Prompt
Promptskabelon til at kombinere e-mail-input og uploadet dokumentindhold.
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.
