Prompt
Prompt-sjabloon voor het combineren van e-mailinvoer en geüploade documentinhoud.
---EMAIL---
{input}
---
---UPLOADED DOCUMENTS CONTENT---
{context}
---
E-mail- & Bestandsgegevens Extractie naar CSV
Deze workflow extraheert en ordent kerninformatie uit e-mails en bijgevoegde bestanden, gebruikt AI om de gegevens te verwerken en te structureren, en levert de resultaten als een CSV-bestand voor eenvoudige analyse en rapportage. Ideaal voor het automatiseren van e-mailgegevensbeheer en integratie met spreadsheets.
Flows
Hoe de AI-flow werkt
- Verzamel e-mailinvoer en bijlagen.
- Verzamelt e-mailinhoud en geüploade bestanden als startpunt voor verwerking.
- Bestands- en URL-inhoud ophalen en samenvoegen.
- Extraheert inhoud uit bijgevoegde bestanden en opgegeven URL's om als context te gebruiken voor verdere verwerking.
- Analyseer en organiseer data met AI-agent.
- Gebruikt een AI-agent om de e-mail- en gerelateerde documentgegevens te beoordelen, samen te vatten en te ordenen, waarbij chatgeschiedenis en contextuele informatie worden benut.
- Genereer gestructureerde data-uitvoer.
- Zet de geordende data om in een gestructureerd formaat met behulp van AI, ter voorbereiding op export.
- Resultaten exporteren naar CSV.
- Geeft de gestructureerde data als CSV-bestand uit, zodat deze eenvoudig toegankelijk, analyseerbaar en deelbaar is.
Gebruikte prompts in deze flow
Hieronder vindt u een complete lijst van alle prompts die in deze flow zijn gebruikt om de functionaliteit te bereiken. Prompts zijn de instructies die aan het AI-model worden gegeven om reacties te genereren of acties uit te voeren. Ze begeleiden de AI bij het begrijpen van de gebruikersintentie en het genereren van relevante uitvoer.
Tool Calling Agent
Agentprompt voor het beheren en analyseren van e-mailgerelateerde data en communicatie.
Je bent een geavanceerde AI-assistent die efficiënt e-mailgerelateerde data en e-mailcommunicatie beheert. Je rol omvat drie hoofdtaken: het beoordelen en ordenen van e-maildata, het extraheren en structureren van relevante data. Je moet een groot overzicht geven op basis van de e-mails en het bijgevoegde bestand.
Prompt
Prompt-sjabloon voor het omzetten van data in een gedetailleerde gestructureerde output.
zet de gegeven data om in een zo gedetailleerd mogelijke gestructureerde output
---ALGEMENE INFORMATIE---
{input}
---
---DATA UIT BIJGEVOEGDE BESTANDEN---
{context}
---
Gebruikte componenten in deze flow
Hieronder vindt u een complete lijst van alle componenten die in deze flow zijn gebruikt om de functionaliteit te bereiken. Componenten zijn de bouwstenen van elke AI-flow. Ze stellen u in staat om complexe interacties te creëren en taken te automatiseren door verschillende functionaliteiten met elkaar te verbinden. Elke component heeft een specifiek doel, zoals het verwerken van gebruikersinvoer, het verwerken van gegevens of het integreren met externe diensten.
ChatInput
Het Chat Input-component in FlowHunt start gebruikersinteracties door berichten vanuit de Playground vast te leggen. Het dient als het startpunt voor flows, waardoor de workflow zowel tekst- als bestandsinvoer kan verwerken.
Bestandsophaler
De Bestandsophaler-component in FlowHunt stelt je in staat om bestanden in je workflow te brengen en deze om te zetten in documenten voor verdere verwerking. Het ondersteunt strategieën voor het verwerken van meerdere documenten en kan OCR toepassen op afbeeldingen in bestanden, waardoor het ideaal is voor het extraheren en transformeren van informatie uit een grote verscheidenheid aan bestandstypen.
Promptcomponent in FlowHunt
Ontdek hoe de Promptcomponent van FlowHunt je in staat stelt de rol en het gedrag van je AI-bot te definiëren, zodat je relevante, gepersonaliseerde antwoorden krijgt. Pas prompts en sjablonen aan voor effectieve, contextbewuste chatbotflows.
