Documenten splitsen met de Split Agent in n8n

Hallo en welkom bij de PaperOffice AI Academy. Deze aflevering gaat over de Split Agent in n8n: een batchscan gaat erin, individuele documenten komen eruit.

Resultaat eerst: Batchscan in, documenten uit

Laten we eerst naar het resultaat kijken. Onze batchscan vanuit de postkamer heeft zeven pagina’s, met een scheidingsblad ertussen. De Split Agent herkent waar het ene document eindigt en het andere begint. Er komen vijf documenten terug, elk met zijn type, een beschrijvende naam en de bijbehorende pagina’s. Dit ziet er in n8n als volgt uit. Voor een test start ik de workflow in de editor en stuur ik de batchscan naar de webhook. Nu loopt de workflow knoop voor knoop. De splitsjob gaat naar PaperOffice, en de lus blijft controleren totdat het klaar is. Na iets minder dan veertig seconden is alles afgerond. De Pieces-knoop bevat het resultaat: vijf items, één per document. Dit zijn de vijf documenten: inkooporder, leveringsbon, factuur, een servicebulletin en een inspectierapport. Het servicebulletin heeft twee pagina’s en deze blijven samen. De Split Agent detecteerde het scheidingsblad op pagina drie en verwijderde dit. Elk document krijgt een beschrijvende naam op basis van onze regel. Elk stuk is een apart PDF-bestand. Hier is het servicebulletin: beide pagina’s in één bestand, vernoemd volgens onze regel. Het resultaat bevat de downloadlink, maar deze is slechts kort geldig. Hier is een tweede batch, een moeilijkere: zes pagina’s in drie talen. Een Engelse inkooporder, een Spaanse leveringsbon en een Spaanse factuur, een creditfactuur, een vrachtfactuur met een koffievlek, en een scheve foto van een factuur gemaakt met de telefoon. De Split Agent scheidt alle zes en noemt ze consistent in het Engels. En zo bouwen we het, in vier fasen: invoer, splitsjob, wachten en stukken.

Fase 1 van 4: Invoer

Fase één is de invoer: een webhook met header-authenticatie die het bestand accepteert via POST. Als het bestand ontbreekt, reageert de workflow onmiddellijk met een duidelijke fout. En wat gebeurt er zonder bestand? Ik stuur een verzoek zonder bijlage. De workflow neemt de korte route door de ‘Bestand ontbreekt’-knoop en reageert direct met status 400 en een duidelijke boodschap. Er wordt geen splitsjob aangemaakt, dus er zijn ook geen kosten.

Fase 2 van 4: Splitsjob

Fase twee verzendt de batch naar de Split Agent, met een enkele HTTP-aanroep naar de PaperOffice API. Dit omvat het gesplitste sjabloon, het Ultra model en een regel voor het benoemen van de onderdelen: documenttype, datum, afzender. In het modelveld kiest u de scope. Basic detecteert de grenzen en benoemt de onderdelen. Premium leest ook het documenttype, de datum en de afzender. Ultra geeft bovendien de redenen voor elke snede en biedt een audit trail. Facturatie is per pagina. Twee dingen bepalen de prijs: de scope en de verwerkingslane. U koos voor direct, wat betekent dat er onmiddellijk wordt gestart. Zonder startgarantie, zonder SLA, kost dit minder. De huidige prijzen vindt u op onze website onder Prijzen.

Fase 3 van 4: Wachten

De taak draait op de achtergrond. Elke zes seconden controleert de lus de status. Wanneer deze klaar is, gaat de run verder. Als deze faalt, eindigt de run met een bericht.

Fase 4 van 4: Onderdelen

In fase vier wordt de respons een lijst, met één entry per document. Als er ooit een scheidingsblad als losse pagina terugkomt, filtert deze node die uit. Tot slot reageert de webhook met precies deze lijst. En wat gebeurt er vervolgens met de lijst? In de hoofdvideo over het postvak neemt dit moment de controle over: elk document gaat naar zijn eigen IDP Agent, wordt gelezen en wordt opgeslagen in een Workspace. Op die manier vormt de splitsing het begin van een volledige workflow.

Bouw het zelf: Referenties en aanroepen van buitenaf

Om dit zelf te bouwen, heeft u twee referenties nodig, beide als header-authenticatie in n8n. U kiest zelf de sleutel voor de webhook, met een aangepaste headernaam. Voor PaperOffice gebruikt u een API-sleutel van uw account, onder API en ontwikkelaars. Deze komt in de Authorization-header. Vanuit het externe netwerk roept u de workflow aan met een POST naar de webhook-URL: het bestand in het veld ‘file’, de sleutel in de header. Dit kan een script, een ander programma of een tweede workflow zijn. Wat terugkomt, is de lijst van documenten, klaar voor de volgende stap. Drie tips uit de praktijk. Ten eerste: u heeft geen scheidingbladen nodig; Split Agent detecteert de grenzen vanuit de inhoud. Ten tweede: u stelt de naamgevingsregel in het veld ‘naming instruction’ in, bijvoorbeeld datum, afzender, documenttype. En ten derde: download de stukken direct of bewaar ze onmiddellijk, omdat de links na korte tijd verlopen. Dat was Split Agent in n8n: een webhook, een aanroep, een lus en een lijst. In PaperOffice kunt u dit ook direct gebruiken bij het uploaden. De hoofdvideo over de inbox toont hoe de individuele documenten daarvandaan verdergaan. Tot de volgende keer in de PaperOffice AI Academy.