Extrakce dat z e-mailů a souborů do CSV

Tento workflow je navržen pro automatizaci extrakce, strukturování a správy dat z e-mailů a souvisejících dokumentů, jako jsou přílohy a URL odkazy. Využívá pokročilé jazykové modely a prompt engineering ke zpracování nestrukturovaných informací a vytváření strukturovaných souhrnů, což je zvláště užitečné pro úkoly, jako je třídění e-mailů, zákaznická podpora nebo hromadná extrakce dat z komunikačních kanálů.

Přehled

Workflow propojuje několik komponent, které zajišťují práci s uživatelským vstupem, získávání obsahu ze souborů a URL, sestavování promptů, zpracování pomocí velkých jazykových modelů (LLM), agentní logiku a výstup strukturovaných dat. Klíčovými výhodami jsou škálovatelnost, automatizace a schopnost zvládat komplexní nebo objemné extrakce dat s minimální ruční intervencí.

Postup krok za krokem

1. Uživatelský vstup a přílohy

• Chat Input: Workflow začíná přijetím uživatelského vstupu (e-mail nebo zpráva) a případných příloh prostřednictvím chat rozhraní.
• File Retriever: Jakékoli přiložené soubory jsou zpracovány za účelem extrakce textového obsahu, včetně použití OCR (je-li potřeba) a s ohledem na limity tokenů pro efektivitu.

2. Rozšíření kontextu

• URL Retriever: Workflow může také získávat obsah ze zadaných URL, analyzovat a rozdělovat informace pro další využití. To je užitečné, když e-maily odkazují na externí zdroje nebo znalostní báze.

• Chat History: Systém uchovává paměť posledních 5 chatových zpráv (až 800 tokenů), což poskytuje kontext pro lepší porozumění a návaznost.

3. Prompt Engineering

• Prompt Templates: Workflow používá šablony pro dynamickou stavbu promptů pro LLM a agenta, do kterých zahrnuje:

  • Obsah e-mailu/zprávy
  • Extrahovaný obsah souborů
  • Historii chatu pro kontext
  • Systémové instrukce

  Tyto prompty jsou navrženy tak, aby maximalizovaly schopnost LLM porozumět a strukturovat příchozí informace.

4. Orchestrace LLM a agenta

• Google Gemini LLM: Workflow využívá Gemini 2.5 Flash pro kvalitní porozumění jazyku a generování textu, s nastavením teploty na 0 pro deterministické výstupy.

• Tool Calling Agent: Pokročilý agent přijímá sestavený prompt, historii chatu a nástroje (např. retrievery souborů/URL) za účelem:

  • Revize a organizace dat z e-mailů
  • Extrakce a strukturování relevantních informací
  • Poskytnutí komplexního přehledu na základě e-mailů a příloh
  • Využití externích znalostí pomocí nástrojů podle potřeby

  Agent je veden systémovou zprávou k efektivitě a strukturování dat.

5. Strukturování a výstup

• Structured Output Generator: Odpověď agenta a další kontext jsou předány dalšímu promptu a LLM (také Gemini), aby byl vytvořen strukturovaný výstup. Požadovaná pole jsou:

  • User Name: Jméno uživatele
  • Email: E-mailová adresa pacienta
  • Message: Zpráva uvedená v e-mailu

• CSV Output: Strukturovaná data jsou poté exportována do CSV souboru, což umožňuje jejich snadné zpracování, analýzu či import do jiných systémů.

6. Zpětná vazba uživateli

• Chat Output: Workflow zároveň poskytuje agentův přehled a odpovědi jako chatovou reakci, takže uživatel získává okamžitou zpětnou vazbu.

Přehledová tabulka komponent

Využití a přínosy

• Škálovatelnost: Automatizuje opakující se extrakci a strukturování dat z e-mailů a dokumentů, snižuje ruční práci.
• Konzistence: Využívá LLM a šablony promptů pro jednotné zpracování velkého objemu dat.
• Rozšiřitelnost: Snadno se přizpůsobí novým typům vstupů (soubory, URL) i výstupním formátům (strukturované objekty, CSV).
• Automatizace: Vhodné pro zákaznickou podporu, zpracování zdravotnické dokumentace nebo jakýkoli workflow, kde je potřeba strukturovaných dat z nestrukturovaných zdrojů.

Proč je tento workflow užitečný

Tento workflow dramaticky snižuje čas a úsilí potřebné k získání akčních, strukturovaných dat z e-mailů a jejich příloh. Je vysoce škálovatelný – zvládne hromadné zpracování mnoha zpráv a typů souborů – a automatizuje proces, který by jinak vyžadoval značné lidské úsilí. Díky integraci pokročilých LLM, agentů a prompt engineeringu zajišťuje vysokou přesnost i adaptabilitu, což z něj činí silný nástroj pro firmy a organizace, které chtějí zefektivnit své zpracování informací.