使用 Freshdesk 节点可以自动化 Freshdesk 中的工作流程，并将 Freshdesk 与其他应用程序集成。n8n 内置支持广泛的 Freshdesk 功能，包括创建、更新、删除和获取联系人及工单。

本页面列出了 Freshdesk 节点支持的操作，并提供了更多资源的链接。

凭据

有关设置身份验证的指导，请参阅 Freshdesk 凭据。

操作列表#

• 联系人
  • 创建新联系人
  • 删除联系人
  • 获取联系人
  • 获取所有联系人
  • 更新联系人
• 工单
  • 创建新工单
  • 删除工单
  • 获取工单
  • 获取所有工单
  • 更新工单

模板和示例#

Create ticket on specific customer messages in Telegram

by tanaypant

View template detailsCreate a new Freshdesk ticket

by amudhan

View template detailsAutomate CSAT Surveys with Freshdesk & Store Responses in Google Sheets

by PollupAI

View template detailsBrowse Freshdesk integration templates, or search all templates

使用 Freshservice 节点可以自动化 Freshservice 中的工作，并将 Freshservice 与其他应用程序集成。n8n 内置支持多种 Freshdesk 功能，包括创建、更新、删除和获取代理信息及部门信息。

本页面列出了 Freshservice 节点支持的操作，并提供了更多资源的链接。

凭证

有关设置身份验证的指导，请参阅 Freshservice 凭证。

操作#

• 代理(Agent)
  • 创建代理
  • 删除代理
  • 获取代理信息
  • 获取所有代理
  • 更新代理信息
• 代理组(Agent Group)
  • 创建代理组
  • 删除代理组
  • 获取代理组信息
  • 获取所有代理组
  • 更新代理组信息
• 代理角色(Agent Role)
  • 获取代理角色信息
  • 获取所有代理角色
• 公告(Announcement)
  • 创建公告
  • 删除公告
  • 获取公告信息
  • 获取所有公告
  • 更新公告信息
• 资产类型(Asset Type)
  • 创建资产类型
  • 删除资产类型
  • 获取资产类型信息
  • 获取所有资产类型
  • 更新资产类型
• 变更(Change)
  • 创建变更
  • 删除变更
  • 获取变更信息
  • 获取所有变更
  • 更新变更信息
• 部门(Department)
  • 创建部门
  • 删除部门
  • 获取部门信息
  • 获取所有部门
  • 更新部门信息
• 位置(Location)
  • 创建位置
  • 删除位置
  • 获取位置信息
  • 获取所有位置
  • 更新位置信息
• 问题(Problem)
  • 创建问题
  • 删除问题
  • 获取问题信息
  • 获取所有问题
  • 更新问题信息
• 产品(Product)
  • 创建产品
  • 删除产品
  • 获取产品信息
  • 获取所有产品
  • 更新产品信息
• 发布(Release)
  • 创建发布
  • 删除发布
  • 获取发布信息
  • 获取所有发布
  • 更新发布信息
• 请求者(Requester)
  • 创建请求者
  • 删除请求者
  • 获取请求者信息
  • 获取所有请求者
  • 更新请求者信息
• 请求者组(Requester Group)
  • 创建请求者组
  • 删除请求者组
  • 获取请求者组信息
  • 获取所有请求者组
  • 更新请求者组信息
• 软件(Software)
  • 创建软件应用
  • 删除软件应用
  • 获取软件应用信息
  • 获取所有软件应用
  • 更新软件应用信息
• 工单(Ticket)
  • 创建工单
  • 删除工单
  • 获取工单信息
  • 获取所有工单
  • 更新工单信息

模板与示例#

Browse Freshservice integration templates, or search all templates

《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章，前6章涵盖深度学习基础，包括张量运算、神经网络原理、数据预处理及卷积神经网络等；后5章进阶探讨图像、文本、音频建模技术，并结合Transformer架构解析大语言模型的开发实践。书中通过房价预测、图像分类等案例讲解模型构建方法，每章附有动手练习题，帮助读者巩固实战能力。内容兼顾数学原理与工程实现，适配PyTorch框架最新技术发展趋势。