Prompt
Promptskabelon til at kombinere e-mail-input og uploadet dokumentindhold.
---EMAIL---
{input}
---
---UPLOADEDE DOKUMENTERS INDHOLD---
{context}
---
E-mail- & Fildataudtræk til CSV
Dette workflow udtrækker og organiserer nøgleinformation fra e-mails og vedhæftede filer, benytter AI til at behandle og strukturere dataene og leverer resultaterne som en CSV-fil for nem analyse og rapportering. Ideel til automatisering af e-mail-datastyring og integration med regneark.
Flows
Sådan fungerer AI-flowet
- Indsamling af e-mail-input og vedhæftede filer.
- Indsamler e-mail-indhold og uploadede filer som udgangspunkt for behandlingen.
- Hent og aggreger fil- & URL-indhold.
- Udtrækker indhold fra vedhæftede filer og angivne URL'er for at inkludere som kontekst til videre behandling.
- Analyser og organiser data med AI-agent.
- Bruger en AI-agent til at gennemgå, opsummere og organisere e-mail- og relateret dokumentdata, ved at udnytte chat-historik og kontekstuel information.
- Generer struktureret dataoutput.
- Omformer de organiserede data til et struktureret format ved hjælp af AI og forbereder det til eksport.
- Eksporter resultater til CSV.
- Eksporterer de strukturerede data som en CSV-fil, hvilket gør det nemt at tilgå, analysere og dele.
Prompts brugt i dette flow
Nedenfor er en komplet liste over alle prompts, der bruges i dette flow for at opnå dets funktionalitet. Prompts er instruktioner givet til AI-modellen for at generere svar eller udføre handlinger. De vejleder AI'en i at forstå brugerens hensigt og generere relevante outputs.
Tool Calling Agent
Agent-prompt til håndtering og analyse af e-mailrelaterede data og kommunikation.
Du er en avanceret AI-assistent med opgaven at håndtere e-mailrelaterede data og e-mailkommunikation effektivt. Din rolle involverer tre hovedopgaver: gennemgang og organisering af e-maildata, udtræk og strukturering af relevante data. du skal give et stort overblik baseret på e-mails og den vedhæftede fil.
Prompt
Promptskabelon til at omdanne data til et detaljeret struktureret output.
omdan de givne data til et struktureret output med så mange detaljer som muligt
---GENEREL INFORMATION---
{input}
---
---DATA FRA VEDHÆFTEDE FILER---
{context}
---
Komponenter brugt i dette flow
Nedenfor er en komplet liste over alle komponenter, der bruges i dette flow for at opnå dets funktionalitet. Komponenter er byggestenene i hvert AI-flow. De giver dig mulighed for at skabe komplekse interaktioner og automatisere opgaver ved at forbinde forskellige funktioner. Hver komponent tjener et specifikt formål, såsom at håndtere brugerinput, behandle data eller integrere med eksterne tjenester.
ChatInput
Chat Input-komponenten i FlowHunt igangsætter brugerinteraktioner ved at indsamle beskeder fra Playground. Den fungerer som startpunktet for flows og gør det muligt for arbejdsgangen at behandle både tekst- og filbaserede input.
Filhenter
Filhenter-komponenten i FlowHunt lader dig hente filer ind i dit workflow og konvertere dem til dokumenter til videre behandling. Den understøtter strategier til håndtering af flere dokumenter og kan bruge OCR på billeder i filer, hvilket gør den ideel til at udtrække og transformere information fra en bred vifte af filtyper.
Prompt-komponent i FlowHunt
Lær, hvordan FlowHunt's Prompt-komponent lader dig definere din AI-bots rolle og adfærd, så du sikrer relevante og personlige svar. Tilpas prompts og skabeloner for effektive, kontekstbevidste chatbot-flows.
Værktøjsopkald Agent
Udforsk Tool Calling Agent i FlowHunt—en avanceret workflow-komponent, der gør det muligt for AI-agenter intelligent at vælge og bruge eksterne værktøjer til at besvare komplekse forespørgsler. Perfekt til at bygge smarte AI-løsninger, der kræver dynamisk værktøjsbrug, iterativ ræsonnering og integration med flere ressourcer.
