{ "name": "comparacion_pedidos", "nodes": [ { "parameters": { "model": { "__rl": true, "value": "o4-mini", "mode": "list", "cachedResultName": "o4-mini" }, "options": { "frequencyPenalty": 0, "responseFormat": "json_object", "presencePenalty": 0, "reasoningEffort": "high", "timeout": 60000000, "maxRetries": 5 } }, "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi", "typeVersion": 1.2, "position": [ 1800, 360 ], "id": "e217139d-53e6-442c-81f9-7f8349424136", "name": "OpenAI Chat Model", "credentials": { "openAiApi": { "name": "" } } }, { "parameters": {}, "type": "n8n-nodes-base.merge", "typeVersion": 3.1, "position": [ 1300, 120 ], "id": "e03a84cd-4f41-4b16-bec4-327e30b6e9ea", "name": "Merge", "executeOnce": false }, { "parameters": { "conditions": { "options": { "caseSensitive": true, "leftValue": "", "typeValidation": "loose", "version": 2 }, "conditions": [ { "id": "02a8dc86-1957-4454-8380-6b240ed208a9", "leftValue": "={{ $json.Resultado.toBoolean() }}", "rightValue": "", "operator": { "type": "boolean", "operation": "true", "singleValue": true } } ], "combinator": "and" }, "looseTypeValidation": true, "options": {} }, "type": "n8n-nodes-base.if", "typeVersion": 2.2, "position": [ 2860, 120 ], "id": "7f8be2f6-65dc-4598-8020-dd7b29328c44", "name": "If" }, { "parameters": { "jsonSchemaExample": "{\n \"resultado\": true,\n \"descripcion\": \"Se detectaron todos los escenarios y todo coincide con los detalles----'.\"\n}\n" }, "type": "@n8n/n8n-nodes-langchain.outputParserStructured", "typeVersion": 1.2, "position": [ 2520, 420 ], "id": "38bcad0a-ed73-421b-85b5-9269c45a50cf", "name": "Structured Output Parser" }, { "parameters": { "assignments": { "assignments": [ { "id": "418a638b-c9ce-4f19-97dd-e069e747cf46", "name": "Todo ok", "value": true, "type": "boolean" } ] }, "options": {} }, "type": "n8n-nodes-base.set", "typeVersion": 3.4, "position": [ 3080, -40 ], "id": "7a59053c-96f6-47ed-9a4c-315c309717ff", "name": "bien" }, { "parameters": { "aggregate": "aggregateAllItemData", "options": {} }, "type": "n8n-nodes-base.aggregate", "typeVersion": 1, "position": [ 1580, 120 ], "id": "35a03066-4f64-4b9c-8abb-d8e00e86bd89", "name": "Aggregate" }, { "parameters": { "promptType": "define", "text": "=Aqu\u00ed est\u00e1 la data para ambos casos:\n\n ORDEN DE PEDIDO: {{ $json.data[0].markdown }}\n\nCONFIRMACION DE LA ORDEN: {{ $json.data[1].data[0].propertyName[0] }}", "options": { "systemMessage": "\n\nERES UN ANALISTA HIPERESPECIALIZADO EN VALIDACI\u00d3N DE PEDIDOS, ENTRENADO PARA DETECTAR CORRESPONDENCIAS FUNCIONALES ENTRE \u00d3RDENES DE PEDIDO (OP) Y CONFIRMACIONES DE PEDIDO (CP), INCLUSO CUANDO EXISTEN DIFERENCIAS DE TERMINOLOG\u00cdA, ESTRUCTURA O FORMATO. TU FUNCI\u00d3N PRINCIPAL ES EVALUAR LA EQUIVALENCIA FUNCIONAL Y (CUANDO APLIQUE) FINANCIERA DE LOS \u00cdTEMS INCLUIDOS EN LA OP EN RELACI\u00d3N A LA CP.\n\n---\n\n## \ud83e\udde0 CADENA DE PENSAMIENTO DETALLADA (CHAIN OF THOUGHT) ##\n\n1. **LECTURA CONTEXTUAL COMPLETA**:\n - ANALIZA AMBOS DOCUMENTOS EN SU TOTALIDAD, INCLUYENDO CABECERAS, TABLAS Y PIE DE P\u00c1GINA.\n - DETECTA CONTEXTO GLOBAL COMO ATRIBUTOS DEFINIDOS FUERA DE LA L\u00cdNEA DEL \u00cdTEM.\n\n2. **NORMALIZACI\u00d3N DE \u00cdTEMS DE LA OP**:\n - EXTRAER: FUNCI\u00d3N, MODELO, COLOR, DIMENSIONES, CANTIDAD.\n - RECOGER ATRIBUTOS DISPERSOS.\n\n3. **NORMALIZACI\u00d3N DE \u00cdTEMS DE LA CP**:\n - IDENTIFICAR \u00cdTEMS AUN SI TIENEN DESCRIPCI\u00d3N DIFERENTE.\n - UNIFICAR FORMATO DE ATRIBUTOS PARA COMPARAR.\n\n4. **COMPARACI\u00d3N FUNCIONAL ITEM A ITEM**:\n - PARA CADA \u00cdTEM DE LA OP, EVALUAR:\n - \u00bfLA FUNCI\u00d3N ES IGUAL?\n - \u00bfCOINCIDEN DIMENSIONES, COLOR, MODELO Y CANTIDAD?\n - \u00bfLOS ATRIBUTOS EST\u00c1N CLARAMENTE DEFINIDOS EN LA CP?\n\n5. **VERIFICACI\u00d3N DEL MONTO FINAL (CONDICIONAL)**:\n - SOLO SI AMBOS DOCUMENTOS LO PRESENTAN CLARAMENTE.\n - COMPARAR Y APLICAR MARGEN DE 1\u20ac COMO UMBRAL M\u00c1XIMO DE TOLERANCIA.\n\n6. **GENERACI\u00d3N DEL OUTPUT**:\n - FORMATO JSON CON SOLO LOS CAMPOS `\"resultado\"` Y `\"descripcion\"`.\n - INCLUIR EXPLICACIONES DETALLADAS PARA CADA DISCREPANCIA O MATCH DETECTADO.\n\n---\n\n### \ud83d\udd0d (AN\u00c1LISIS CONTEXTUAL): ###\n- DEBES LEER AMBOS DOCUMENTOS EN SU TOTALIDAD PARA CAPTAR CONTEXTO GLOBAL.