Extracción de Datos de Correos Electrónicos y Archivos a CSV

Este flujo de trabajo está diseñado para automatizar la extracción, estructuración y gestión de datos de correos electrónicos y documentos asociados, como archivos adjuntos y URLs. Aprovecha modelos de lenguaje avanzados e ingeniería de prompts para procesar información no estructurada y generar resúmenes estructurados, siendo especialmente útil para tareas como triaje de correos, soporte al cliente o extracción de grandes volúmenes de datos desde canales de comunicación.

Descripción general

El flujo conecta varios componentes que gestionan la entrada del usuario, la recuperación de contenido de archivos y URLs, la construcción de prompts, el procesamiento con modelos de lenguaje grandes (LLM), el razonamiento basado en agentes y la salida de datos estructurada. Sus principales ventajas son la escalabilidad, la automatización y la capacidad de manejar tareas complejas o de alto volumen de extracción de datos con mínima intervención manual.

Proceso paso a paso

1. Entrada del usuario y adjuntos

• Entrada de chat: El flujo comienza aceptando la entrada del usuario (un correo o mensaje) y archivos adjuntos opcionales a través de una interfaz de chat.
• Recuperador de archivos: Los archivos adjuntos se procesan para extraer su contenido textual, utilizando estrategias como OCR (si es necesario) y límites de tokens para asegurar eficiencia.

2. Enriquecimiento del contexto

• Recuperador de URL: El flujo también puede recuperar contenido de URLs especificadas, analizando y fragmentando la información para su uso posterior. Esto resulta útil cuando los correos hacen referencia a recursos externos o bases de conocimiento.

• Historial de chat: El sistema mantiene una memoria de los últimos 5 mensajes del chat (hasta 800 tokens), proporcionando contexto para una mejor comprensión y continuidad.

3. Ingeniería de prompts

• Plantillas de prompt: El flujo utiliza plantillas para construir dinámicamente los prompts para el LLM y el agente, incorporando:

  • El contenido del correo/mensaje
  • Contenido extraído de archivos
  • Historial de chat como contexto
  • Instrucciones a nivel de sistema

  Estos prompts están diseñados para maximizar la capacidad del LLM de comprender y estructurar la información recibida.

4. Orquestación del LLM y el Agente

• Google Gemini LLM: El flujo usa Gemini 2.5 Flash para comprensión y generación lingüística de alta calidad, con temperatura en 0 para salidas determinísticas.

• Agente de llamada de herramientas: Un agente avanzado recibe el prompt compuesto, el historial de chat y herramientas (como recuperadores de archivos/URLs) para:

  • Revisar y organizar los datos del correo electrónico
  • Extraer y estructurar información relevante
  • Proporcionar una visión general basada en los correos y archivos adjuntos
  • Utilizar conocimiento externo mediante herramientas si es necesario

  El agente está guiado por un mensaje de sistema enfocado en la eficiencia y la estructuración de datos.

5. Estructuración y salida

• Generador de salida estructurada: La respuesta del agente, junto con contexto adicional, pasa por otro prompt y LLM (también Gemini) para producir una salida estructurada. Los campos requeridos son:

  • Nombre de usuario: Nombre del usuario
  • Correo electrónico: Dirección de correo del paciente
  • Mensaje: El mensaje mencionado en el correo electrónico

• Salida CSV: Los datos estructurados se exportan como un archivo CSV, facilitando su procesamiento, análisis o importación en otros sistemas.

6. Retroalimentación al usuario

• Salida de chat: El flujo también proporciona la visión general y las respuestas del agente como respuesta de chat, asegurando que el usuario reciba retroalimentación inmediata.

Tabla resumen de componentes

Casos de uso y beneficios

• Escalabilidad: Automatiza la extracción y estructuración repetitiva de datos desde correos y documentos, reduciendo la labor manual.
• Consistencia: Utiliza LLM y plantillas de prompt para un procesamiento uniforme en grandes volúmenes de datos.
• Extensibilidad: Se adapta fácilmente a nuevos tipos de entrada (archivos, URLs) y formatos de salida (objetos estructurados, CSV).
• Automatización: Apto para soporte al cliente, procesamiento de historiales médicos o cualquier flujo que requiera datos estructurados a partir de fuentes no estructuradas.

Por qué es útil este flujo de trabajo

Este flujo reduce drásticamente el tiempo y esfuerzo necesarios para extraer datos estructurados y accionables de correos electrónicos y sus adjuntos. Es altamente escalable—capaz de gestionar múltiples mensajes y tipos de archivo en lote—y automatiza un proceso que de otro modo requeriría un esfuerzo humano considerable. Al integrar LLM avanzados, agentes de herramientas e ingeniería de prompts, garantiza alta precisión y adaptabilidad, convirtiéndose en un recurso poderoso para empresas y organizaciones que buscan optimizar sus procesos de gestión de información.