Chat Historik Komponent
Chat Historik-komponenten i FlowHunt gør det muligt for chatbots at huske tidligere beskeder, hvilket sikrer sammenhængende samtaler og forbedret kundeoplevelse, samtidig med at hukommelse og token-forbrug optimeres.
URL-henter
Lås op for webindhold i dine arbejdsgange med URL-henter-komponenten. Udfør nemt udtræk og behandling af tekst og metadata fra enhver liste af URL’er – inklusive webartikler, dokumenter og meget mere. Understøtter avancerede muligheder som OCR for billeder, selektiv metadataudtræk og tilpasset caching, hvilket gør den ideel til at bygge vidensrige AI-flows og automatiseringer.
LLM Gemini
FlowHunt understøtter dusinvis af AI-modeller, herunder Google Gemini. Lær, hvordan du bruger Gemini i dine AI-værktøjer og chatbots, skifter mellem modeller og styrer avancerede indstillinger som tokens og temperatur.
Struktureret Output Generator
Komponenten Struktureret Output Generator lader dig skabe præcise, strukturerede data fra enhver inputprompt ved hjælp af din valgte LLM-model. Definér de præcise datafelter og det outputformat, du ønsker, og sikr ensartede og pålidelige svar til avancerede AI-arbejdsgange.
CSV Output
Generer CSV-filer uden besvær i dine automatiserede arbejdsgange med CSV Output-komponenten. Omdan strukturerede data til et downloadbart CSV-format—ideelt til eksport af resultater, deling af data eller integration med eksterne systemer.
Flow-beskrivelse
Formål og fordele
Dette workflow er designet til at automatisere udtræk, strukturering og håndtering af data fra e-mails og tilknyttede dokumenter, såsom filvedhæftninger og URL’er. Det udnytter avancerede sprogmodeller og prompt engineering til at behandle ustruktureret information og levere strukturerede opsummeringer, hvilket gør det særligt nyttigt til opgaver som e-mail-triage, kundesupport eller storskaladataudtræk fra kommunikationskanaler.
Oversigt
Flowet forbinder flere komponenter, der håndterer brugerinput, fil- og URL-indhentning, promptkonstruktion, LLM-behandling, agentbaseret ræsonnement og struktureret dataoutput. Dets vigtigste fordele er skalerbarhed, automatisering og evnen til at håndtere komplekse eller store udtræksopgaver med minimal manuel indsats.
Trin-for-trin Proces
1. Brugerinput og vedhæftninger
- Chat Input: Workflowet starter med at modtage brugerinput (en e-mail eller besked) og eventuelle filvedhæftninger via chatgrænsefladen.
- File Retriever: Alle vedhæftede filer behandles for at udtrække deres tekstindhold, ved brug af strategier som OCR (om nødvendigt) og tokenbegrænsninger for at sikre effektivitet.
2. Berigelse af kontekst
URL Retriever: Workflowet kan også hente indhold fra angivne URL’er, analysere og opdele informationen til brug senere i processen. Dette er nyttigt, når e-mails henviser til eksterne ressourcer eller vidensbaser.
Chat History: Systemet opretholder en hukommelse af de sidste 5 chatbeskeder (op til 800 tokens), hvilket giver kontekst for bedre forståelse og kontinuitet.
3. Prompt Engineering
Prompt Templates: Workflowet bruger skabeloner til dynamisk at konstruere prompts til LLM og agenten, der inkorporerer:
- E-mail-/beskedindholdet
- Udtrukket filindhold
- Chat-historik som kontekst
- Systeminstruktioner
Disse prompts er designet til at maksimere LLM’ens evne til at forstå og strukturere den indkommende information.
4. LLM og agentorkestrering
Google Gemini LLM: Workflowet bruger Gemini 2.5 Flash for høj kvalitet i sprogforståelse og generering, med temperatur sat til 0 for deterministiske outputs.
