CSVAgent

⚠️ ADVERTENCIA DE DEPRECACIÓN

Este componente está deprecado y será eliminado en una versión futura de Nappai. Por favor, migra a los componentes alternativos recomendados.

El componente CSVAgent te permite crear un agente de IA que puede leer y procesar archivos CSV, utilizando herramientas y un modelo de lenguaje para responder preguntas o realizar tareas basadas en los datos del CSV.

¿Cómo funciona?

CSVAgent se basa en la función create_csv_agent de LangChain. Cuando lo añades a tu flujo de trabajo, debes proporcionar:

1. Model – El modelo de lenguaje (LLM) que el agente usará para generar respuestas.
2. File Path – La ruta al archivo CSV que quieres analizar.
3. Agent Type – El estilo de agente que se empleará (zero-shot-react-description, openai-functions o openai-tools).

Internamente, el componente carga el CSV, crea un agente con las herramientas adecuadas y lo configura para que el LLM pueda consultar los datos. Cuando envías una pregunta al agente, éste procesa la información del CSV y devuelve una respuesta generada por el modelo.

Entradas

• Model – El modelo de lenguaje que el agente utilizará para generar respuestas.
• File Path – La ruta al archivo CSV que el agente leerá.
• Agent Type – El tipo de agente que se empleará para procesar la información.
• Handle Parse Errors – Indica si el agente debe intentar manejar errores de análisis de CSV.
• Input – La entrada que el agente recibirá (por ejemplo, una pregunta o instrucción).
• Max Iterations – Número máximo de iteraciones que el agente puede realizar antes de detenerse.
• Verbose – Si se activa, el agente mostrará información detallada de su proceso.

Salidas

• Agent – El objeto AgentExecutor creado por build_agent.
• Response – El mensaje generado por el agente (Message).

Ejemplo de Uso

Supongamos que tienes un archivo ventas.csv con columnas cliente, producto y monto. Quieres saber quién gastó más en el último trimestre.

1. Añade el componente CSVAgent al flujo.
2. Selecciona un modelo de lenguaje (por ejemplo, gpt-4).
3. Proporciona la ruta al archivo ventas.csv.
4. Elige openai-tools como tipo de agente.
5. En la entrada Input, escribe:

   ¿Quién gastó más en el último trimestre?

6. Ejecuta el flujo.
7. El componente devolverá el agente y la respuesta, que puedes usar en un bloque de texto o en otro componente.

Componentes Relacionados

• LCAgentComponent – La clase base que provee la lógica común para agentes.
• AgentAsyncHandler – Maneja los callbacks y la comunicación asíncrona del agente.
• create_csv_agent – Función de LangChain que crea el agente a partir de un CSV.

Consejos y Mejores Prácticas

• Mantén tus CSVs pequeños: Los modelos de lenguaje pueden manejar archivos de hasta unos pocos miles de filas sin problemas.
• Usa openai-tools cuando necesites una mayor precisión y menos ruido en las respuestas.
• Activa Verbose solo cuando necesites depurar, ya que genera mucha salida.
• Gestiona los errores de análisis con Handle Parse Errors para evitar que el flujo se detenga por datos mal formateados.

Consideraciones de Seguridad

• Datos sensibles: Si tu CSV contiene información confidencial, revisa las políticas de privacidad de tu LLM antes de enviarlo.
• Control de acceso: Asegúrate de que solo usuarios autorizados puedan cargar archivos CSV en el sistema.
• Logs: Si Verbose está activado, los logs pueden contener datos sensibles; almacénalos de forma segura.