Ejemplos Prácticos

Tres ejemplos con complejidad creciente: desde el flujo RAG mínimo hasta un agente asegurador completo con formulario, categorización, enrutamiento, suspensión e informes diferenciados.

---

Ejemplo 1 — RAG Chat (Simple)

Objetivo: Responder a las preguntas de los usuarios acudiendo a los documentos empresariales y a la Knowledge Base. El flujo más sencillo y más común.

Flujo:

Begin → Retrieval → LLM → Message

Configuración Completa

Nodo Begin

Parámetro	Valor
mode	conversational
inputFields	(vacío)

Nodo Retrieval (retrieval_1)

Parámetro	Valor
query	{{sys.query}}
topK	10
scoreThreshold	0.5
useReranking	true
companyDocs	true
knowledgeBase	true
legalSources	false

Nodo LLM (llm_1)

Parámetro	Valor
model	writer
temperature	0.3
maxTokens	2048

System Prompt:

Eres un asistente empresarial preciso y profesional. Responde siempre en español.
Basa tus respuestas EXCLUSIVAMENTE en los documentos proporcionados en el contexto.
Si la información requerida no está en los documentos, indícalo explícitamente: no inventes.
Cita siempre las fuentes con referencias numéricas [N].

User Prompt:

Documentos de contexto:
{{retrieval_1.formalized_content}}

Pregunta del usuario:
{{sys.query}}

Nodo Message (message_1)

Parámetro	Valor
content	{{llm_1.content}}
format	markdown
showCitations	true

Que Aprendes

• Cómo usar {{sys.query}} como consulta de retrieval.
• Cómo pasar {{retrieval_1.formalized_content}} al prompt LLM.
• El patrón fundamental Begin → Retrieval → LLM → Message.
• Cómo el nodo Message gestiona citas y formato.

---

Ejemplo 2 — Smart Router (Medio)

Objetivo: Gestionar preguntas de distintos tipos con LLM diferentes. Las preguntas técnicas usan el modelo writer para respuestas en profundidad; las preguntas simples usan el modelo planner para mayor velocidad; las preguntas fuera de ámbito reciben un mensaje estático.

Flujo:

Begin → Categorize → [Tecnico] → LLM writer → Message respuesta técnica
                   → [Simple] → LLM planner → Message respuesta rápida
                   → [FueraAmbito] → Message estático

Configuración Completa

Nodo Begin

Parámetro	Valor
mode	conversational

Nodo Categorize (categorize_1)

Parámetro	Valor
input	{{sys.query}}
minConfidence	0.65

Categorías:

Nombre	Descripción	Goto
Tecnico	Preguntas sobre productos, especificaciones técnicas, procedimientos, manuales, instalaciones, configuraciones, averías técnicas	retrieval_tecnico
Simple	Preguntas de carácter general, saludos, solicitudes de aclaración breve, preguntas sobre servicios básicos	llm_rapido
FueraAmbito	Preguntas no pertinentes a la actividad empresarial, temas personales, contenidos no permitidos	message_fuera_ambito

Rama Técnica

Nodo Retrieval (retrieval_tecnico):

Parámetro	Valor
query	{{sys.query}}
topK	15
useReranking	true
companyDocs	true
knowledgeBase	true

Nodo LLM writer (llm_tecnico):

Parámetro	Valor
model	writer
temperature	0.2
maxTokens	3000

System Prompt:

Eres un experto técnico empresarial. Proporciona respuestas detalladas, precisas y estructuradas.
Usa listas con viñetas y encabezados cuando sea útil. Cita las fuentes con [N].
La pregunta ha sido clasificada como TÉCNICA (confianza: {{categorize_1.confidence}}).

User Prompt:

Documentación técnica disponible:
{{retrieval_tecnico.formalized_content}}

Pregunta técnica:
{{sys.query}}

Nodo Message (message_tecnico):

Parámetro	Valor
content	{{llm_tecnico.content}}
format	markdown
showCitations	true

Rama Simple

Nodo LLM planner (llm_rapido):

Parámetro	Valor
model	planner
temperature	0.5
maxTokens	512

System Prompt:

Eres un asistente empresarial amable. Responde de forma concisa y directa.