\n- IDENTIFICA ATRIBUTOS QUE PUEDAN ESTAR DISPERSOS (e.g., color, modelo, medidas, cantidades).\n- PRIORIZA EL SIGNIFICADO FUNCIONAL DEL \u00cdTEM SOBRE SU NOMBRE EXACTO.\n\n### \ud83d\udd27 (SEM\u00c1NTICA FUNCIONAL): ###\n- DETECTA EQUIVALENCIAS FUNCIONALES AUNQUE LA TERMINOLOG\u00cdA VAR\u00cdE.\n- \"PUERTA C/T\" ES FUNCIONALMENTE IGUAL A \"PUERTA CON MARCO\" SI EL RESTO DE ATRIBUTOS COINCIDEN.\n- NO BASTA UNA COINCIDENCIA LITERAL: SE REQUIERE UNA FUNCI\u00d3N Y ATRIBUTOS IGUALES.\n\n### \ud83d\udcca (PATRONES Y ATRIBUTOS): ###\n- PARA CADA \u00cdTEM DE LA OP, EXTRAER:\n - FUNCI\u00d3N PRINCIPAL\n - COLOR\n - DIMENSIONES\n - MODELO/C\u00d3DIGO\n - CANTIDAD Y UNIDAD\n- NORMALIZA LA INFORMACI\u00d3N PARA PODER COMPARAR CON SU CONTRAPARTE EN LA CP.\n\n### \ud83d\udd01 (EVALUACI\u00d3N ITEM A ITEM): ###\n- COMPARA CADA \u00cdTEM DE LA OP CONTRA POSIBLES MATCHES EN LA CP.\n- SI NO EXISTE UN MATCH FUNCIONAL CLARO Y COMPLETO, EL RESULTADO DEBE SER `false`.\n- VERIFICA CANTIDADES Y ATRIBUTOS INCLUSO CUANDO EST\u00c9N DISTRIBUIDOS EN DISTINTAS ZONAS.\n\n### \ud83d\udcc9 (CONDICIONALIDAD DE MONTO): ###\n- SOLO EVALUAR EL MONTO TOTAL SI AMBOS DOCUMENTOS LO PRESENTAN DE FORMA CLARA Y ESTRUCTURADA.\n- SI AMBOS MONTOS SON EXTRA\u00cdBLES Y LA DIFERENCIA ES > 1\u20ac, EL RESULTADO DEBE SER `false`.\n- SI UNO DE LOS DOS DOCUMENTOS NO INCLUYE MONTO TOTAL, NO CONSIDERARLO COMO FACTOR DECISIVO.\n\n### \ud83d\udd10 (CONTROL DE REFERENCIA): ###\n- EL N\u00daMERO DE REFERENCIA **NO DEBE SER EXTRA\u00cdDO NI FORMAR PARTE DEL OUTPUT**.\n- SOLO UTIL\u00cdZALO PARA PROP\u00d3SITOS INTERNOS DE COMPARACI\u00d3N SI EST\u00c1 PRESENTE EN LA OP.\n- SI NO FIGURA EN LA CP, NO IMPLICA FALLO ALGUNO.\n\n## RESPONSABLES\n\n- ERES EL RESPONSABLE DE EJECUTAR CADA UNO DE LOS PASOS Y SUS PARAMETROS DE MANERA IMPECABLE SEGUIENDO LAS INSTRUCCIONES DADAS\n\n\n## \ud83e\uddea EJEMPLOS DE RESPUESTA V\u00c1LIDA ##\n\n- COSTADO DECORATIVO 800\u00d7375 (1 ud) \u2192 Costado 1 Cara 800\u00d7375\u00d719 (1 ud) \n\n\u2705 COINCIDENCIA FUNCIONAL:\n```json\n{\n \"resultado\": true,\n \"descripcion\": \"El \u00edtem 'VENTANA OSCILOBATIENTE 1200x1000 BLANCA' en la OP coincide funcionalmente con 'VENTANA OB (mod. 45)' en la CP. Las dimensiones y el color est\u00e1n definidos en la cabecera. La cantidad y unidad coinciden.\"\n}\n```\n- PUERTA DERECHA 707\u00d7397 (1 ud) \u2192 NO existe ning\u00fan \u00edtem 707\u00d7397 en la CP.\n\n\u274c DISCREPANCIA FUNCIONAL Y MONTO NO EVALUADO:\n```json\n{\n \"resultado\": false,\n \"descripcion\": \"El \u00edtem 'PUERTA NEGRA 2150x617' no tiene correspondencia funcional en la CP. Se menciona una 'PUERTA 8001', pero no se especifica color ni dimensiones. La CP tampoco presenta monto final, por lo que no se evalu\u00f3 ese aspecto.\"\n}\n```\n\n\n---\n\n## CONTEXTO\n\n- ESTAS TRABAJANDO PARA EL DEPARTAMENTO DE COMPRAS DE UNA EMPRESA LA CUAL EMITE ORDENES DE PEDIDO Y TIENE QUE CONFIRMAR QUE LA RESPUESTA DEL PROVEEDOR CUMPLA CON LAS EXPECTATIVAS CLARAS DEL PEDIDO INICIAL, ESTE TRABAJO ES CLAVE YA QUE TODA LA OPERATIVA DE LA EMPRESA DEPENDE DE ELLO Y TU SALARIO PARA MANTENER A TU FAMILIA TAMBI\u00c9N, DE MODO QUE ES INDISPENSABLE QUE SE HAGA CORRECTAMENTE ESTE PROCESO.\n\n## \u26a0\ufe0f QU\u00c9 NO HACER (NEGATIVE PROMPT) ##\n\n- \u274c **NO EXTRAIGAS REFERENCIAS** NI LAS INCLUYAS EN EL OUTPUT. IGNORA \"PO/\", \"N\u00ba\", ETC.\n- \u274c **NO ASUMAS COINCIDENCIA FUNCIONAL POR TERMINOLOG\u00cdA SIMILAR SI LOS ATRIBUTOS NO COINCIDEN.**\n- \u274c **NO GENERES RESPUESTAS AMBIGUAS** COMO \u201cCOINCIDENCIA DETECTADA\u201d SIN EXPLICACI\u00d3N FUNCIONAL.\n- \u274c **NO GENERES OUTPUTS QUE ROMPAN EL PARSER**: EL OUTPUT DEBE TENER SOLO `\"resultado\"` Y `\"descripcion\"`.\n- \u274c **NO OMITAS ATRIBUTOS CLAVE** COMO DIMENSIONES, COLOR, CANTIDAD O FUNCI\u00d3N EN LA COMPARACI\u00d3N.\n- \u274c **NO EVAL\u00daES EL MONTO TOTAL SI ALGUNO DE LOS DOCUMENTOS NO LO PRESENTA DE FORMA EXPL\u00cdCITA.**\n- \u274c **NO RETORNES TRUE SI HAY ALGUNA DISCREPANCIA.**\n---\n\n### \u2705 (TIPO DE OUTPUT ESTRICTO): ###\n- FORMATO \u00daNICO OBLIGATORIO DEL OUTPUT:\n```json\n{\n \"resultado\": true | false,\n \"descripcion\": \"Texto explicativo que detalle claramente si hay coincidencia funcional item a item, o bien, donde se produce la discrepancia. Incluir detalles sobre cantidades, atributos funcionales, y razones espec\u00edficas si el resultado es false.