Prompt
Promptmall för att kombinera e-postinmatning och uppladdat dokumentinnehåll.
---EMAIL---
{input}
---
---UPLOADED DOCUMENTS CONTENT---
{context}
---
E-post- och fildataextraktion till CSV
Detta arbetsflöde extraherar och organiserar nyckelinformation från e-postmeddelanden och bifogade filer, använder AI för att bearbeta och strukturera data, och levererar resultaten som en CSV-fil för enkel analys och rapportering. Perfekt för att automatisera hantering av e-postdata och integration med kalkylblad.
Flows
Så fungerar AI Flow
- Samla in e-postinmatningar och bilagor.
- Samlar in e-postinnehåll och uppladdade filer som startpunkt för bearbetning.
- Hämta och sammanfoga fil- & URL-innehåll.
- Extraherar innehåll från bifogade filer och angivna URL:er för att inkludera som kontext för vidare bearbetning.
- Analysera och organisera data med AI-agent.
- Använder en AI-agent för att granska, sammanfatta och organisera e-post och relaterad dokumentdata, med hjälp av chatthistorik och kontextuell information.
- Generera strukturerad datautmatning.
- Omvandlar den organiserade datan till ett strukturerat format med AI och förbereder den för export.
- Exportera resultat till CSV.
- Levererar den strukturerade datan som en CSV-fil, vilket gör den enkel att komma åt, analysera och dela.
Prompts som används i detta flow
Nedan är en komplett lista över alla prompts som används i detta flow för att uppnå dess funktionalitet. Prompts är instruktioner som ges till AI-modellen för att generera svar eller utföra åtgärder. De vägleder AI:n i att förstå användarens avsikt och generera relevanta resultat.
Verktygsanropande agent
Agentprompt för hantering och analys av e-postrelaterad data och kommunikation.
You are an advanced AI assistant tasked with managing email-related data and email communications efficiently. Your role involves three main tasks: reviewing and organizing email data, extracting and structuring relevant data. you should give a big overview based on the emails and the attached file.
Prompt
Promptmall för att omvandla data till en detaljerad strukturerad utmatning.
turn the given data in to a structured output with as much detail as possible
---GENERAL INFORMATION---
{input}
---
---DATA FROM ATTACHED FILES---
{context}
---
Komponenter som används i detta flow
Nedan är en komplett lista över alla komponenter som används i detta flow för att uppnå dess funktionalitet. Komponenter är byggstenarna i varje AI Flow. De låter dig skapa komplexa interaktioner och automatisera uppgifter genom att koppla olika funktioner. Varje komponent tjänar ett specifikt syfte, som att hantera användarindata, bearbeta data eller integrera med externa tjänster.
Chatinmatning
Chatinmatningskomponenten i FlowHunt initierar användarinteraktioner genom att fånga upp meddelanden från Playground. Den fungerar som startpunkt för flöden och möjliggör att arbetsflödet kan bearbeta både text- och filbaserade indata.
Filhämtare
Komponenten Filhämtare i FlowHunt låter dig ta in filer i ditt arbetsflöde och konvertera dem till dokument för vidare bearbetning. Den stöder strategier för hantering av flera dokument och kan använda OCR på bilder i filer, vilket gör den idealisk för att extrahera och omvandla information från en mängd olika filtyper.
Promptkomponent i FlowHunt
Lär dig hur FlowHunts Prompt-komponent låter dig definiera din AI-bots roll och beteende, vilket säkerställer relevanta och personliga svar. Anpassa prompts och mallar för effektiva, kontextmedvetna chatbotflöden.
Verktygsanropande Agent
Utforska Verktygsanropande Agent i FlowHunt—en avancerad arbetsflödeskomponent som gör det möjligt för AI-agenter att intelligent välja och använda externa verktyg för att besvara komplexa frågor. Perfekt för att bygga smarta AI-lösningar som kräver dynamisk verktygsanvändning, iterativt resonemang och integration med flera resurser.