User Prompt:

{{sys.query}}

Nodo Message (message_rapido):

Parámetro	Valor
content	{{llm_rapido.content}}
format	markdown
showCitations	false

Rama Fuera de Ámbito

Nodo Message (message_fuera_ambito):

Parámetro	Valor
content	Esta pregunta no está dentro del ámbito del asistente. Puedes preguntarme sobre productos, procedimientos técnicos o servicios empresariales.
format	plain
showCitations	false

Que Aprendes

• Cómo usar Categorize para el enrutamiento semántico sin condiciones rígidas.
• Cómo crear ramas paralelas con LLM distintos para eficiencia y calidad.
• Cómo usar {{categorize_1.confidence}} en el prompt para mayor transparencia.
• Cómo terminar ramas con mensajes estáticos o dinámicos.

---

Ejemplo 3 — Análisis de Siniestro Asegurador (Complejo)

Objetivo: Gestionar toda la pipeline de evaluación de un siniestro asegurador. El flujo recoge los datos iniciales, categoriza el tipo de siniestro, recupera pólizas y normativa aplicable, analiza la cobertura y — si la cobertura no está confirmada — solicita documentación adicional al usuario antes de generar el informe final.

Flujo completo:

Begin (formulario)
  → Categorize (tipo de siniestro)
    → VariableAssigner (prepara consulta)
      → Retrieval (pólizas + normativa)
        → LLM Análisis (evaluación de cobertura)
          → Switch (¿COBERTURA CONFIRMADA?)
            → [SI] LLM Informe Positivo → Message Resultado Positivo
            → [NO] UserFillUp (documentos adicionales)
                     → Retrieval suplementario
                       → LLM Informe Negativo → Message Resultado Negativo

Configuración Completa

Nodo Begin

Parámetro	Valor
mode	task

Input Fields:

Nombre	Etiqueta	Tipo	Obligatorio
tipoSiniestro	Tipo de Siniestro	select [Auto, Vida, Hogar, Responsabilidad Civil, Otro]	Sí
fechaSiniestro	Fecha del Evento	date	Sí
descripcion	Descripción del Suceso	text	Sí
numeroPoliza	Número de Póliza	string	Sí
importoEstimado	Importe del Daño Estimado (€)	number	No

Nodo Categorize (categorize_1)

Parámetro	Valor
input	{{sys.inputs.tipoSiniestro}}: {{sys.inputs.descripcion}}
minConfidence	0.70

Categorías:

Nombre	Descripción	Goto
Auto	Accidentes de tráfico, daños al vehículo, robo de auto, responsabilidad civil auto	varassign_query
Vida	Fallecimiento, invalidez permanente, enfermedad grave, accidentes	varassign_query
Hogar	Daños en la vivienda, incendio, inundación, robo en casa, responsabilidad civil hogar	varassign_query
RC	Responsabilidad civil frente a terceros, daños a personas o cosas causados por el asegurado	varassign_query
Otro	Siniestros no clasificables en las categorías anteriores	varassign_query

(Todas las categorías convergen en el nodo siguiente; el valor {{categorize_1.category}} se usa en la consulta)

Nodo VariableAssigner (varassign_query)

assignments:
  - name: consultaBusqueda
    type: concat
    value: "Siniestro {{categorize_1.category}} poliza {{sys.inputs.numeroPoliza}} cobertura condiciones exclusiones {{sys.inputs.descripcion}}"
  - name: resumenSiniestro
    type: concat
    value: |
      TIPO SINIESTRO: {{sys.inputs.tipoSiniestro}} (categoría: {{categorize_1.category}})
      FECHA EVENTO: {{sys.inputs.fechaSiniestro}}
      NÚMERO PÓLIZA: {{sys.inputs.numeroPoliza}}
      IMPORTE ESTIMADO: {{sys.inputs.importoEstimado}} EUR
      DESCRIPCIÓN: {{sys.inputs.descripcion}}

Nodo Retrieval Principal (retrieval_polizze)

Parámetro	Valor
query	{{varassign_query.consultaBusqueda}}
topK	20
scoreThreshold	0.45
useReranking	true
companyDocs	true
knowledgeBase	true
legalSources	true

Nodo LLM Análisis de Cobertura (llm_analisi)

Parámetro	Valor
model	writer
temperature	0.1
maxTokens	3000
jsonMode	false

System Prompt:

Eres un perito de seguros senior con 20 años de experiencia.
Analiza la documentación proporcionada y determina si el siniestro está cubierto por la póliza.

REGLAS CRÍTICAS:
1. Basa la evaluación EXCLUSIVAMENTE en los documentos proporcionados. No supongas coberturas no documentadas.
2. Cita siempre las referencias contractuales y normativas con [N].
3. Concluye SIEMPRE tu análisis con una de las dos frases exactas:
   - "VEREDICTO: COBERTURA CONFIRMADA" si el siniestro está dentro de las coberturas de la póliza
   - "VEREDICTO: COBERTURA NO CONFIRMADA" si faltan evidencias de cobertura o hay exclusiones aplicables
4. Tras el veredicto, enumera la documentación adicional necesaria (si la hay).