\"\n}\n```\n\n\n---\n\n## \ud83d\udea8 REGLAS CR\u00cdTICAS A RECORDAR ##\n\n- TODOS LOS \u00cdTEMS DE LA OP DEBEN TENER MATCH FUNCIONAL COMPLETO EN LA CP.\n- EL MONTO FINAL SOLO CUENTA SI AMBOS DOCUMENTOS LO INCLUYEN CLARAMENTE.\n- LA REFERENCIA SOLO SE USA COMO AYUDA PARA MATCHES \u2014 JAM\u00c1S SE EXTRAE NI INCLUYE EN EL OUTPUT.\n- FORMATO ESTRICTO: SOLO `\"resultado\"` Y `\"descripcion\"`. NADA M\u00c1S.\n\n" } }, "type": "@n8n/n8n-nodes-langchain.agent", "typeVersion": 1.9, "position": [ 1860, 120 ], "id": "9483cb75-2d2e-4863-9fc1-0639d6c24cfc", "name": "AI Agent" }, { "parameters": { "amount": 1, "unit": "minutes" }, "type": "n8n-nodes-base.wait", "typeVersion": 1.1, "position": [ 260, -100 ], "id": "e8fc53ef-a238-4867-b36b-53146c56cab6", "name": "Wait" }, { "parameters": { "assignments": { "assignments": [ { "id": "6796724a-be51-4b80-b8ec-cca1cbcf6d64", "name": "Todo mal", "value": false, "type": "boolean" } ] }, "options": {} }, "type": "n8n-nodes-base.set", "typeVersion": 3.4, "position": [ 3080, 320 ], "id": "61c760f0-dd57-4e80-a222-20723eef1dda", "name": "Mal" }, { "parameters": { "options": {} }, "type": "n8n-nodes-base.splitInBatches", "typeVersion": 3, "position": [ 140, 300 ], "id": "1d679669-8eac-4508-a2d3-51db7ef5240e", "name": "Loop Over Items" }, { "parameters": { "amount": 2, "unit": "minutes" }, "type": "n8n-nodes-base.wait", "typeVersion": 1.1, "position": [ 560, 340 ], "id": "73dc3ed3-46c8-4b81-85e9-16690d81b2c3", "name": "Wait2" }, { "parameters": { "method": "POST", "url": "https://api.cloud.llamaindex.ai/api/v1/parsing/upload", "sendHeaders": true, "headerParameters": { "parameters": [ { "name": "accept", "value": "application/json" }, { "name": "Authorization", "value": "" } ] }, "sendBody": true, "contentType": "multipart-form-data", "bodyParameters": { "parameters": [ { "name": "premium_mode", "value": "true" }, { "parameterType": "formBinaryData", "name": "file", "inputDataFieldName": "data" }, { "name": "parsing_instructions", "value": "Extraer con la m\u00e1xima fidelidad posible, prestando especial atenci\u00f3n a la estructura de las tablas, la correcta secuenciaci\u00f3n del texto en dise\u00f1os complejos de varias columnas, y la integridad de los elementos visuales descritos. Convertir ecuaciones a LaTeX si es posible. No omitir texto en cabeceras, pies de p\u00e1gina o notas al margen." } ] }, "options": {} }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 80, -100 ], "id": "24c4a6e3-e640-4f09-b29e-c8e5a905f69f", "name": "Creaci\u00f3n de trabajo" }, { "parameters": { "method": "POST", "url": "https://api.cloud.llamaindex.ai/api/v1/parsing/upload", "sendHeaders": true, "headerParameters": { "parameters": [ { "name": "accept", "value": "application/json" }, { "name": "Authorization", "value": "" } ] }, "sendBody": true, "contentType": "multipart-form-data", "bodyParameters": { "parameters": [ { "parameterType": "formBinaryData", "name": "file", "inputDataFieldName": "=data" }, { "name": "parsing_instructions", "value": "Extraer con la m\u00e1xima fidelidad posible, prestando especial atenci\u00f3n a la estructura de las tablas, la correcta secuenciaci\u00f3n del texto en dise\u00f1os complejos de varias columnas, y la integridad de los elementos visuales descritos. Convertir ecuaciones a LaTeX si es posible. No omitir texto en cabeceras, pies de p\u00e1gina o notas al margen." } ] }, "options": { "batching": { "batch": { "batchSize": 1, "batchInterval": 4000 } } } }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 380, 340 ], "id": "3429530a-a0e2-48db-a324-add566a272d3", "name": "Creaci\u00f3n de trabajo2", "retryOnFail": true }, { "parameters": { "url": "=https://api.cloud.llamaindex.ai/api/v1/parsing/job/{{ $json.id }}", "sendHeaders": true, "headerParameters": { "parameters": [ { "name": "accept", "value": "application/json" }, { "name": "Authorization", "value": "" } ] }, "options": {} }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 420, -100 ], "id": "b960c5e4-f051-422e-b5fe-8688507fb5b9", "name": "Estatus", "retryOnFail": true }, { "parameters": { "url": "=https://api.cloud.llamaindex.ai/api/v1/parsing/job/{{ $json.id }}", "sendHeaders": true, "headerParameters": { "parameters": [ { "name": "accept", "value": "application/json" }, { "name": "Authorization", "value": "" } ] }, "options": {} }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 720, 340 ], "id": "ad173061-9748-4ce2-8daa-0ea77e626faa", "name": "Estatus 2", "retryOnFail": false }, { "parameters": { "url": "=https://api.cloud.llamaindex.ai/api/v1/parsing/job/{{ $json.id }}/result/markdown ", "sendHeaders": true, "headerParameters": { "parameters": [ { "name": "accept", "value": "application/json" }, { "name": "Authorization", "value": "" } ] }, "options": {} }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 580, -100 ], "id": "74da630e-a969-4bb1-ad27-a26f76b9885c", "name": "Obtener data", "retryOnFail": true }, { "parameters": { "url": "=https://api.cloud.llamaindex.ai/api/v1/parsing/job/{{ $json.id }}/result/markdown ", "sendHeaders": true, "headerParameters": { "parameters": [ { "name": "accept", "value": "application/json" }, { "name": "Authorization", "value": "" } ] }, "options": {} }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 880, 340 ], "id": "4365bac5-195b-4bb6-a785-9b9dd59edbfb", "name": "Obtener data 2", "retryOnFail": true }, { "parameters": { "aggregate": "aggregateAllItemData", "options": {} }, "type": "n8n-nodes-base.aggregate", "typeVersion": 1, "position": [ 860, 120 ], "id": "056f34a0-fc7a-46f4-ad42-81be35dba125", "name": "Sintetizar_confirmaci\u00f3n" }, { "parameters": { "jsCode": "// Obtenemos todos los items del nodo \u201ctesting\u201d\nconst allItems = $(\"confirmacion\").all();\nconst results = [];\n\nfor (const item of allItems) {\n // Si no hay datos binarios, pasamos al siguiente item\n const binaries = item.binary || {};\n\n // Recorremos cada campo binario en este item\n for (const key in binaries) {\n const binaryData = binaries[key]; // Objeto con { data, fileName, mimeType, ... }\n\n // 1) Validar que exista fileName y mimeType\n const fileName = binaryData.fileName || \"\";\n const mimeType = binaryData.mimeType || \"\";\n\n // 2) Comprobar que sea PDF por extensi\u00f3n o por mimeType\n const isPdfByExtension = fileName.toLowerCase().endsWith(\".pdf\");\n const isPdfByMimeType = mimeType === \"application/pdf\";\n\n if (isPdfByExtension || isPdfByMimeType) {\n // Solo si es PDF, empujamos a los resultados\n results.push({\n binary: {\n data: binaryData, // conservamos todo el buffer/data\n },\n json: {\n inputFieldName: 'data',\n originalName: key,\n // Si no tiene fileName, forzamos extensi\u00f3n .pdf\n fileName: fileName || `${key}.pdf`,\n }\n });\n }\n // Si no es PDF, simplemente ignoramos este key y no lo agregamos\n }\n}\n\n// Devolvemos \u00fanicamente los adjuntos que cumplen con PDF\nreturn results;\n" }, "type": "n8n-nodes-base.code", "typeVersion": 2, "position": [ -140, 300 ], "id": "2f4d2131-c49b-4722-ba5b-d867f36d501d", "name": "Junta de archivos" }, { "parameters": { "operation": "push", "list": "buffer", "messageData": "={{ $json.markdown }}", "tail": true }, "type": "n8n-nodes-base.redis", "typeVersion": 1, "position": [ 1060, 340 ], "id": "5c596f97-4750-41f4-af74-146c65e7e735", "name": "push_buffer", "onError": "continueRegularOutput" }, { "parameters": { "operation": "get", "key": "buffer", "options": {} }, "type": "n8n-nodes-base.redis", "typeVersion": 1, "position": [ 620, 120 ], "id": "f724cf25-34d1-480f-bef9-213532476b37", "name": "Pull_buffer" }, { "parameters": { "operation": "delete", "key": "buffer" }, "type": "n8n-nodes-base.redis", "typeVersion": 1, "position": [ 1580, -80 ], "id": "3c760a8c-63a7-4a2c-87bc-620d60b24191", "name": "Detele_buffer" }, { "parameters": {}, "type": "n8n-nodes-base.noOp", "typeVersion": 1, "position": [ -20, 120 ], "id": "ba1a216a-6471-4cd9-888a-e6b8a35ec998", "name": "Chao" }, { "parameters": { "conditions": { "options": { "caseSensitive": true, "leftValue": "", "typeValidation": "loose", "version": 2 }, "conditions": [ { "id": "5ad136e2-6305-4ab0-9f6a-5542e13c5273", "leftValue": "={{ $json.output.resultado }}", "rightValue": "", "operator": { "type": "boolean", "operation": "true", "singleValue": true } } ], "combinator": "and" }, "looseTypeValidation": true, "options": {} }, "type": "n8n-nodes-base.if", "typeVersion": 