Tool Calling Agent: En avanceret agent modtager den sammensatte prompt, chat-historik og værktøjer (såsom fil-/URL-indhentere) til at:
- Gennemgå og organisere e-maildata
- Udtrække og strukturere relevant information
- Give et omfattende overblik baseret på e-mails og vedhæftede filer
- Bruge ekstern viden via værktøjer hvis nødvendigt
Agenten styres af en systemmeddelelse med fokus på effektivitet og datastrukturering.
5. Strukturering og output
Structured Output Generator: Agentens svar, sammen med yderligere kontekst, sendes gennem endnu en prompt og LLM (også Gemini) for at producere et struktureret output. De krævede felter er:
- Brugernavn: Navnet på brugeren
- E-mail: Patientens e-mailadresse
- Besked: Beskeden nævnt i e-mailen
CSV Output: De strukturerede data eksporteres derefter som en CSV-fil, hvilket gør det nemt at behandle, analysere eller importere til andre systemer.
6. Brugerfeedback
- Chat Output: Workflowet giver også agentens overblik og svar som et chatrespons, så brugeren modtager øjeblikkelig feedback.
Komponentsammendragstabel
| Komponent | Rolle |
|---|---|
| Chat Input | Indsamler brugermeddelelser og filvedhæftninger |
| File Retriever | Udtrækker tekst fra uploadede dokumenter |
| URL Retriever | Henter og behandler indhold fra angivne URL’er |
| Chat History | Vedligeholder nylig beskedkontekst |
| Prompt Template | Bygger dynamisk prompts til LLM/agent |
| Gemini LLM | Behandler prompts og genererer svar |
| Tool Calling Agent | Orkestrerer værktøjer og LLM’er til dataudtræk/strukturering |
| Structured Output Generator | Formaterer udtrukket info til et struktureret objekt |
| CSV Output | Eksporterer strukturerede data til CSV-format |
| Chat Output | Viser agentens svar i chatten |
Anvendelsesmuligheder og fordele
- Skalerbarhed: Automatiserer gentagende dataudtræk og strukturering fra e-mails og dokumenter, hvilket reducerer manuelt arbejde.
- Konsistens: Bruger LLM og promptskabeloner for ensartet behandling på tværs af store datamængder.
- Udvidelsesmuligheder: Tilpasses nemt til nye inputtyper (filer, URL’er) og outputformater (strukturerede objekter, CSV).
- Automatisering: Velegnet til kundesupport, behandling af patientjournaler eller ethvert workflow, der kræver strukturerede data fra ustrukturerede kilder.
Hvorfor dette workflow er nyttigt
Dette workflow reducerer dramatisk den tid og indsats, der kræves for at udtrække brugbare, strukturerede data fra e-mails og deres vedhæftninger. Det er yderst skalerbart—i stand til at håndtere flere beskeder og filtyper i bulk—og automatiserer en proces, der ellers ville kræve betydelig menneskelig indsats. Ved at integrere avancerede LLM’er, værktøjsagenter og prompt engineering sikrer det både høj præcision og tilpasningsevne, hvilket gør det til et stærkt aktiv for virksomheder og organisationer, der ønsker at strømline deres informationsbehandlingsprocesser.
Lad os bygge dit eget AI-team
Vi hjælper virksomheder som din med at udvikle smarte chatbots, MCP-servere, AI-værktøjer eller andre typer AI-automatisering til at erstatte mennesker i gentagne opgaver i din organisation.
Lær mere
Forvandl enhver URL til et engagerende X-opslag
Transformerer automatisk indholdet fra enhver angivet URL til et kortfattet, engagerende opslag, der egner sig til X (Twitter), og hjælper marketingfolk og indh...
2 min læsning
Website Læselighedsanalyse
Analyser læseligheden af enhver hjemmeside ved at indtaste dens URL. Dette workflow henter indholdet fra den angivne URL og vurderer læseligheden ved hjælp af f...
2 min læsning
AI Brevgenerator
Generér nemt formelle, uformelle eller juridiske breve tilpasset dine behov. Dette AI-drevne workflow tager dine input og skaber et personligt brevudkast, der h...
3 min læsning