Analizar archivos

Añade la herramienta Analizar archivos a un proyecto de Agents para procesar y analizar el contenido de archivos mediante LLM.

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

Añade la herramienta Analizar archivos

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 un argumento para cada entrada de archivo en el esquema de tu agente.

   Figura 1. Crear argumentos de entrada de archivo

   

   Input argument must be explicitly referenced in the user prompt using the {{exampleInput}} syntax. Input arguments that are not referenced are ignored and may affect the agent's score.

   • Para un archivo único, establece el tipo de argumento en Archivo y haz referencia a él en la solicitud del usuario. Por ejemplo: "Analiza el siguiente informe y resume los hallazgos clave: {{reportFile}}".
   • Para pasar varios archivos, establece el tipo de argumento en Array y el tipo de elemento en Archivo y, luego, haz referencia al argumento por su nombre en la solicitud del usuario. También puedes añadir argumentos de cadena opcionales para las instrucciones de runtime. Por ejemplo:

   Analyze the following report files and summarize the key findings.
   
   ## Inputs
   - Report files: {{reportFiles}}
   - Additional instructions (optional): {{analysisInstructions}}
   

   En este ejemplo, reportFiles es un argumento de un array del archivo y analysisInstructions es un argumento opcional de una string. Ambos deben definirse en el panel Gestor de datos.

   

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. El nombre y la descripción guían la fase de planificación del agente, es decir, determinan cuándo el agente decide llamar a la herramienta, no lo que la herramienta hace con los archivos en runtime.

   

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

   • attachments (array): una entrada definida por la solicitud que indica al agente los archivos que debe pasar a la herramienta. En este campo, describe cómo el agente debe utilizar las entradas del archivo a las que se hace referencia en la solicitud del usuario (por ejemplo, {{reportFiles}}). El agente asigna automáticamente esos archivos referenciados a esta entrada en runtime. Ejemplo: "Usa los archivos proporcionados en la solicitud del usuario (por ejemplo, {{reportFiles}}) como entradas para el análisis".
   • analysisTask (string): una instrucción de runtime que le indica al LLM qué hacer con los archivos una vez que se invoca la herramienta, por ejemplo, "Analiza estos informes. Extrae el título del informe, un resumen ejecutivo, los hallazgos clave ordenados por importancia, las recomendaciones prácticas y la opinión general." Esto es distinto del nombre y la descripción de la herramienta, que controlan cuándo el agente llama a la herramienta. Si tu caso de uso solo implica un archivo, puedes describir los archivos adjuntos en consecuencia (por ejemplo, "Utiliza el archivo proporcionado en {{reportFile}}…").

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 reportFiles.
   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.

La herramienta Analizar archivos ahora se añade a tu agente y se configura para procesar entradas de archivos. El seguimiento de ejecución del panel Seguimiento de ejecución muestra cómo se gestionó cada archivo adjunto durante la ejecución.

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

Nota:

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.

Límites del archivo

Cada archivo no debe superar los 30 MB. No hay un límite impuesto en el número de archivos por solicitud.

Tipos de archivo compatibles

La herramienta Analizar archivos admite los siguientes tipos de archivo: .pdf, .gif, .jpg, .jpeg, .png, .tiff, .webp.

La compatibilidad con diferentes formatos puede variar en función del proveedor y modelo de LLM seleccionados. Los resultados también pueden variar entre proveedores y modelos, especialmente para archivos que contienen gráficos, imágenes incrustadas o diseños complejos.

Soporte de archivos para configuraciones de LLM personalizadas

Los tipos de archivo compatibles son los mismos cuando utilizas la capacidad Trae tu propio LLM a través de AI Trust Layer. Configurar un proveedor, una familia de modelos o un tipo de API cuyo modelo subyacente acepte otros formatos no amplía los tipos de archivos que acepta la herramienta Analizar archivos . Para obtener más información sobre la configuración de un LLM personalizado, consulta Configurar LLM.

Cómo funciona el procesamiento de archivos

Cuando se pasa un archivo a un LLM, el modelo no recibe el archivo original tal cual. La mayoría de los proveedores aplican un paso de preprocesamiento antes de añadir el contenido al contexto del modelo. El comportamiento del preprocesamiento depende del tipo de archivo.

Los archivos PDF pueden procesarse como texto extraído e imágenes de página en modelos con capacidad Vision. Los archivos de imagen se pasan al modelo como imágenes, sujetos al comportamiento de cambio de tamaño descrito en Redimensionar imágenes de LLM.

Los proveedores como OpenAI, AWS Bedrock y Vertex AI pueden utilizar diferentes enfoques de preprocesamiento, y los detalles de implementación exactos son específicos del proveedor y pueden no estar completamente documentados.

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 imágenes escaneadas 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 las capacidades orientadas a la recuperación, como Buscar archivos o la contextualización, especialmente para archivos grandes o de varias páginas.
• Preindexa documentos y sincronízalos antes o durante la ejecución del agente a través de herramientas personalizadas.

Manejar PDF grandes

Los PDF grandes pueden superar el presupuesto de tokens del LLM cuando se procesan por completo. Divide el PDF en fragmentos más pequeños o páginas individuales antes de pasárselos al agente.

Los LLM cambian el tamaño de las imágenes

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

Evita solicitudes que se basen en coordenadas exactas, cuadros de límite o comparaciones alineadas de 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 el comportamiento de cambio de tamaño específico del modelo.

Consejos para mejores resultados

• 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.
• Usa el formato PDF cuando el diseño, los gráficos o los diagramas sean importantes.