2.2, "position": [ -540, 100 ], "id": "210b6ad0-5f75-4f22-ac6c-f47db86f9ec6", "name": "Validando" }, { "parameters": {}, "type": "n8n-nodes-base.noOp", "typeVersion": 1, "position": [ 3240, 320 ], "id": "24c602ba-941b-4b81-9692-c74733dd32c3", "name": "No Operation, do nothing1" }, { "parameters": { "jsCode": "// Obtenemos todos los items del nodo \u201ctesting\u201d\nconst allItems = $(\"ORDEN_PEDIDO\").all();\nconst results = [];\n\nfor (const item of allItems) {\n // Si no hay datos binarios, pasamos al siguiente item\n const binaries = item.binary || {};\n\n // Recorremos cada campo binario en este item\n for (const key in binaries) {\n const binaryData = binaries[key]; // Objeto con { data, fileName, mimeType, ... }\n\n // 1) Validar que exista fileName y mimeType\n const fileName = binaryData.fileName || \"\";\n const mimeType = binaryData.mimeType || \"\";\n\n // 2) Comprobar que sea PDF por extensi\u00f3n o por mimeType\n const isPdfByExtension = fileName.toLowerCase().endsWith(\".pdf\");\n const isPdfByMimeType = mimeType === \"application/pdf\";\n\n if (isPdfByExtension || isPdfByMimeType) {\n // Solo si es PDF, empujamos a los resultados\n results.push({\n binary: {\n data: binaryData, // conservamos todo el buffer/data\n },\n json: {\n inputFieldName: 'data',\n originalName: key,\n // Si no tiene fileName, forzamos extensi\u00f3n .pdf\n fileName: fileName || `${key}.pdf`,\n }\n });\n }\n // Si no es PDF, simplemente ignoramos este key y no lo agregamos\n }\n}\n\n// Devolvemos \u00fanicamente los adjuntos que cumplen con PDF\nreturn results;\n" }, "type": "n8n-nodes-base.code", "typeVersion": 2, "position": [ -120, -100 ], "id": "e21667be-cc31-4a44-b9b8-45ed9c80bbb8", "name": "Filtrado de archivos" }, { "parameters": { "promptType": "define", "text": "=El texto a analizar es:\n\n{{ $json.output }}", "hasOutputParser": true, "messages": { "messageValues": [ { "message": " TU TAREA ES MUY SIMPLE: 1. RECIBIR\u00c1S UN JSON CON DOS CAMPOS: \"resultado\" Y \"descripcion\" 2. DEBES COPIAR **EXACTAMENTE** ESOS DOS VALORES Y PEGARLOS EN ESTE FORMATO: { \"resultado\": [valor], \"descripcion\": \"[texto]\" } 3. NO CAMBIES NING\u00daN TEXTO 4. NO INVENTES NADA \u2705 EJEMPLO: ENTRADA: { \"resultado\": true, \"descripcion\": \"Todo coincide con los detalles.\", } SALIDA: { \"resultado\": true, \"descripcion\": \"Todo coincide con los detalles.\", } \ud83d\udeab NO HAGAS ESTO: - NO EXPLIQUES NADA - NO RESUMAS - NO CAMBIES PALABRAS - NO BORRES CAMPOS SOLO COPIA Y PEGA LOS TRES CAMPOS EN ESE FORMATO. # NOTA: ASEGURATE RETORNAR EL RESULTADO EN UN DATO BOOLEANO VALIDO." } ] }, "batching": {} }, "type": "@n8n/n8n-nodes-langchain.chainLlm", "typeVersion": 1.7, "position": [ 2300, 120 ], "id": "b3277f07-a117-4b0c-8a9f-bc0a82025515", "name": "Basic LLM Chain1" }, { "parameters": { "model": { "__rl": true, "value": "gpt-4.1-nano", "mode": "list", "cachedResultName": "gpt-4.1-nano" }, "options": { "temperature": 0.1, "topP": 0.7 } }, "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi", "typeVersion": 1.2, "position": [ 2280, 420 ], "id": "14c2d61f-bdc2-44a1-ae74-12e09ea2daa2", "name": "OpenAI Chat Model2" }, { "parameters": { "resource": "folderMessage", "folderId": { "__rl": true, "value": "AQMkADgzYzBhZTU1AC0yNWI1LTQ5NmUtYmQyMy0xNmEyMzIzZWExZDUALgAAA4H-UkPlQapNt0XbTVzt24kBAHQU56hgMDNLkaCEZQJGyyQAAAIBCQAAAA==", "mode": "list", "cachedResultName": "Elementos enviados", "cachedResultUrl": "https://outlook.office365.com/mail/AQMkADgzYzBhZTU1AC0yNWI1LTQ5NmUtYmQyMy0xNmEyMzIzZWExZDUALgAAA4H%2FUkPlQapNt0XbTVzt24kBAHQU56hgMDNLkaCEZQJGyyQAAAIBCQAAAA%3D%3D" }, "limit": 1, "filtersUI": { "values": { "filters": { "custom": "=contains(subject, 'Pedido de compra {{ $json.output.referencia }} de Muebles Incosur S.L.U')", "hasAttachments": true } } }, "options": { "downloadAttachments": true } }, "type": "n8n-nodes-base.microsoftOutlook", "typeVersion": 2, "position": [ -300, -100 ], "id": "ea4a1617-b094-4aaf-ba15-3a2292ffab6b", "name": "ORDEN_PEDIDO", "credentials": { "microsoftOutlookOAuth2Api": { "name": "" } } }, { "parameters": { "tableId": "ejecuciones_compras_comparativa", "fieldsUi": { "fieldValues": [ { "fieldId": "resultado", "fieldValue": "={{true}}" }, { "fieldId": "descripci\u00f3n", "fieldValue": "={{ $json.output.descripcion }}" }, { "fieldId": "numero_referencia", "fieldValue": "={{ $json.output.referencia }}" } ] } }, "type": "n8n-nodes-base.supabase", "typeVersion": 1, "position": [ 3440, -40 ], "id": "ad1d5774-e0c7-441d-accd-6b9546c10fc7", "name": "Supabase", "disabled": true }, { "parameters": {}, "type": "n8n-nodes-base.noOp", "typeVersion": 1, "position": [ 3240, -40 ], "id": "42bf1680-b98b-48a0-8500-ab3bd5b62062", "name": "No Operation, do nothing" }, { "parameters": { "tableId": "ejecuciones_compras_comparativa", "fieldsUi": { "fieldValues": [ { "fieldId": "resultado", "fieldValue": "={{false}}" }, { "fieldId": "descripci\u00f3n", "fieldValue": "={{ $json.output.descripcion }}" }, { "fieldId": "numero_referencia", "fieldValue": "={{ $json.output.referencia }}" } ] } }, "type": "n8n-nodes-base.supabase", "typeVersion": 1, "position": [ 3440, 320 ], "id": "e4e8c019-810e-4084-a0a1-2c16d4907056", "name": "Supabase1", "disabled": true }, { "parameters": { "promptType": "define", "text": "=La cabecera del correo a analizar es:\n{{ $json.subject }}\n\nEl correo lo emite:\n{{ $json.from }}\n\nASEGURATE DE EXTRAER LA REFERENCIA EN EL FORMATO CORRECTO EN CASO DE SER NECESARIO\n\nY el cuerpo es:\n{{ $json.bodyPreview }}\n\nIdentifica el topico, cuando sea la confirmaci\u00f3n de un pedido en CUALQUIER CASO (ejemplo: 'su pedido fue tramitado', o 'confirmacion de pedido...', o 'su pedido fue registrado con exito...') identifica el topico de manera precisa. se debe retornar true con el respectivo numero de referencia.\n\nLA REFERENCIA DEBE SER EXTRAIDA SIN NINGUNA CLASE DE PREFIJO, ESTO ES OBLIGATORIO.\n\nIDENTIFICA EL TOPICO INCLUSO SI NO EST\u00c1 EN ESPA\u00d1OL, SIEMPRE QUE ESTE RELACIONADO A LA CONFIRMACION DE UN PEDIDO ES TRUE.\n\n##NOTAS:\n\n- IDENTIFICA EL TOPICO INCLUSO SI ESTA EN ITALIANO O INGLES. PODR\u00cdA LLEGAR TAMBIEN EN ESOS CASOS, ANALIZA SI ES OTRO IDIOMA Y CORRESPONDE A LA CONFIRMACION DE UN PEDIDO.", "hasOutputParser": true, "options": { "systemMessage": "=\nROL Y DIRECTIVA PRIMARIA:\nACT\u00daAS COMO UN MOTOR DE AN\u00c1LISIS Y EXTRACCI\u00d3N DE DATOS HIPERPRECISO. TU \u00daNICA FUNCI\u00d3N ES PROCESAR EL TEXTO DE ENTRADA (CORREO ELECTR\u00d3NICO) Y DEVOLVER UN OBJETO JSON BASADO EN UN CONJUNTO ESTRICTO DE REGLAS. LA PRECISI\u00d3N ES CR\u00cdTICA. EL VALOR POR DEFECTO ES SIEMPRE {\"resultado\": false, \"referencia\": null} A MENOS QUE SE CUMPLAN TODAS LAS CONDICIONES POSITIVAS.\n\nOBJETIVO CENTRAL\nCLASIFICAR: Determinar si el correo es una confirmaci\u00f3n expl\u00edcita y directa de un nuevo pedido.\nEXTRAER: Si y solo si es una confirmaci\u00f3n de pedido, extraer el n\u00famero de referencia comercial.\nREGLAS DE PROCESAMIENTO (ORDEN ESTRICTO)\n1. CONDICI\u00d3N DE ACTIVACI\u00d3N (GATEKEEPER):\n\nLa intenci\u00f3n principal e inequ\u00edvoca del correo debe ser la confirmaci\u00f3n de un nuevo pedido. Busca frases clave expl\u00edcitas como:\nconfirmamos su pedido\nconfirmaci\u00f3n de pedido\nhemos recibido su pedido\nsu pedido ha sido procesado\norden de compra confirmada\nINVALIDACI\u00d3N INMEDIATA: Si el tema central es cualquiera de los siguientes, el proceso termina y se devuelve false:\nAvisos de env\u00edo o entrega (su pedido ha sido enviado, en tr\u00e1nsito)\nFacturaci\u00f3n (adjuntamos su factura, invoice)\nAlbaranes o notas de entrega\nSoporte t\u00e9cnico, consultas o incidencias\nPublicidad o comunicaciones comerciales\n2. ALGORITMO DE EXTRACCI\u00d3N Y NORMALIZACI\u00d3N (SOLO SI LA REGLA 1 ES TRUE):\n\nB\u00daSQUEDA: Localiza la primera cadena de texto que siga el patr\u00f3n [letras/n\u00fameros][separador][n\u00fameros]. El separador puede ser una barra (/) o un guion (-).\nNORMALIZACI\u00d3N:\nToma la referencia encontrada.\nReemplaza todos los guiones (-) por barras diagonales (/).\nSi la referencia resultante contiene m\u00e1s de una barra diagonal (ej: 456/99/03), trunca la cadena despu\u00e9s de la segunda barra, conservando solo la primera parte (ej: 456/99).\nLIMPIEZA: El valor final en \"referencia\" NO DEBE contener prefijos como \"Ref:\", \"Pedido N\u00ba\", \"#\", etc. Solo la referencia normalizada.\n3. REGLA ESPECIAL DE PROVEEDOR: DIOSSIA\n\nCONDICI\u00d3N: Si el correo identifica al proveedor como \"Diossia\".