Resumen
¿Cómo procesar un lote de PDF con OCR y agentes de IA y seguir el avance de cada documento?
La demostración recorre un utilitario de escritorio con un lote de 1000 archivos ZIP que contienen PDF. Se selecciona la carpeta de entrada, se obtiene el token de la aplicación y se inicia un flujo que realiza OCR antes de enviar cada documento a la cola de agentes. Al completarse el trabajo, se genera una salida JSON.
La configuración mostrada admite dos tareas de OCR simultáneas y hasta ocho tareas de agentes en paralelo. El panel presenta estados, páginas, tiempos de cada etapa y avance estimado. También permite guardar logs de actividad de las APIs, exportar la tabla a CSV y volver a procesar un documento.
Se explican los reintentos configurables y la relación entre concurrencia e infraestructura en Kubernetes. Los límites mostrados pertenecen a esta configuración de ejemplo.
Inicio
Se presenta un utilitario de escritorio que combina OCR y agentes de IA para procesar documentos. El recorrido muestra la supervisión del lote y los resultados por archivo.
Lote de documentos ZIP con archivos PDF
La prueba parte de 1000 documentos en formato ZIP que contienen PDF. Se abre la aplicación de escritorio desde la que se iniciará y supervisará su procesamiento.
Panel de estados y métricas por documento
Se revisan los contadores de documentos pendientes, en OCR, en cola de agentes, completados y con error. La tabla incluye archivos de entrada y salida, fechas, páginas y tiempos de OCR, agentes y procesamiento total.
Carpeta de entrada, token e inicio del proceso
Se indica la carpeta de entrada pegando su ruta o seleccionándola desde el explorador. Al comenzar, la aplicación obtiene un token y prepara las primeras tareas de OCR.
OCR en paralelo y envío a agentes
Empieza el OCR de los dos primeros documentos mientras el resto permanece pendiente. Cada trabajo terminado envía su tarea a los agentes; el panel muestra el número de páginas y el tiempo empleado en el reconocimiento.
Cola de agentes y ciclo de procesamiento
Conforme termina el OCR, los documentos pasan a la cola de agentes para ejecutarse. Las etapas avanzan de forma concurrente para aprovechar los ejecutores disponibles.
Salida JSON y tiempos por documento
Al finalizar un documento se genera un archivo JSON con el formato de datos esperado. Se registran la hora de finalización, el tiempo total y el estado satisfactorio; se observa un ejemplo de cuatro páginas procesado en 57 segundos.
Concurrencia: dos OCR y ocho tareas de agentes
La configuración del ejemplo permite dos tareas simultáneas de OCR y hasta ocho tareas de agentes. Cuando los agentes alcanzan ese límite, las nuevas tareas esperan a que se liberen ejecutores. Se comenta la posibilidad de ampliar la capacidad con más infraestructura y pods en Kubernetes.
Exportación de logs y resultados a CSV
La aplicación permite guardar el log que registra la actividad de los agentes a nivel de las APIs. La tabla de seguimiento también puede exportarse a CSV para analizar los resultados y los tiempos del proceso.
Avance, tiempo estimado y páginas procesadas
Se revisan el tiempo estimado restante, el porcentaje de avance y las páginas procesadas por OCR y por agentes. Al ocuparse los ocho ejecutores de agentes, su cola crece mientras el OCR continúa con los documentos pendientes.
Errores y reintentos configurables
Se explica que un documento con error puede reprocesarse automáticamente hasta un máximo configurable de intentos. Tres o cinco intentos se mencionan como ejemplos de configuración, sin presentarlos como un valor fijo.
Reprocesamiento manual por documento
Mediante el menú contextual de una fila se puede solicitar que un documento vuelva a procesarse. Este regresa al estado pendiente y se incorpora de nuevo al flujo, mientras el panel sigue actualizando los resultados del lote.
Cierre
Se cierra el recorrido del utilitario y se anuncia la futura publicación de su código.