Amazon S3
Amazon S3 lee archivos guardados en un bucket de Amazon S3: un archivo concreto o los archivos de una carpeta. Puede entregar el texto de los archivos, para que un agente o un modelo trabaje con él, o los propios archivos, para pasarlos a otro componente.
Úsalo cuando los documentos con los que trabaja tu flujo ya están en el almacenamiento de Amazon de tu empresa.
Cuándo usarlo
- Leer los contratos o las facturas en PDF que otra aplicación deja en una carpeta de S3.
- Cargar la documentación interna de un bucket en una base de conocimiento para consultarla con un agente.
- Revisar cada día solo los archivos nuevos de una carpeta.
- Obtener la lista de archivos de una carpeta, con su información, sin descargar su contenido.
Configuración
El componente necesita una credencial AWS S3 bucket con la clave de acceso, la clave secreta, el bucket y la región. Ver Credenciales.
| Campo | Qué hace |
|---|---|
| Credential (obligatorio) | La credencial de Amazon S3 que se usa para acceder al bucket. |
| S3 Object | El archivo concreto que quieres leer. Si lo eliges, el componente lee solo ese archivo. |
| S3 Prefix | La carpeta que quieres leer. Se usa cuando no eliges ningún archivo en S3 Object. |
| File Type | Qué archivos se leen o se listan de una carpeta: all (todos) o documents (solo documentos de texto). Por defecto, all. |
| S3 Object Key | Si conectas datos en Data with file, el nombre del campo de esos datos que contiene el archivo que hay que leer. Por defecto, file_id. |
| S3 Prefix Key | Si conectas datos en Data with file, el nombre del campo que contiene la carpeta que hay que leer. Por defecto, folder_id. |
| S3 Session Token | Opcional. Un token de sesión temporal, si tu cuenta de Amazon lo exige. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Data with file | Conecta aquí una lista de datos para leer un archivo o una carpeta distinta por cada elemento. El componente toma la ruta de los campos indicados en S3 Object Key y S3 Prefix Key y añade el contenido leído a cada elemento. |
| Always Include Regex | Patrón que deben cumplir los archivos de una carpeta para leerse, por ejemplo \.pdf$ para los PDF. Puedes poner varios separados por comas. |
| Ignore Files Regex | Patrón de los archivos o carpetas que no quieres leer. Puedes poner varios separados por comas. |
| Download File content | En la salida Files, al leer una carpeta, descarga también el contenido de cada archivo. Si está desactivado, la salida devuelve solo la lista de archivos con su información. |
| Max Concurrency Download | Cuántos archivos se descargan a la vez. Por defecto, 10. |
| Crawl Only Folders | En la salida Files, devuelve solo las carpetas, sin los archivos. Por defecto, desactivado. |
| Max Depth | En la salida Files, hasta cuántos niveles de subcarpetas se recorren. Por defecto, 4. |
| Check Point Database Directory, Check Point Database y Check Point Table | Indican una tabla donde están registrados los archivos ya procesados. Los archivos que figuren en ella no se vuelven a leer. Déjalos vacíos si no la usas. |
| Batch Size | Limita cuántos archivos de una carpeta se leen en cada ejecución. Con 0 no hay límite. |
Resultado
- Data: el texto de cada archivo leído, junto con información como su nombre y su ubicación. Conéctalo a un agente, a un modelo o a un almacén de documentos.
- Files: los archivos tal cual, para pasarlos a componentes que trabajan con archivos. Si lees una carpeta sin activar Download File content, entrega la lista de archivos con su información.
Ejemplo
Un equipo de administración recibe las facturas de sus proveedores en la carpeta facturas/pendientes de un bucket:
- Añade Amazon S3, elige la credencial y, en S3 Prefix, la carpeta
facturas/pendientes. - En Always Include Regex, escribe
\.pdf$para leer solo los PDF. - Conecta Data a un agente que extraiga el proveedor, la fecha y el importe de cada factura.
- Guarda el resultado en una hoja de cálculo.
Buenas prácticas
- Lee solo la carpeta que necesitas: cuanto más concreta sea, más rápida será la ejecución.
- Usa Batch Size si la carpeta tiene muchos archivos y prefieres procesarlos poco a poco.
Componentes relacionados
- PDF Extractor: extrae el texto de documentos PDF.
- Parse Data: convierte los datos leídos en texto.