Stripe-Mahnwesen
Automatisierte Zahlungserinnerungen helfen, fehlgeschlagene Stripe-Zahlungen nachzuholen. Sie berücksichtigen die Kundenhistorie und reichen von freundlichen Erinnerungen bis zu Hinweisen auf eine Leistungspause.
connic init my-project --templates=stripe-dunningÜberblick
Die Vorlage verarbeitet Stripe-Webhook-Events zu fehlgeschlagenen Zahlungen und Änderungen an Abonnements. Der Payment Analyzer ruft die Kundenhistorie aus der Datenbank ab, bestimmt die passende Mahnstufe und startet über trigger_agent den Recovery Composer. Middleware filtert irrelevante Stripe-Events mit StopProcessing und übernimmt Kundenmetadaten in den Context. Das mehrstufige Mahnwesen reicht von freundlichen Erinnerungen bis zu Benachrichtigungen über eine Leistungspause.
Use Cases
Ausstehende Zahlungen einziehen
Bei fehlgeschlagenen Abonnementzahlungen werden automatisch zunehmend dringliche, auf die jeweilige Mahnstufe zugeschnittene E-Mails versendet.
Abonnement-Lebenszyklus
Statusänderungen eines Abonnements wie past_due oder cancelled lösen die passende Kundenkommunikation aus.
Rückgewinnungskampagnen
Kündigungen lösen personalisierte Rückgewinnungs-E-Mails aus, die auf die bisherige Nutzung des Kunden zugeschnitten sind.
Architektur
Erzeugte Projektstruktur
Der Befehl connic init my-project --templates=stripe-dunning erzeugt diesen Dateibaum.
stripe-dunning/
agents/
payment-analyzer.yaml
recovery-composer.yaml
dunning-pipeline.yaml
tools/
payment_tools.py
middleware/
payment-analyzer.py
schemas/
payment-analysis.json
recovery-email.json
requirements.txt
README.mdLoslegen
Installiere das Template, erstelle ein Connic-Projekt und starte das Deployment. Mit Git startet jeder Push automatisch ein Deployment; die CLI funktioniert unabhängig vom Git-Anbieter.
Voraussetzungen
- Python 3.10+
- Ein Connic-Konto mit einem angelegten Projekt
- Projektguthaben für ein connic/* KI-Modell oder Zugangsdaten für einen BYOK Provider
Installieren und Projekt anlegen
Installiere das SDK und erstelle aus diesem Template ein Projekt.
pip install connic-composer-sdk
connic init my-project --templates=stripe-dunningDanach cd my-project
Bereitstellen
Als Deployment-Methode stehen Git und CLI zur Auswahl. Bei Git startet jeder Push automatisch ein Deployment; die CLI funktioniert mit GitLab, Bitbucket oder ganz ohne Git.
Git-Integration
- Verbinde in Connic unter Projekt Settings → Git & Environments das GitHub-Repository
- Ordne auf derselben Seite den Branch (z. B. main) der Produktivumgebung zu
- Pushe das erzeugte Projekt in dieses Repository
git add .
git commit -m "Stripe-Mahnwesen Template hinzufügen"
git push origin mainCLI Deployment
- Erstelle in Connic unter Projekt Settings → API Keys & MCP Auth einen API Key und kopiere die Projekt-ID
- Führe im Projektverzeichnis connic login aus
- Teste mit connic dev und Hot Reload, führe mit connic test Testsuiten aus oder starte mit connic deploy das Deployment für den Produktivbetrieb
connic login
connic dev # Temporäre Entwicklungsumgebung mit Hot Reload
connic test # Deklarative Test Suites ausführen
connic deploy # In den Produktivbetrieb deployenVerbinden und konfigurieren
Füge eine Stripe-Verbindung hinzu, kopiere die Webhook-URL in das Stripe Dashboard und trage anschließend das Signing Secret ein. Ergänze für die Mahn-E-Mails eine ausgehende E-Mail-Verbindung. Ein connic/* KI-Modell nutzen oder BYOK-Zugangsdaten unter Projekt Settings → LLM Provider hinterlegen.
Template-Quelle
Das vollständige Template lässt sich einsehen, verbessern oder für einen anderen Einsatz forken.
connic-org/connic-awesome-agents/tree/main/stripe-dunningInformationen
- Publisher
- Von Connic
- Kategorie
- Agent Templates
- Schwierigkeitsgrad
- Fortgeschritten
- Funktioniert mit
- Stripe, E-Mail
- Quelle
- GitHub
Weitere Agent Templates
Marketplace durchsuchenE-Mail-Helpdesk
Der E-Mail-Helpdesk fragt Postfächer per IMAP ab, filtert automatische Antworten und klassifiziert Nachrichten nach Anliegen. Kontextbezogene Antwortentwürfe stammen aus dem konfigurierten Retrieval.
Kafka-Betrugserkennung
Transaktionen in Kafka Streams werden in Echtzeit auf Betrugsrisiken bewertet. Die Bewertung berücksichtigt die Häufigkeit von Transaktionen, geografische Anomalien und kundenspezifische Muster.
Compliance-Auditor
Zeitgesteuerte Compliance-Prüfungen werten regulatorische Neuerungen aus der Websuche, per MCP abrufbare Dokumentation und frühere Prüfergebnisse aus dem Retrieval aus. Daraus entstehen Zusammenfassungen mit einer Bewertung.
Persönlicher Telegram-Assistent
Der multimodale Telegram-Assistent verarbeitet Text, Bilder, Sprache, Video und Dokumente. Er durchsucht das Web, speichert Notizen und Wissen und plant Erinnerungen mit persistenten Sessions.
S3-Dokumenten-Pipeline
Nach einem Upload in S3 liest die Pipeline den Inhalt des Dokuments aus, klassifiziert es und leitet es weiter. Sie unterstützt PDFs, Bilder und Textdateien sowie Retries bei Fehlern.
SQS-Bestellverarbeitung
Bestellungen aus SQS-Queues werden mit Betrugserkennung, Bestandsprüfung und Concurrency-Keys validiert und abgewickelt. Ergebnisse werden in einer ausgehenden Queue veröffentlicht.