\nL\u00d3GICA DE PRIORIDAD: El correo puede contener tanto un \"N\u00famero de pedido\" como un \"N\u00famero de referencia\".\nIGNORA el \"N\u00famero de pedido\".\nEXTRAE exclusivamente el valor asociado a \"N\u00famero de referencia\" y apl\u00edcale el algoritmo de normalizaci\u00f3n de la regla 2.\nPROCESO L\u00d3GICO SECUENCIAL (CHAIN OF THOUGHT OBLIGATORIO)\nAntes de generar el JSON, sigue internamente estos pasos:\n\nAn\u00e1lisis de Intenci\u00f3n: \u00bfCu\u00e1l es el prop\u00f3sito fundamental del correo? \u00bfConfirmar, enviar, facturar, informar?\nEvaluaci\u00f3n de Condici\u00f3n Primaria: Basado en el an\u00e1lisis, \u00bfcumple con las frases clave de confirmaci\u00f3n y no cae en ninguna categor\u00eda de invalidaci\u00f3n? Responde (S\u00ed/No).\nIdentificaci\u00f3n de Proveedor (Caso Especial): \u00bfSe menciona a \"Diossia\"? (S\u00ed/No).\nEjecuci\u00f3n de L\u00f3gica:\nSi la condici\u00f3n primaria es \"No\", el resultado es false. Fin del proceso.\nSi la condici\u00f3n primaria es \"S\u00ed\":\nSi el proveedor es \"Diossia\", aplica la Regla 3.\nSi es cualquier otro proveedor, aplica la Regla 2 est\u00e1ndar.\nConstrucci\u00f3n del JSON Final: Ensambla el objeto JSON con resultado y referencia seg\u00fan el paso anterior.\nEJEMPLOS DE ENTRENAMIENTO\nEjemplo 1 \u2014 Confirmaci\u00f3n V\u00c1LIDA (Normalizaci\u00f3n):\n\nCorreo: \"Estimado cliente, confirmamos su pedido. Su n\u00famero de orden es: 456/99-03.\"\nJSON Esperado: {\"resultado\": true, \"referencia\": \"456/99\"}\n\nEjemplo 2 \u2014 Aviso de Env\u00edo (INV\u00c1LIDO):\n\nCorreo: \"Su pedido 123-456 ha sido enviado.\"\nJSON Esperado: {\"resultado\": false, \"referencia\": null}\n\nEjemplo 3 \u2014 Factura (INV\u00c1LIDA):\n\nCorreo: \"Adjuntamos su factura para la referencia 778/12.\"\nJSON Esperado: {\"resultado\": false, \"referencia\": null}\n\nEjemplo 4 \u2014 Confirmaci\u00f3n con Guion (Normalizaci\u00f3n):\n\nCorreo: \"Su compra ha sido aceptada. Orden confirmada: 999-02.\"\nJSON Esperado: {\"resultado\": true, \"referencia\": \"999/02\"}\n\nEjemplo 5 \u2014 CASO ESPECIAL DIOSSIA (V\u00c1LIDO):\n\nCorreo: \"De: Diossia. Asunto: Confirmaci\u00f3n de Pedido. Estimado cliente, confirmamos la recepci\u00f3n de su orden. N\u00famero de pedido: 777123. N\u00famero de referencia: 815/44.\"\nJSON Esperado: {\"resultado\": true, \"referencia\": \"815/44\"}\n\n# NOTAS\n\n-** En caso de que venga un numero de referencia con doble / por ejemplo:\n\nref 00222//251-2222 debes tomr como numero de referencia el numero que est\u00e1 despues del segundo slash. En este caso ser\u00eda 251-2222 y as\u00ed debes aplicarlo para todos los pedidos de manera obligatoria.**\n" } }, "type": "@n8n/n8n-nodes-langchain.agent", "typeVersion": 2, "position": [ -960, 100 ], "id": "54549fa8-96be-4189-a29a-4fdc128122c2", "name": "AI Agent1" }, { "parameters": { "schemaType": "manual", "inputSchema": "{\n \"resultado\": true,\n \"referencia\": \"1245\"\n}" }, "type": "@n8n/n8n-nodes-langchain.outputParserStructured", "typeVersion": 1.2, "position": [ -760, 340 ], "id": "5a83e994-d5ae-4c45-a534-99f9d5c42301", "name": "Structured Output Parser2" }, { "parameters": { "model": { "__rl": true, "value": "gpt-4.1-mini", "mode": "list", "cachedResultName": "gpt-4.1-mini" }, "options": { "temperature": 0 } }, "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi", "typeVersion": 1.2, "position": [ -1000, 340 ], "id": "cbb51de1-0bdc-4530-a52b-e8ed622a54f8", "name": "mini" }, { "parameters": {}, "type": "@n8n/n8n-nodes-langchain.toolThink", "typeVersion": 1, "position": [ -880, 340 ], "id": "159dbde4-7d51-466b-9291-dab47238f7c0", "name": "Think" }, { "parameters": { "assignments": { "assignments": [ { "id": "ebe54e78-3eb1-4979-949a-3b39f8ecfc22", "name": "Resultado", "value": "={{ $json.output.resultado }}", "type": "string" }, { "id": "9488ff61-4619-4f3f-b6b5-81a58a6d38ab", "name": "Descripci\u00f3n", "value": "={{ $json.output.descripcion }}", "type": "string" }, { "id": "daced28c-9025-4748-989f-5de6ab6f1b8d", "name": "Referencia", "value": "={{ $('AI Agent1').item.output.referencia }}", "type": "string" } ] }, "options": {} }, "type": "n8n-nodes-base.set", "typeVersion": 3.4, "position": [ 2660, 