Pular para o conteúdo principal
O step Extract Text from DOCX isola e extrai o conteúdo textual de arquivos Microsoft Word (.docx), entregando um bloco de texto limpo e pronto para ser processado por agentes de IA. Com ele, documentos complexos se tornam dados acessíveis sem necessidade de softwares específicos ou intervenção manual.

​
O que é

Este step pertence ao grupo Document Processing — categoria dedicada a transformar formatos de arquivo em conteúdo utilizável pela IA. Na prática, o Extract Text from DOCX:
  • Lê a estrutura interna do arquivo .docx
  • Extrai texto de parágrafos, tabelas, listas, cabeçalhos e rodapés
  • Descarta elementos visuais (imagens, gráficos, formatação)
  • Entrega um bloco de texto puro no contexto do agente

​
Onde encontrar

  1. Acesse o AI Studio
  2. Clique em Add AI Step
  3. Em Select Step Category, escolha Document Processing
  4. Selecione Extract Text from DOCX
Image

​
Como usar?

Campos de configuração:
CampoObrigatórioDescrição
Step NameSimNome interno do step. Use apenas caracteres alfanuméricos. Utilizado para referenciar o resultado em outros steps ou prompts
File URLSimURL pública direta do arquivo .docx ou variável de entrada de arquivo do usuário (ex: {{docxfile}})

​
Sobre o Output

O resultado gerado é um bloco contínuo de texto simples (plain text) contendo todo o conteúdo extraído do documento.

O que é extraído:

  • Parágrafos
  • Itens de lista
  • Dados de tabelas (linearizados)
  • Cabeçalhos e rodapés

O que NÃO é extraído:

  • Imagens e fotos
  • Gráficos e elementos
  • Formatação visual do documento (cores, negrito, itálico, fontes)
Importante:Tabelas são lidas de forma linear, seguindo a ordem das células. Um prompt bem estruturado ajuda o agente a interpretar corretamente dados tabulares extraídos dessa forma.

​
Explicação mais profunda

O step funciona como uma camada de decodificação de documentos.

Fluxo

Arquivo .docx (URL ou variável) → Step extrai o texto puro↓Conteúdo entra no contexto → Agente usa para analisar, resumir ou extrair dados
O output deve ser tratado como dado bruto injetado no prompt. A qualidade da análise depende diretamente de:
  • Organização do documento original
  • Clareza do prompt que usa o resultado

​
Exemplos práticos

Prompt:
“Analise o contrato extraído. Identifique cláusulas de risco, resumo dos termos de pagamento e dados do cliente.”Uso:
  • Contratos jurídicos ou propostas comerciais em .docx
  • Agente identifica pontos críticos sem leitura manual
Prompt:
“Extraia as habilidades, experiências e formação do candidato. Compare com os requisitos da vaga abaixo e avalie o fit.”Uso:
  • CVs enviados em .docx
  • Agente classifica e resume perfis automaticamente
Prompt:
“Resuma os principais pontos deste relatório em até 5 tópicos executivos.”Uso:
  • Relatórios mensais, atas de reunião ou documentos de gestão
Prompt:
“Extraia do documento: nome da empresa, CNPJ, valor total, prazo de entrega e responsável técnico.”Uso:
  • Documentos padronizados com campos fixos
  • Alimentar CRM ou planilhas automaticamente
Boas práticas
  • Prefira documentos bem estruturados: Títulos, parágrafos claros e tabelas organizadas geram extrações mais precisas
  • Referencie o step no prompt: Use o nome definido no Step Name para indicar ao agente de onde vêm os dados. Ex: “Com base nos dados do step extracao_contrato…”
  • Oriente o agente sobre tabelas: Informe no prompt que tabelas podem aparecer linearizadas, para que o modelo interprete corretamente
  • Combine com outros steps: Ex: Extract Text → análise → Google Drive (salvar resultado)
  • Evite documentos muito extensos: Arquivos com muitas páginas podem saturar a janela de contexto do agente

​
Observações importantes

  • O step roda antes da interação com o usuário
  • A URL do arquivo precisa ser pública e acessível
  • Elementos visuais são completamente ignorados na extração
  • O output é texto bruto, sem formatação visual
O Extract Text from DOCX elimina a barreira entre documentos Word e inteligência artificial. Com ele, contratos, currículos, relatórios e manuais se tornam dados processáveis em segundos, permitindo análises, resumos e extrações automáticas sem qualquer intervenção humana.