Tool Calling Agent
Ontdek de Tool Calling Agent in FlowHunt—een geavanceerd workflowonderdeel waarmee AI-agenten intelligent externe tools kunnen selecteren en gebruiken om complexe vragen te beantwoorden. Perfect voor het bouwen van slimme AI-oplossingen die dynamisch gebruik van tools, iteratief redeneren en integratie met meerdere bronnen vereisen.
Chatgeschiedenis-component
De Chatgeschiedenis-component in FlowHunt stelt chatbots in staat eerdere berichten te onthouden, wat zorgt voor samenhangende gesprekken en een verbeterde klantervaring, terwijl het geheugen- en tokengebruik wordt geoptimaliseerd.
Urlcontent
LLM Gemini
FlowHunt ondersteunt tientallen AI-modellen, waaronder Google Gemini. Leer hoe je Gemini gebruikt in je AI-tools en chatbots, schakel tussen modellen en beheer geavanceerde instellingen zoals tokens en temperatuur.
Gestructureerde Output Generator
Met de Gestructureerde Output Generator kun je nauwkeurige, gestructureerde data creëren vanuit elke invoerprompt met het door jou gekozen LLM-model. Definieer zelf de exacte data-velden en het gewenste outputformaat, zodat je altijd consistente en betrouwbare resultaten krijgt voor geavanceerde AI-workflows.
CSV-uitvoer
Genereer moeiteloos CSV-bestanden binnen je geautomatiseerde workflows met de CSV Output-component. Zet gestructureerde gegevens om in een downloadbaar CSV-formaat—ideaal voor het exporteren van resultaten, delen van data of integratie met externe systemen.
Flowbeschrijving
Doel en voordelen
Deze workflow is ontworpen om het extraheren, structureren en beheren van gegevens uit e-mails en bijbehorende documenten, zoals bijlagen en URL’s, te automatiseren. Er wordt gebruik gemaakt van geavanceerde taalmodellen en prompt engineering om ongestructureerde informatie te verwerken en gestructureerde samenvattingen te genereren, wat het bijzonder nuttig maakt voor taken als e-mailtriage, klantenservice of grootschalige data-extractie uit communicatiekanalen.
Overzicht
De flow koppelt verschillende componenten die gebruikersinput, bestands- en URL-inhoud ophalen, prompts samenstellen, LLM-verwerking, agent-based reasoning en gestructureerde gegevensuitvoer afhandelen. De belangrijkste voordelen zijn schaalbaarheid, automatisering en het vermogen om complexe of grootschalige data-extractietaken met minimale handmatige tussenkomst af te handelen.
Stapsgewijs Proces
1. Gebruikersinvoer en bijlagen
- Chat Input: De workflow begint met het accepteren van gebruikersinvoer (een e-mail of bericht) en optionele bijlagen via een chatinterface.
- File Retriever: Alle bijgevoegde bestanden worden verwerkt om hun tekstuele inhoud te extraheren, met behulp van strategieën zoals OCR (indien nodig) en tokenlimieten voor efficiëntie.
2. Context verrijken
URL Retriever: De workflow kan ook inhoud ophalen van opgegeven URL’s, waarbij de informatie wordt geparseerd en in stukken verdeeld voor verder gebruik. Dit is handig wanneer e-mails verwijzen naar externe bronnen of kennisbanken.
Chatgeschiedenis: Het systeem bewaart een geheugen van de laatste 5 chatberichten (tot 800 tokens), waardoor context voor beter begrip en continuïteit wordt geboden.
3. Prompt engineering
Prompt Templates: De workflow gebruikt sjablonen om dynamisch prompts te construeren voor de LLM en agent, met daarin:
- De e-mail/berichtinhoud
- Geëxtraheerde bestandsinhoud
- Chatgeschiedenis als context
- Systeemniveau-instructies
Deze prompts zijn ontworpen om het begrip en de structurering van inkomende informatie door de LLM te maximaliseren.
4. LLM- en agentorkestratie
Google Gemini LLM: De workflow maakt gebruik van Gemini 2.5 Flash voor hoogwaardige taalverwerking en generatie, met een temperatuur van 0 voor deterministische output.