120 ], "id": "90782458-f63d-4802-87ca-371243432979", "name": "vars def" }, { "parameters": { "pollTimes": { "item": [ { "mode": "everyMinute" } ] }, "filters": { "foldersToInclude": [ "AQMkADgzYzBhZTU1AC0yNWI1LTQ5NmUtYmQyMy0xNmEyMzIzZWExZDUALgAAA4H-UkPlQapNt0XbTVzt24kBAHQU56hgMDNLkaCEZQJGyyQAAAIBDAAAAA==" ] }, "options": { "downloadAttachments": true } }, "type": "n8n-nodes-base.microsoftOutlookTrigger", "typeVersion": 1, "position": [ -1220, 100 ], "id": "3535f4ad-3611-4854-bf76-98b41fd7bc93", "name": "confirmacion", "credentials": { "microsoftOutlookOAuth2Api": { "name": "" } } } ], "connections": { "OpenAI Chat Model": { "ai_languageModel": [ [ { "node": "AI Agent", "type": "ai_languageModel", "index": 0 } ] ] }, "Merge": { "main": [ [ { "node": "Detele_buffer", "type": "main", "index": 0 }, { "node": "Aggregate", "type": "main", "index": 0 } ] ] }, "If": { "main": [ [ { "node": "bien", "type": "main", "index": 0 } ], [ { "node": "Mal", "type": "main", "index": 0 } ] ] }, "Structured Output Parser": { "ai_outputParser": [ [ { "node": "Basic LLM Chain1", "type": "ai_outputParser", "index": 0 } ] ] }, "bien": { "main": [ [ { "node": "No Operation, do nothing", "type": "main", "index": 0 } ] ] }, "Aggregate": { "main": [ [ { "node": "AI Agent", "type": "main", "index": 0 } ] ] }, "AI Agent": { "main": [ [ { "node": "Basic LLM Chain1", "type": "main", "index": 0 } ] ] }, "Wait": { "main": [ [ { "node": "Estatus", "type": "main", "index": 0 } ] ] }, "Mal": { "main": [ [ { "node": "No Operation, do nothing1", "type": "main", "index": 0 } ] ] }, "Loop Over Items": { "main": [ [ { "node": "Pull_buffer", "type": "main", "index": 0 } ], [ { "node": "Creaci\u00f3n de trabajo2", "type": "main", "index": 0 } ] ] }, "Wait2": { "main": [ [ { "node": "Estatus 2", "type": "main", "index": 0 } ] ] }, "Creaci\u00f3n de trabajo": { "main": [ [ { "node": "Wait", "type": "main", "index": 0 } ] ] }, "Creaci\u00f3n de trabajo2": { "main": [ [ { "node": "Wait2", "type": "main", "index": 0 } ] ] }, "Estatus": { "main": [ [ { "node": "Obtener data", "type": "main", "index": 0 } ] ] }, "Estatus 2": { "main": [ [ { "node": "Obtener data 2", "type": "main", "index": 0 } ] ] }, "Obtener data": { "main": [ [ { "node": "Merge", "type": "main", "index": 0 } ] ] }, "Obtener data 2": { "main": [ [ { "node": "push_buffer", "type": "main", "index": 0 } ] ] }, "Sintetizar_confirmaci\u00f3n": { "main": [ [ { "node": "Merge", "type": "main", "index": 1 } ] ] }, "Junta de archivos": { "main": [ [ { "node": "Loop Over Items", "type": "main", "index": 0 } ] ] }, "push_buffer": { "main": [ [ { "node": "Loop Over Items", "type": "main", "index": 0 } ] ] }, "Pull_buffer": { "main": [ [ { "node": "Sintetizar_confirmaci\u00f3n", "type": "main", "index": 0 } ] ] }, "Validando": { "main": [ [ { "node": "ORDEN_PEDIDO", "type": "main", "index": 0 }, { "node": "Junta de archivos", "type": "main", "index": 0 } ], [ { "node": "Chao", "type": "main", "index": 0 } ] ] }, "Filtrado de archivos": { "main": [ [ { "node": "Creaci\u00f3n de trabajo", "type": "main", "index": 0 } ] ] }, "Basic LLM Chain1": { "main": [ [ { "node": "vars def", "type": "main", "index": 0 } ] ] }, "OpenAI Chat Model2": { "ai_languageModel": [ [ { "node": "Basic LLM Chain1", "type": "ai_languageModel", "index": 0 } ] ] }, "ORDEN_PEDIDO": { "main": [ [ { "node": "Filtrado de archivos", "type": "main", "index": 0 } ] ] }, "AI Agent1": { "main": [ [ { "node": "Validando", "type": "main", "index": 0 } ] ] }, "Structured Output Parser2": { "ai_outputParser": [ [ { "node": "AI Agent1", "type": "ai_outputParser", "index": 0 } ] ] }, "mini": { "ai_languageModel": [ [ { "node": "AI Agent1", "type": "ai_languageModel", "index": 0 } ] ] }, "Think": { "ai_tool": [ [ { "node": "AI Agent1", "type": "ai_tool", "index": 0 } ] ] }, "vars def": { "main": [ [ { "node": "If", "type": "main", "index": 0 } ] ] }, "confirmacion": { "main": [ [ { "node": "AI Agent1", "type": "main", "index": 0 } ] ] } }, "active": false, "settings": { "executionOrder": "v1" }, "versionId": "e8f57f11-f699-4563-9cda-b8306aaf8e2a", "id": "plLUpa8Z2PZGdI6l", "tags": [ { "createdAt": "2025-03-14T13:58:52.826Z", "updatedAt": "2025-03-14T13:58:52.826Z", "id": "zXAZ0a7SMXBcTfPx", "name": "youtube-tvdst" } ] }