Chatthistorik-komponent
Chatthistorik-komponenten i FlowHunt gör det möjligt för chatbots att minnas tidigare meddelanden, vilket säkerställer sammanhängande konversationer och förbättrad kundupplevelse samtidigt som minnes- och tokenanvändning optimeras.
URL-hämtare
Lås upp webbinnehåll i dina arbetsflöden med komponenten URL-hämtare. Extrahera och bearbeta enkelt text och metadata från valfri lista av URL:er – inklusive webbartiklar, dokument och mer. Stöder avancerade alternativ som OCR för bilder, selektiv metadataextraktion och anpassningsbar cache, vilket gör den idealisk för att bygga kunskapsrika AI-flöden och automatiseringar.
LLM Gemini
FlowHunt stöder dussintals AI-modeller, inklusive Google Gemini. Lär dig hur du använder Gemini i dina AI-verktyg och chattbotar, växla mellan modeller och kontrollera avancerade inställningar som tokens och temperatur.
Strukturerad Output Generator
Komponenten Strukturerad Output Generator låter dig skapa exakt, strukturerad data från valfri inmatningsprompt med din valda LLM-modell. Definiera de exakta datafälten och utdataformatet du vill ha, vilket säkerställer konsekventa och tillförlitliga svar för avancerade AI-arbetsflöden.
CSV-utmatning
Generera CSV-filer enkelt inom dina automatiserade arbetsflöden med komponenten CSV-utmatning. Omvandla strukturerad data till nedladdningsbart CSV-format—perfekt för att exportera resultat, dela data eller integrera med externa system.
Flow-beskrivning
Syfte och fördelar
Detta arbetsflöde är utformat för att automatisera extraktion, strukturering och hantering av data från e-postmeddelanden och tillhörande dokument, såsom filbilagor och URL:er. Det utnyttjar avancerade språkmodeller och promptteknik för att bearbeta ostrukturerad information och generera strukturerade sammanfattningar, vilket gör det särskilt användbart för uppgifter som e-postsortering, kundsupport eller storskalig dataextraktion från kommunikationskanaler.
Översikt
Flödet kopplar samman flera komponenter som hanterar användarinmatning, hämtning av fil- och URL-innehåll, skapande av prompts, bearbetning med stora språkmodeller (LLM), agentbaserat resonemang och strukturerad datautmatning. Dess viktigaste fördelar är skalbarhet, automatisering och förmågan att hantera komplexa eller omfattande dataextraktionsuppgifter med minimal manuell insats.
Steg-för-steg-process
1. Användarinmatning och bilagor
- Chatinmatning: Arbetsflödet börjar med att ta emot användarinmatning (ett e-postmeddelande eller meddelande) och eventuella filbilagor via ett chattgränssnitt.
- Filhämtare: Alla bifogade filer bearbetas för att extrahera deras textinnehåll, med hjälp av strategier som OCR (vid behov) och tokenbegränsningar för att säkerställa effektivitet.
2. Berikning av kontext
URL-hämtare: Arbetsflödet kan också hämta innehåll från angivna URL:er, analysera och dela upp informationen för vidare bearbetning. Detta är användbart när e-post hänvisar till externa resurser eller kunskapsbaser.
Chatthistorik: Systemet behåller de 5 senaste chattmeddelandena (upp till 800 token) för att ge kontext och bättre förståelse.
3. Promptteknik
Promptmallar: Arbetsflödet använder mallar för att dynamiskt skapa prompts till LLM och agenten, och inkluderar:
- E-post-/meddelandeinnehåll
- Extraherat filinnehåll
- Chatthistorik som kontext
- Systeminstruktioner
Dessa prompts är utformade för att maximera LLM:s förmåga att förstå och strukturera inkommande information.
4. LLM- och agentorkestrering
Google Gemini LLM: Arbetsflödet använder Gemini 2.5 Flash för högkvalitativ språkförståelse och generering, med temperatur satt till 0 för deterministiska utmatningar.
