Trích xuất văn bản (Doc Extractor)
Đọc nội dung một tài liệu thành văn bản để các bước sau dùng được — không cần AI.
Mục đích
Bước Trích xuất văn bản (Doc Extractor) nhận một trường tệp và trả về nội dung chữ của tài liệu — dạng Markdown (giữ bảng, tiêu đề) hoặc văn bản thuần. Không gọi mô hình AI: hệ thống đọc tài liệu bằng đúng bộ phân tích (OCR) mà Trợ lý AI vẫn dùng, kể cả với bản quét.
Kết quả là biến văn bản bình thường, nên mọi bước phía sau đều dùng được: gửi qua webhook, lưu vào trường dữ liệu của bản ghi, chèn vào email, rẽ nhánh bằng Quyết định, hoặc ghép vào lời nhắc của Trợ lý AI theo cách bạn tự kiểm soát.
Khi nào dùng
- Gửi nội dung tài liệu sang hệ thống khác qua webhook.
- Lưu văn bản của tài liệu vào bản ghi để tra cứu về sau.
- Rẽ nhánh theo nội dung (ví dụ kiểm tra tài liệu có chứa một cụm từ).
- Tự ghép lời nhắc cho Trợ lý AI từ nhiều nguồn.
Không cần bước này khi chỉ có Trợ lý AI đọc tài liệu: hãy gắn thẳng tệp vào bước Trợ lý AI. Cách đó giữ được trích dẫn theo từng trường — bấm vào một giá trị là thấy đúng vùng trên trang. Đưa văn bản đã trích xuất vào lời nhắc thì mô hình vẫn đọc được, nhưng trích dẫn sẽ mất.
Cài đặt chính
| Cài đặt | Mô tả |
|---|---|
| Tệp (File) | Trường tệp cần đọc: một trường trên biểu mẫu bắt đầu, hoặc input.item bên trong vòng lặp. Chọn trường nhiều tệp thì kết quả tự chuyển thành danh sách theo từng tệp (items, count). |
| Định dạng kết quả (Output format) | Markdown (mặc định — giữ bảng, tiêu đề) hoặc Văn bản thuần (bỏ ký hiệu định dạng). |
| Khi văn bản quá lớn (If text is too large) | Vượt giới hạn của hệ thống thì bước báo lỗi theo mặc định; chọn Cắt bớt để giữ phần đầu và đánh dấu truncated: true trên kết quả. |
Kết quả một tệp: nodes.<mã bước>.output.text, kèm pageCount, filename, contentType, byteSize, truncated, format. Kết quả nhiều tệp: items (mỗi tệp một mục cùng các trường trên) và count.
Cách chạy
Bước này chạy không đồng bộ: phiên chạy tạm dừng ở bước trong lúc tài liệu được đọc (bản quét nhiều trang có thể mất vài phút), rồi tự tiếp tục. Kết quả phân tích được dùng lại theo nội dung tệp — cùng một tài liệu đi qua bước này rồi qua Trợ lý AI chỉ bị phân tích một lần.
Với hồ sơ theo thư mục, xếp: Gộp tệp → Lặp theo phần tử → Trích xuất văn bản đọc input.item.
Bước này bắt buộc phải chọn được trường tệp. Nếu để trống, quy trình không Xuất bản được. Trường một tệp mà lúc chạy không có tệp nào cũng làm bước báo lỗi — còn trường nhiều tệp trống thì trả về danh sách rỗng (count: 0) và quy trình đi tiếp.
Ảnh chụp (PNG, JPG…) không có lớp chữ để trích xuất — bước sẽ báo lỗi và gợi ý gắn ảnh vào bước Trợ lý AI. Trường nhiều tệp mà bị đọc ở chế độ một tệp thì tệp đầu tiên được dùng; trường filename trên kết quả cho biết đó là tệp nào.
Cần mô hình AI đọc tài liệu và muốn giữ trích dẫn? Gắn tệp thẳng vào bước Trợ lý AI. Bước Trích xuất văn bản dành cho mọi nơi khác cần chữ của tài liệu.