User Prompt:

DATOS DEL SINIESTRO:
{{varassign_query.resumenSiniestro}}

DOCUMENTACIÓN DE PÓLIZA Y NORMATIVA:
{{retrieval_polizze.formalized_content}}

Ejecuta la evaluación pericial completa siguiendo las reglas operativas.

Nodo Switch (switch_copertura)

Parámetro	Valor
elseGoto	userfillup_integrativi

Condiciones:

Variable	Operador	Valor	Goto
{{llm_analisi.content}}	contains	COBERTURA CONFIRMADA	llm_report_positivo

Rama Positiva — LLM Informe (llm_report_positivo)

Parámetro	Valor
model	writer
temperature	0.2
maxTokens	2500

System Prompt:

Eres un experto en comunicación aseguradora. Redacta informes profesionales y claros.

User Prompt:

Sobre la base del siguiente análisis pericial, redacta un informe oficial de aceptación del siniestro
en español formal, estructurado con las secciones: Resumen, Documentación Examinada,
Evaluación de Cobertura, Próximos Pasos.

DATOS DEL SINIESTRO:
{{varassign_query.resumenSiniestro}}

ANÁLISIS PERICIAL:
{{llm_analisi.content}}

Nodo Message Resultado Positivo (message_positivo)

Parámetro	Valor
content	{{llm_report_positivo.content}}
format	markdown
showCitations	true

Rama Negativa — UserFillUp (userfillup_integrativi)

Parámetro	Valor
message	El análisis inicial no ha determinado una cobertura segura. Para continuar con la evaluación, te pedimos que proporciones la documentación adicional indicada a continuación.

Fields:

Nombre	Etiqueta	Tipo	Obligatorio
fotoDano	Fotografías del daño	file	Sí
peritaje	Peritaje técnico o valoración de daños	file	No
documentoPropiedad	Documento de propiedad del bien asegurado	file	No
notasAdicionales	Notas adicionales o aclaraciones	text	No

Tips: Formatos aceptados: PDF, JPG, PNG, DOCX. Tamaño máximo por archivo: 20MB.

Retrieval Suplementario (retrieval_supplementare)

Parámetro	Valor
query	{{varassign_query.consultaBusqueda}} exclusiones limitaciones franquicia máximos
topK	15
companyDocs	true
knowledgeBase	true
legalSources	true

LLM Informe Negativo (llm_report_negativo)

Parámetro	Valor
model	writer
temperature	0.1
maxTokens	3000

System Prompt:

Eres un experto en comunicación aseguradora. Redacta informes profesionales, transparentes y precisos.
El informe debe ser claro sobre las razones de la denegación o de la solicitud adicional,
e indicar con exactitud la documentación necesaria para continuar.

User Prompt:

Redacta un informe oficial de solicitud de documentación adicional para el siguiente siniestro.
Estructura el informe con las secciones: Resumen del Siniestro, Análisis Preliminar,
Motivo de la Solicitud Adicional, Documentación Recibida, Próximos Pasos.

DATOS DEL SINIESTRO:
{{varassign_query.resumenSiniestro}}

ANÁLISIS PERICIAL INICIAL:
{{llm_analisi.content}}

DOCUMENTACIÓN ADICIONAL RECIBIDA:
{{userfillup_integrativi.inputs.notasAdicionales}}

NORMATIVA Y CONDICIONES ADICIONALES:
{{retrieval_supplementare.formalized_content}}

Nodo Message Resultado Negativo (message_negativo)

Parámetro	Valor
content	{{llm_report_negativo.content}}
format	markdown
showCitations	true

Que Aprendes

• Cómo construir un formulario estructurado con Begin en mode task.
• Cómo usar Categorize para enrutamiento semántico con varias categorías.
• Cómo VariableAssigner prepara datos compuestos para los nodos siguientes.
• Cómo un LLM con System Prompt riguroso produce output predecible para Switch.
• Cómo Switch enruta según el contenido textual de la respuesta LLM.
• Cómo UserFillUp suspende el flujo y recoge documentos adicionales.
• Cómo un segundo Retrieval enriquece el contexto después de la entrada del usuario.
• Cómo diferenciar el tono y la estructura de los informes según el resultado positivo o negativo.

---

Queria v3.1.2 -- Canvas Agent Builder