OCR pipeline n8n @

Этот воркфлоу полностью закрывает задачу извлечения данных из счетов и КП — от получения письма до записи в бухгалтерскую таблицу без участия человека.

Архитектура: два потока

Рабочий процесс делится на два пути от Has Attachment?:

• Верхний — обработка PDF-вложений (OCR-путь)
• Нижний — обработка тела письма без вложений

Верхний поток — OCR из PDF

1. Gmail Trigger

• Слушает входящие письма в Gmail
• Запускает весь workflow при получении нового письма
• Передаёт дальше metadata письма + вложения (если есть)

2. Has Attachment? (IF-нода)

• Условный роутер: проверяет, есть ли у письма вложение (PDF/изображение)
• Ветка true → OCR-пайплайн
• Ветка false → парсинг тела письма

3. Upload Attachment to Drive

• Загружает PDF-вложение в Google Drive
• Нужно для стабильной передачи файла в следующий шаг через URI
• Операция: upload: file

4. Download from Drive

• Скачивает только что загруженный файл обратно, получая прямую ссылку или бинарные данные
• Операция: download: file — это может казаться избыточным, но обеспечивает совместимость формата для Mistral OCR

5. Extract Text (Mistral OCR)

• Ключевая нода — вызывает Mistral API для OCR
• Принимает PDF-файл, возвращает извлечённый текст
• Операция: extractText: document — работает с таблицами, рукописным и печатным текстом в счетах/договорах

6. Prepare Extracted Content

• Нода Code или Set — форматирует/нормализует текст от Mistral
• Приводит к единому формату перед передачей в LLM
• Операция: manual — ручная кастомная обработка

Нижний поток — тело письма

7. Prepare Email Body

• Нода Set — извлекает и очищает текстовое содержимое письма (без вложений)
• Объединяет оба потока: на выходе получается единый блок текста для классификации

Классификация транзакций

8. Classify Transaction... (AI Agent)

• Агент использует Chat Model Memory + Output Parser
• Получает подготовленный текст из счёта/договора/предложения
• Классифицирует документ: это приходная или расходная транзакция?

9. Gemini Model 1 + Transaction Parser

• Gemini Model 1 — LLM-бэкенд (Google Gemini) для агента классификации
• Transaction Parser — структурированный Output Parser, принуждает LLM вернуть строго типизированный JSON (сумма, дата, контрагент, тип)

10. Google Gemini Chat Model (нижний)

• Второй Gemini-инстанс для ноды Classify Chart of Account
• Определяет счёт бухгалтерского учёта (Chart of Accounts) для каждой транзакции

Маршрутизация и запись в таблицы

11. Is Transactional?

• IF-нода: проверяет, является ли письмо вообще финансовым документом
• Отсекает нерелевантные письма

12. Get Chart of Accounts

• Читает Google Sheets со справочником счетов (read: sheet)
• Нужен как контекст для LLM при классификации по счетам

13. Aggregate Chart of Accounts

• Агрегирует справочник в один блок для передачи в промпт
• Операция: объединяет 25 записей в 1 элемент

14. Classify Chart of Account (AI Agent)

• Присваивает каждой транзакции конкретный бухгалтерский счёт из справочника
• Использует Gemini + Output Parser для структурированного ответа

15. Route by Revenue/Expense

• Switch-нода: делит транзакции на два потока
• Ветка Revenue → Prepare Revenue Data → Append to Revenue Sheet
• Ветка Expense → Prepare Expense Data → Append to Expense Sheet

16–17. Prepare Revenue/Expense Data + Append to Revenue/Expense Sheet

• Prepare * — нода Set, формирует строку данных под формат Google Sheets
• Append to * Sheet — дописывает строку в соответствующую таблицу (append: sheet)

Итоговый поток для PDF → бухгалтерия

Gmail Trigger
  → Has Attachment? [true]
    → Upload to Drive → Download from Drive
    → Mistral OCR (Extract Text)
    → Prepare Extracted Content
    → Classify Transaction (Gemini)
    → Is Transactional? [true]
      → Get Chart of Accounts → Aggregate
      → Classify Chart of Account (Gemini)
      → Route by Revenue/Expense
        → Prepare Data → Append to Google Sheet