Opérations revenus
Des prospects entrants notés et routés en quelques secondes, le pipeline balayé chaque nuit, et une page de revenus qui se reconstruit elle-même avant la réunion du lundi.

Éclatement · branchement et jointure · planifié
Chaque prospect est noté sur son propre événement, si bien qu’un lot de douze est douze tâches indépendantes que le moteur rassemble en une seule réponse. Au-dessus du seuil, le prospect va vers un AE avec un SLA de quinze minutes ; en dessous, vers le marketing de cycle de vie. Les deux chemins écrivent un enregistrement.
Le balayage nocturne pose trois questions au pipeline à la fois — non touché, sans étape suivante, au-delà de sa date de clôture — et fusionne les trois réponses avec une jointure « tous », qui se déclenche une fois quel que soit l’endroit où les branches ont atterri.
Comment les graphes fonctionnent
Un événement par prospect
Noter, router, enregistrer, rassembler — rien de tout cela dans une boucle que vous avez écrite.
Trois filtres s’exécutant simultanément
Fusionnés par une jointure dont l’état vit dans la base de données.
Une revue du lundi matin
Elle publie quatre panneaux et un commentaire rédigé.
Un nœud de commentaire avec une branche d’erreur
La page est construite même lorsque le modèle n’est pas joignable.
Sur le canevas
flow:forEach · flow:collect · flow:merge · views:* · ai:prompt
Il est livré avec le produit
Ce projet est livré avec DjiniousWorkflow. Une commande l’initialise, une autre exécute chaque graphe qu’il contient, et les captures ici proviennent de ces exécutions.
Là où un graphe s’appuie sur une fixture plutôt que sur un système en direct, il lit la fixture là où votre déploiement lirait une base de données — remplacez le nœud en tête et le reste du graphe ne change pas. Le travail du moteur — l’éclatement, le rassemblement, l’approbation, la publication — est celui du produit lui-même.
Continuer à explorer