Verktygsanropande agent: En avancerad agent får den sammansatta prompten, chatthistorik och verktyg (som fil-/URL-hämtare) för att:
- Granska och organisera e-postdata
- Extrahera och strukturera relevant information
- Ge en omfattande översikt baserat på e-post och bifogade filer
- Använda extern kunskap via verktyg om det behövs
Agenten styrs av ett systemmeddelande för att fokusera på effektivitet och datastrukturering.
5. Strukturering och utmatning
Generator för strukturerad utmatning: Agentens svar, tillsammans med ytterligare kontext, skickas genom ytterligare en prompt och LLM (även Gemini) för att skapa en strukturerad utmatning. De obligatoriska fälten är:
- Användarnamn: Namn på användaren
- E-post: Patientens e-postadress
- Meddelande: Meddelandet som nämns i e-postmeddelandet
CSV-utmatning: Den strukturerade datan exporteras sedan som en CSV-fil, vilket gör den enkel att bearbeta, analysera eller importera till andra system.
6. Användarfeedback
- Chattutmatning: Arbetsflödet ger även agentens översikt och svar som ett chattmeddelande, så att användaren får omedelbar återkoppling.
Komponentsammanfattning
| Komponent | Roll |
|---|---|
| Chatinmatning | Samlar in användarmeddelanden och filbilagor |
| Filhämtare | Extraherar text från uppladdade dokument |
| URL-hämtare | Hämtar och bearbetar innehåll från angivna URL:er |
| Chatthistorik | Behåller senaste meddelandekontext |
| Promptmall | Bygger dynamiskt prompts för LLM/agent |
| Gemini LLM | Bearbetar prompts och genererar svar |
| Verktygsanropande agent | Orkestrerar verktyg och LLM:er för dataextraktion/strukturering |
| Generator för strukturerad utmatning | Formaterar extraherad information till ett strukturerat objekt |
| CSV-utmatning | Exporterar strukturerad data till CSV-format |
| Chattutmatning | Visar agentens svar i chatten |
Användningsområden och fördelar
- Skalbarhet: Automatiserar repetitiv dataextraktion och strukturering från e-post och dokument, vilket minskar manuellt arbete.
- Konsekvens: Använder LLM och promptmallar för enhetlig bearbetning av stora datamängder.
- Utbyggbarhet: Anpassas enkelt till nya inmatningstyper (filer, URL:er) och utdataformat (strukturerade objekt, CSV).
- Automatisering: Passar för kundsupport, hantering av medicinska journaler eller andra arbetsflöden som kräver strukturerad data från ostrukturerade källor.
Varför detta arbetsflöde är användbart
Detta arbetsflöde minskar drastiskt den tid och ansträngning som krävs för att extrahera användbar, strukturerad data från e-post och deras bilagor. Det är mycket skalbart—kan hantera flera meddelanden och filtyper i bulk—och automatiserar en process som annars skulle kräva betydande mänsklig insats. Genom att integrera avancerade LLM:er, verktygsagenter och promptteknik säkerställs både hög precision och anpassningsbarhet, vilket gör det till en kraftfull tillgång för företag och organisationer som vill effektivisera sina informationshanteringsprocesser.
Låt oss bygga ditt eget AI-team
Vi hjälper företag som ditt att utveckla smarta chatbotar, MCP-servrar, AI-verktyg eller andra typer av AI-automatisering för att ersätta människor i repetitiva uppgifter i din organisation.
Lär dig mer
Videotranskriptutdragare
Generera transkript från videor genom att extrahera undertexter från angivna URL:er. Användbart för att snabbt få läsbar text från onlinevideor med manuellt ska...
2 min läsning
AI-drivna Outlook-automatiserade e-postsvar
Automatisera professionella e-postsvar i Outlook med en AI-agent som utnyttjar organisatoriska kunskapskällor. Inkommande e-postmeddelanden tas emot, tolkas och...
3 min läsning
Sammanfatta valfri URL till en metabeskrivning
Skapar automatiskt en engagerande, SEO-vänlig metabeskrivning för valfri webbsida, PDF, YouTube-video eller dokumentlänk genom att analysera innehållet och gene...
2 min läsning