ExtractFromFile 自动化

目标用户

- 销售团队: 需要快速响应 RFP（请求报价）文件的团队。
- 项目经理: 需要跟踪和管理 RFP 响应的项目。
- 自动化爱好者: 对使用自动化工具提高工作效率感兴趣的用户。
- 技术人员: 需要集成和定制工作流程以满足特定需求的开发者。

解决的问题

该工作流通过自动化处理 RFP 文档，显著减少了手动提取问题和生成响应所需的时间。用户只需通过 API 提交 RFP 文档，系统会自动提取问题、生成回答并创建文档，从而提高了工作效率和响应速度。

工作流程步骤

1. 接收 RFP 文档: 通过 Webhook 接收用户提交的 RFP 文档。
2. 提取 RFP 数据: 使用 ExtractFromFile 节点提取 PDF 文档中的文本内容。
3. 设置变量: 根据提取的数据设置文档标题、文件名和回复地址等变量。
4. 创建新的 RFP 响应文档: 在 Google Docs 中创建专门用于存储 RFP 响应的文档。
5. 识别问题: 使用 AI 技术从 RFP 文档中提取所有问题。
6. 生成问答对: 对提取的问题逐一生成回答，并将问答对记录到 RFP 响应文档中。
7. 添加元数据: 在文档中添加生成日期、请求者信息等元数据。
8. 发送完成通知: 向请求者发送电子邮件和 Slack 通知，告知 RFP 响应已完成。

自定义指南

- Webhook 配置: 用户可以根据自己的需求修改 Webhook 的路径和 HTTP 方法。
- Google Docs 设置: 更改文档的标题、文件夹 ID，以便将响应文档保存到特定文件夹。
- Slack 和 Gmail 通知: 更新 Slack 通知的频道 ID 和邮件的接收地址，以确保通知发送到正确的用户。
- AI 模型调整: 可以根据具体的 RFP 内容和公司文档，调整 OpenAI 助手的设置，以提高回答的准确性和相关性。