基于AI的车队检查自动化工作流

## 工作流流程

### 1. 触发检查提交 📩
**节点：Jotform Trigger**
– 当驾驶员通过JotForm提交车辆检查表时触发
– 收集驾驶员姓名、邮箱、车辆信息和检查详情

### 2. 数据解析与标准化 🧾
**节点：Parse Inspection Data (Code)**
– 解析和标准化表单数据字段
– 生成结构化检查记录
– 包含检查ID、日期、车辆详情和状态信息

### 3. 车辆历史检索 📊
**节点：Get Vehicle History (Code)**
– 检索车辆维护历史记录
– 计算维护到期日期
– 包括机油更换、轮胎旋转、刹车检查等
– 检查合规性要求（年检、DOT检查、注册到期）

### 4. AI车队分析 🤖
**节点：AI Fleet Analysis (Agent) + OpenAI Chat Model**
– 使用GPT-4分析车辆检查数据
– 评估整体状况、安全性和合规性
– 识别关键问题和维护需求
– 生成工作单建议

### 5. 数据合并与处理 🔗
**节点：Extract AI Analysis (Set) + Merge Fleet Analysis (Code)**
– 提取AI分析结果
– 合并检查数据和AI洞察
– 确定车辆状态（可行驶、需要关注、停用）

### 6. 智能路由 ⚡
**节点：Critical Issue? (If)**
– 根据AI分析结果路由流程
– 关键问题 → 紧急通知路径
– 常规检查 → 例行报告路径

### 7. 通知系统 📧
**节点：Critical Alert Email + Routine Report Email + Driver Confirmation (Gmail)**
– **紧急警报邮件**：针对需要立即处理的关键问题
– **例行报告邮件**：常规检查结果通知
– **驾驶员确认邮件**：向驾驶员发送检查结果确认

### 8. 数据记录 📊
**节点：Log to Google Sheets**
– 将所有检查记录保存到Google Sheets
– 跟踪维护历史、合规状态和车辆状况

## 技术特点

– **AI驱动决策**：使用GPT-4进行智能车辆状况评估
– **自动化合规检查**：自动验证DOT和年度检查要求
– **智能通知系统**：根据问题严重程度发送不同级别的通知
– **完整数据追踪**：从检查提交到维护完成的完整记录
– **多条件路由**：基于AI分析结果的智能工作流分支