> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tess.im/llms.txt
> Use this file to discover all available pages before exploring further.

# AI Step | Extract Text from TXT, XML, RSS, JSON

El step Extract Text from TXT, XML, RSS, and JSON convierte archivos estructurados o en bruto en texto plano, eliminando elementos técnicos como etiquetas, claves y sintaxis. Con esto, Tess transforma datos complejos en contenido legible y listo para ser analizado por agentes de IA.

### ¿Qué es el Step?

Este step forma parte de la categoría Document Processing, y es responsable de limpiar y simplificar datos provenientes de distintos formatos.

En la práctica:

* Lee archivos TXT, XML, RSS y JSON
* Elimina:
  * etiquetas XML
  * estructuras JSON (claves, arrays)
  * metadatos de RSS
* Conserva solo el contenido semántico relevante
* Entrega un bloque de texto limpio en el contexto del agente

### Dónde encontrarlo

1. Accede al AI Studio
2. Haz clic en Add AI Step
3. Selecciona Document Processing
4. Elige Extract Text from TXT, XML, RSS, and JSON

<Frame>
  <img src="https://mintcdn.com/tess-dfe1edf0/8b4GWdZxIeR2fmow/images/image-198.png?fit=max&auto=format&n=8b4GWdZxIeR2fmow&q=85&s=6c6c0f03d10c43ceee9626db73cb22a9" alt="Image" width="473" height="464" data-path="images/image-198.png" />
</Frame>

***

## ¿Cómo usar?

### Campos de configuración

| Campo     | Obligatorio | Descripción                                                                                               |
| :-------- | :---------- | :-------------------------------------------------------------------------------------------------------- |
| Step Name | Sí          | Nombre interno del step (solo caracteres alfanuméricos). Se usa para referenciar el output en los prompts |
| File URL  | Sí          | URL directa del archivo (TXT, XML, RSS o JSON) o variable de entrada (ej: `{{json}}`)                     |

## Sobre el Output

El resultado es un bloque continuo de texto plano, sin ninguna estructura técnica original.

<Columns cols={2}>
  <Column>
    <Card title="Qué se conserva:">
      * Contenido semántico (nombres, descripciones, valores)
      * Todo el texto relevante para lectura humana
    </Card>
  </Column>

  <Column>
    <Card title="Qué se elimina:">
      * Etiquetas XML (`<tag>`)
      * Estructuras JSON (`{}`, `[]`)
      * Metadatos de RSS
      * Sintaxis técnica
    </Card>
  </Column>
</Columns>

<Warning>
  Importante:

  La estructura original (jerarquía, anidamiento) se pierde — el contenido se vuelve lineal.
</Warning>

## Explicación más profunda

Este step actúa como un normalizador de datos técnicos a lenguaje natural.

<Card title="Flujo">
  Archivo (TXT / XML / RSS / JSON) → El step elimina la estructura técnica

  ↓

  Se genera texto limpio → El agente interpreta semánticamente
</Card>

<Note>
  Atención:

  * La IA se enfoca en el contenido, no en la estructura
  * Ideal para inputs que originalmente no fueron diseñados para lectura humana
</Note>

## Ejemplos prácticos

<AccordionGroup>
  <Accordion title="Monitoreo automatizado de noticias (RSS)">
    Prompt:\
    "Resume las principales noticias del día e identifica tendencias relevantes para el mercado."

    Uso:

    * Feed RSS de portales de noticias
    * El agente genera curación automática
  </Accordion>

  <Accordion title="Análisis de logs de atención (TXT)">
    Prompt:\
    "Analiza los logs e identifica los principales motivos de contacto y el sentimiento de los clientes."

    Uso:

    * Logs de chat o soporte
    * Clasificación automática de problemas
  </Accordion>

  <Accordion title="Integración con CRM (JSON)">
    Prompt:\
    "Con base en los datos extraídos, genera un correo de prospección personalizado para cada lead."

    Uso:

    * Export JSON de CRM
    * La IA transforma los datos en acción comercial
  </Accordion>

  <Accordion title="Procesamiento de APIs y datos técnicos">
    Prompt:\
    "Organiza la información extraída y destaca los principales indicadores."

    Uso:

    * Respuestas de APIs
    * Transformar datos técnicos en insights
  </Accordion>
</AccordionGroup>

<Tip>
  Buenas prácticas

  * Usa URLs directas de archivos: evita enlaces que abren páginas web (HTML)
  * Combina con prompts estructurados: ej., "extrae nombre, cargo y empresa"
  * Cuidado con la pérdida de estructura: JSON anidado puede perder contexto lógico
  * Usa el Step Name en el prompt: ej., *"Con base en los datos del step *`dados_crm`*..."*
  * Combina con otros steps: Extract → análisis → guardar en Sheets/Drive
</Tip>

## Observaciones importantes

* La URL debe ser pública y directa (sin inicio de sesión)
* La estructura jerárquica original se pierde
* El step no conserva el formato ni la organización de los datos
* Los archivos grandes pueden afectar la ventana de contexto

Extract Text from TXT, XML, RSS, and JSON es el puente entre los datos técnicos y la inteligencia artificial. Permite transformar APIs, feeds y archivos estructurados en información utilizable, desbloqueando análisis, automatizaciones y generación de contenido a partir de datos que antes requerían tratamiento manual.