Ekstrakcja danych z e-maili i plików do CSV

Ten przepływ pracy został zaprojektowany, aby zautomatyzować ekstrakcję, strukturyzację i zarządzanie danymi z e-maili oraz powiązanych dokumentów, takich jak załączniki i adresy URL. Wykorzystuje zaawansowane modele językowe oraz inżynierię promptów do przetwarzania nieustrukturyzowanych informacji i generowania ustrukturyzowanych podsumowań, co czyni go szczególnie przydatnym w zadaniach takich jak selekcja e-maili, obsługa klienta czy masowa ekstrakcja danych z kanałów komunikacyjnych.

Przegląd

Przepływ łączy ze sobą kilka komponentów obsługujących wejście użytkownika, pobieranie treści z plików i adresów URL, konstrukcję promptów, przetwarzanie przez LLM, rozumowanie agentowe oraz generowanie ustrukturyzowanego wyniku. Kluczowe zalety to skalowalność, automatyzacja oraz możliwość obsługi złożonych lub dużych wolumenów zadań ekstrakcji danych przy minimalnym udziale człowieka.

Proces krok po kroku

1. Wejście użytkownika i załączniki

• Wejście czatu: Przepływ zaczyna się od przyjęcia treści e-maila lub wiadomości oraz opcjonalnych załączników za pośrednictwem interfejsu czatu.
• File Retriever: Wszelkie załączone pliki są przetwarzane w celu wyodrębnienia ich tekstowej zawartości, z użyciem strategii takich jak OCR (w razie potrzeby) i ograniczeń tokenów dla zapewnienia wydajności.

2. Wzbogacenie kontekstu

• URL Retriever: Przepływ może również pobierać treść ze wskazanych adresów URL, analizując i dzieląc informacje na fragmenty do dalszego wykorzystania. Jest to przydatne, gdy e-maile odwołują się do zewnętrznych zasobów lub baz wiedzy.

• Historia czatu: System przechowuje pamięć ostatnich 5 wiadomości (do 800 tokenów), co zapewnia szerszy kontekst i ciągłość.

3. Tworzenie promptów

• Szablony promptów: Przepływ używa szablonów do dynamicznej konstrukcji promptów dla LLM i agenta, uwzględniając:

  • Treść e-maila/wiadomości
  • Wyodrębnioną treść plików
  • Historię czatu jako kontekst
  • Instrukcje systemowe

  Te prompty są zaprojektowane tak, aby zmaksymalizować zdolność LLM do zrozumienia i ustrukturyzowania napływających danych.

4. Orkiestracja LLM i agenta

• Google Gemini LLM: Przepływ korzysta z Gemini 2.5 Flash dla wysokiej jakości rozumienia i generowania języka, z temperaturą ustawioną na 0 dla deterministycznych wyników.

• Tool Calling Agent: Zaawansowany agent otrzymuje stworzony prompt, historię czatu oraz narzędzia (takie jak pobieranie plików/URL), by:

  • Przeglądać i organizować dane z e-maili
  • Wyodrębniać i strukturyzować istotne informacje
  • Przedstawiać kompleksowy przegląd na podstawie e-maili i załączników
  • Korzystać w razie potrzeby z wiedzy zewnętrznej poprzez narzędzia

  Agentowi towarzyszy komunikat systemowy nakierowujący na efektywność i strukturyzację danych.

5. Strukturyzacja i wynik

• Structured Output Generator: Odpowiedź agenta, wraz z dodatkowymi kontekstami, przekazywana jest przez kolejny prompt i LLM (również Gemini), aby wygenerować ustrukturyzowany wynik. Wymagane pola to:

  • Imię i nazwisko użytkownika: Imię i nazwisko użytkownika
  • E-mail: Adres e-mail pacjenta
  • Wiadomość: Treść wiadomości zawartej w e-mailu

• CSV Output: Ustrukturyzowane dane są następnie eksportowane do pliku CSV, co ułatwia ich dalsze przetwarzanie, analizę lub import do innych systemów.

6. Informacja zwrotna dla użytkownika

• Chat Output: Przepływ zapewnia również przegląd oraz odpowiedź agenta bezpośrednio w czacie, gwarantując użytkownikowi natychmiastową informację zwrotną.

Podsumowanie komponentów

Zastosowania i korzyści

• Skalowalność: Automatyzuje powtarzalną ekstrakcję i strukturyzację danych z e-maili i dokumentów, ograniczając pracę ręczną.
• Spójność: Wykorzystuje LLM i szablony promptów dla jednolitego przetwarzania dużych wolumenów danych.
• Elastyczność: Łatwo adaptowalny do nowych typów wejścia (pliki, URL-e) i formatów wyjściowych (obiekty ustrukturyzowane, CSV).
• Automatyzacja: Nadaje się do obsługi klienta, przetwarzania dokumentacji medycznej czy każdego workflow wymagającego wyciągnięcia struktury z nieustrukturyzowanych źródeł.

Dlaczego ten przepływ pracy jest przydatny

Ten przepływ pracy znacząco ogranicza czas i wysiłek wymagany do wyodrębnienia użytecznych, ustrukturyzowanych danych z e-maili i ich załączników. Jest wysoce skalowalny—zdolny do obsługi wielu wiadomości i typów plików jednocześnie—i automatyzuje proces, który normalnie wymagałby znacznego nakładu pracy ludzkiej. Dzięki integracji zaawansowanych modeli językowych, agentów narzędziowych i inżynierii promptów zapewnia zarówno wysoką precyzję, jak i elastyczność, czyniąc go potężnym narzędziem dla firm i organizacji dążących do usprawnienia swoich procesów przetwarzania informacji.