Tool Calling Agent: Een geavanceerde agent ontvangt de samengestelde prompt, chatgeschiedenis en tools (zoals bestands-/URL-retrievers) om:
- E-mailgegevens te beoordelen en te ordenen
- Relevante informatie te extraheren en te structureren
- Een volledig overzicht te bieden op basis van e-mails en bijgevoegde bestanden
- Externe kennis te benutten via tools indien nodig
De agent wordt aangestuurd door een systeembericht om zich te richten op efficiëntie en datastructurering.
5. Structurering en output
Structured Output Generator: De reactie van de agent, samen met extra context, wordt door een andere prompt en LLM (ook Gemini) gehaald om een gestructureerde output te genereren. De vereiste velden zijn:
- Gebruikersnaam: Naam van de gebruiker
- E-mail: E-mailadres van de patiënt
- Bericht: Het in de e-mail genoemde bericht
CSV Output: De gestructureerde data wordt vervolgens geëxporteerd als een CSV-bestand, zodat deze eenvoudig kan worden verwerkt, geanalyseerd of in andere systemen geïmporteerd.
6. Gebruikersfeedback
- Chat Output: De workflow geeft ook het overzicht en de antwoorden van de agent als chatrespons, zodat de gebruiker direct feedback ontvangt.
Componentoverzicht
| Component | Rol |
|---|---|
| Chat Input | Verzamelt gebruikersberichten en bijlagen |
| File Retriever | Extraheert tekst uit geüploade documenten |
| URL Retriever | Haalt inhoud op van opgegeven URL’s |
| Chat History | Bewaart recente berichtcontext |
| Prompt Template | Bouwt dynamisch prompts voor LLM/agent |
| Gemini LLM | Verwerkt prompts en genereert antwoorden |
| Tool Calling Agent | Orkestreert tools en LLM’s voor data-extractie/structurering |
| Structured Output Generator | Formatteert geëxtraheerde info tot gestructureerd object |
| CSV Output | Exporteert gestructureerde data naar CSV-formaat |
| Chat Output | Toont het antwoord van de agent in de chat |
Gebruikstoepassingen en voordelen
- Schaalbaarheid: Automatiseert repetitieve data-extractie en structurering uit e-mails en documenten, waardoor handmatig werk afneemt.
- Consistentie: Gebruikt LLM en prompt-sjablonen voor uniforme verwerking van grote hoeveelheden data.
- Uitbreidbaarheid: Past zich eenvoudig aan nieuwe invoertypen (bestanden, URL’s) en uitvoerformaten (gestructureerde objecten, CSV) aan.
- Automatisering: Geschikt voor klantenservice, verwerking van medische dossiers of elke workflow die gestructureerde data uit ongestructureerde bronnen vereist.
Waarom deze workflow nuttig is
Deze workflow vermindert drastisch de tijd en moeite die nodig zijn om bruikbare, gestructureerde gegevens uit e-mails en hun bijlagen te halen. Het is zeer schaalbaar—kan meerdere berichten en bestandstypen in bulk verwerken—en automatiseert een proces dat anders veel menselijke inzet zou vergen. Door de integratie van geavanceerde LLM’s, toolagents en prompt engineering wordt zowel hoge precisie als aanpasbaarheid gegarandeerd, waardoor het een krachtig hulpmiddel is voor bedrijven en organisaties die hun informatiestromen willen stroomlijnen.
Laat ons uw eigen AI-team bouwen
Wij helpen bedrijven zoals die van u bij het ontwikkelen van slimme chatbots, MCP-servers, AI-tools of andere soorten AI-automatisering om mensen te vervangen bij repetitieve taken in uw organisatie.
Meer informatie
AI-aangedreven Outlook E-mail Antwoordautomatisering
Automatiseer professionele e-mailantwoorden in Outlook met een AI-agent die gebruikmaakt van organisatorische kennisbronnen. Binnenkomende e-mails worden ontvan...
3 min lezen
AI E-mail Assistent voor Gmail
Automatiseer het beheer van je Gmail-inbox met een AI-agent die inkomende e-mails leest, je kennisbank gebruikt om professionele antwoorden op te stellen, en e-...
3 min lezen
AI E-mail Generator
Genereer direct gestructureerde, duidelijke e-mails die zijn afgestemd op jouw toon en intentie, compleet met een voorgestelde onderwerpregel via AI. Perfect vo...
2 min lezen