Analizar archivos

Analizar archivos

La herramienta Analizar archivos permite a los agentes procesar y razonar sobre el contenido del archivo utilizando LLM.

Para añadir la herramienta Analizar archivos a tu agente, realiza los siguientes pasos:

1. Definir entradas de archivo. En el panel Gestor de datos, añade argumentos a tu esquema de agente para entradas de archivo. Estos deben ser de tipo File.

   Figura 1. Crear argumentos de entrada de archivo

   

   Importante:

   El argumento de entrada debe referenciarse explícitamente en la solicitud del usuario utilizando la sintaxis {{exampleInput}}. Los argumentos de entrada a los que no se hace referencia se ignoran y pueden afectar a la puntuación del agente.

2. Añade la herramienta Analizar archivos a tu definición de agente:

   1. Selecciona Añadir herramienta en el panel Herramientas.
   2. En la categoría Herramientas integradas, elige Analizar archivos.
   3. Actualiza el nombre y la descripción de la herramienta para ayudar al agente a razonar mejor sobre cuándo utilizarla.

   

3. Comprender las entradas de la herramienta. La herramienta viene preconfigurada con dos entradas principales:

   • attachments (array): lista de uno o más archivos para analizar.
   • analysisTask (string): Una Solicitud o instrucción que describe la tarea. Si tu caso de uso implica solo un archivo, puedes actualizar la descripción de entrada para reflejar que es un archivo adjunto único.

4. Ejecuta el agente con archivos de entrada.

   1. Abre la ventana Configuración de depuración:
      1. Navega a la pestaña Argumentos del proyecto.
      2. Carga tus archivos de entrada vinculados a tu argumento attachments.
   2. Selecciona Guardar y ejecuta la sesión de depuración.

5. Después de ejecutar el agente, inspecciona el seguimiento de ejecución a través del panel inferior.

Seguimientos de archivo adjunto

Al utilizar la herramienta Analizar archivos, todas las entradas y salidas de los archivos se capturan en el panel Seguimiento de ejecución, en la pestaña Historial. El seguimiento proporciona una visibilidad detallada de cómo se gestionaron los archivos adjuntos durante la ejecución del agente.

Para cada archivo, el seguimiento muestra:

• ID: un identificador exclusivo para el archivo adjunto.

• Nombre: nombre del archivo original (por ejemplo, 1.jpg).

• Tipo MIME: tipo de archivo detectado (por ejemplo, image/jpeg).

  Figura 2. El análisis de archivo en el seguimiento de ejecución

  

Selecciona la llamada de herramienta del seguimiento de ejecución y ve a la pestaña Archivos para descargar el archivo.

Figura 3. Cómo descargar un archivo de los seguimientos

Mejores prácticas y preguntas frecuentes

Consejo:

Para obtener más Detalles sobre el uso de Archivos de Processes de Maestro, Flujos de trabajo de RPA o ejecuciones de agente independientes, consulta Trabajar con Archivos.

La herramienta Analizar Archivos permite a los agentes procesar documentos e imágenes utilizando LLM. Aunque es potente, hay algunas limitaciones y comportamientos importantes a tener en cuenta al diseñar agentes impulsados por archivos.

Los archivos grandes pueden superar los límites de token.

Los agentes procesan los archivos incrustando sus contenidos en solicitudes de LLM, que están restringidas por el límite de tokens del modelo. Los PDF grandes o documentos de imagen escaneados pueden fallar en silencio o devolver errores vagos como "Se ha producido un error", especialmente cuando superan el presupuesto de tokens del modelo.

Para mitigar:

• Usa modelos con mayor capacidad de tokens.
• Usa Contextualización en lugar de la incrustación de archivo completo, especialmente para archivos grandes o de varias páginas.
• Preindexa documentos y sincronízalos antes o durante la ejecución del agente a través de herramientas personalizadas.

Los LLM cambian el tamaño de las imágenes

Cuando los archivos de imagen (por ejemplo, .jpg, .png) se envían como parte de la solicitud de LLM, la mayoría de los modelos los redimensionan automáticamente. Esto puede distorsionar las relaciones de aspecto o perder datos precisos de píxeles.

Evita las solicitudes que dependen de coordenadas exactas, cuadros delimitadores o comparaciones alineadas con píxeles (por ejemplo, diferencias de imagen que requieren un posicionamiento x/y específico). Para obtener más información, consulta la guía de visión de imagen de OpenAI para conocer el comportamiento de cambio de tamaño específico del modelo.

Tipos de archivo compatibles

Se admiten las siguientes extensiones de archivo: GIF, JPE, JPEG, PDF, PNG, WEBP.

La compatibilidad con tipos de archivo varía según el proveedor de LLM. Por ejemplo, la compatibilidad con PDF puede fallar en algunos modelos de Anthropic dependiendo del nombre del archivo o la codificación.

Consejos para mejores resultados

• Si trabajas con archivos PDF largos, considera dividirlos en fragmentos o páginas más pequeños antes de pasarlos al agente.
• Los nombres de archivo deben estar limpios: los modelos antrópicos, en particular, rechazan nombres de archivo con caracteres especiales o espacios en blanco repetidos.
• Mantén bajo el recuento de imágenes: algunos modelos como GPT-4o admiten un máximo de 10-50 imágenes por solicitud.