierte Fälle abgerufen werden, indem die Salesforce-Projektvariablen verwendet werden.

1. Data upload Utility - Confluence Pages to Azure Index

   Dieser Workflow ruft Seiten aus Confluence ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um Dokumente in Azure Blob Storage hochzuladen und sie im Azure AI Search-Index zu indexieren.

   Der erste Vorgang ist Main - Load Confluence Pages.

   Dieser Workflow ruft bei jeder Ausführung alle Confluence-Seiten ab.

2. Data upload Utility - Google Drive to Azure Blob

   Dieser Workflow ruft Dateien aus Google Drive ab und führt dann den Workflow Utility - Azure Data Upload and Index aus, um sie im Azure AI Search-Index zu indexieren.

   Der erste Vorgang ist Main - Google Drive Upload.

   Unterstützte Dateitypen sind Google Docs, Google Spreadsheets und solche, die von der Azure Storage Blob-Indexierung unterstützt werden.

   Die unterstützten maximalen Dateigröße werden als maximale Blob-Größe in den Azure AI Search Indexer-Limits für Ihre AI Search-Servicetier aufgelistet. Beispielsweise beträgt das Limit für die Basic-Tier 16 MB; für S1 beträgt das Limit 128 MB.

   Dieser Workflow kann so konfiguriert werden, dass alle Dateien oder nur neue und aktualisierte Dateien abgerufen werden, indem die Google Drive-Projektvariablen verwendet werden.

3. Utility - Azure Data Upload and Index

   Dies ist ein gemeinsamer Utility-Workflow, der von den Data upload Utility-Workflows verwendet wird, um Daten in Azure Blob Storage hochzuladen und sie in Azure AI Search zu indexieren.

4. Main Entry - Slack API Request Handler

   Dieser Workflow verwaltet eingehende Slack-Bot-Anfragen. Er wird über eine benutzerdefinierte Jitterbit-API ausgelöst, jedes Mal wenn Ihr Team mit der Slack-Bot-Chat-Benutzeroberfläche interagiert (d. h. eine Slack-Nachricht daran sendet). Die Konfiguration der benutzerdefinierten Jitterbit-API wird später auf dieser Seite unter Create the Jitterbit custom API beschrieben.

   Wenn Sie Slack nicht verwenden, kann dieser Workflow ignoriert werden und wird nicht ausgelöst. Um eine andere Chat-Benutzeroberfläche für die Interaktion Ihres Teams zu verwenden, nutzen Sie den Workflow Generic API Request Handler, der ebenfalls über eine benutzerdefinierte Jitterbit-API ausgelöst wird.

5. Generic API Request Handler

   Dieser Workflow verarbeitet HTTP-API-Anfragen von beliebigen Anwendungen. Um eine Integration mit Ihren Anwendungen zu ermöglichen, erstellen Sie eine benutzerdefinierte Jitterbit-API, die den Vorgang Generic API request Handler auslöst. Die URL dieser API kann dann von beliebigen Anwendungen verwendet werden, um Anfragen zu senden und zu empfangen.

   Die Konfiguration der benutzerdefinierten Jitterbit-API wird später auf dieser Seite unter Create the Jitterbit custom API beschrieben.

Trigger für die Projekt-Workflows

Für das initiale Laden von Daten führen Sie einen oder mehrere der Data upload Utility-Workflows je nach Ihren Datenquellen aus. Dies kann mithilfe der Run-Option des initialen Vorgangs erfolgen, die durch Hovern über den Vorgang angezeigt wird. Sie müssen den Vorgang in Zukunft erneut ausführen, wenn Ihre Daten aktualisiert werden.

Die zwei anderen Haupt-Workflows werden durch die benutzerdefinierten Jitterbit-APIs ausgelöst:

• Main Entry - Slack API Request Handler: Dieser Workflow wird von Slack über die benutzerdefinierte API Slack Bot API Request Handler ausgelöst. Das Senden einer direkten Nachricht an die Slack-App initiiert den Trigger der benutzerdefinierten API.

• Generic API Request Handler: Dieser Workflow wird von einer anderen Anwendung über die benutzerdefinierte API Generic API request Handler ausgelöst. Das Senden einer Anfrage an die konfigurierte API initiiert den Trigger der benutzerdefinierten API.

Alle anderen Workflows werden durch andere Operationen ausgelöst und sind nachgelagert zu den oben aufgeführten. Sie sind nicht dazu vorgesehen, eigenständig ausgeführt zu werden.

Fehlerbehebung

Bei Problemen überprüfen Sie die folgenden Protokolle für detaillierte Informationen zur Fehlerbehebung:

• API-Protokolle
• Operationsprotokolle

Für weitere Unterstützung wenden Sie sich an den Jitterbit-Support.