Crea un flujo de extracción de datos repetible en n8n con validación, reintentos y revisión humana
Diseña un flujo de extracción en n8n que valide los resultados estructurados, reintente los errores temporales, derive los registros dudosos a revisión y pueda evaluarse con casos de prueba fijos.
Resumen · TL;DR
Separa la extracción, la validación y las acciones posteriores en n8n. Valida cada resultado con un contrato explícito, reintenta solo los errores recuperables dentro de un límite fijo y deriva los registros dudosos o de consecuencias importantes a una persona antes de confirmarlos.
Puntos clave
- Trata el resultado de la extracción como una entrada no confiable hasta que supere las comprobaciones del esquema y las reglas de negocio.
- Establece un límite de reintentos y distingue los errores temporales de los resultados no válidos del modelo.
- Recurre a la revisión humana cuando los registros sean ambiguos o las acciones tengan consecuencias importantes; muestra a quien revisa los valores propuestos exactos.
- Mantén un conjunto fijo de pruebas con resultados esperados y criterios de aprobación explícitos para comparar los cambios de manera coherente.
En esta página (7)
Un flujo de extracción en n8n es más fiable cuando tiene tres controles independientes: validación del esquema, recuperación limitada y revisión humana. No permitas que una respuesta generada por IA pase directamente a una actualización de base de datos o a un mensaje externo. Primero comprueba que tenga la estructura esperada y, después, decide si es seguro procesarla automáticamente.
Este diseño es ilustrativo, no una exportación de flujo probada. Las etiquetas de los nodos y las opciones disponibles pueden variar según la versión de n8n. La guía oficial de n8n explica cómo solicitar aprobación humana para determinadas herramientas conectadas a un AI Agent; no describe un paso de aprobación de propósito general para cada registro extraído. n8n: Human-in-the-loop for tools.
Empieza con un contrato de extracción acotado
Elige un tipo de registro y define exactamente qué necesitan los nodos posteriores. Por ejemplo, la extracción de campos de una factura podría generar:
{
"invoice_number": "INV-1042",
"invoice_date": "2025-02-14",
"total": 128.50,
"currency": "USD"
}
Decide si cada campo es obligatorio, qué tipos se permiten y cómo se deben representar los valores que faltan o son dudosos. Evita recurrir a un campo impreciso como notes en lugar de definir un contrato fiable. Para este ejemplo, las reglas podrían ser:
invoice_number: cadena no vacía.invoice_date: fecha ISO válida (YYYY-MM-DD).total: número finito mayor o igual que cero.currency: tres letras mayúsculas.- Valores desconocidos: usa
nullsolo si el contrato lo permite; nunca hagas suposiciones.
Estas son reglas de negocio de ejemplo, no requisitos impuestos por n8n. Establece reglas que se ajusten a tus documentos de origen y al sistema de destino.
Organiza el flujo en etapas separadas
Un flujo práctico puede seguir esta secuencia:
- Activar y obtener: Recibe un documento o registro y conserva su identificador de origen.
- Extraer: Pide al paso de extracción elegido solo los campos definidos en el contrato. Si el nodo o el modelo seleccionados lo admiten, exige una salida estructurada, pero valida el resultado por tu cuenta de todos modos.
- Analizar y validar: Comprueba que la respuesta se pueda analizar y que cada campo cumpla las reglas de tipo y de negocio.
- Derivar: Envía los registros válidos y de bajo riesgo a los pasos siguientes. Deriva los registros no válidos o ambiguos a una ruta de revisión. Gestiona por separado los errores temporales del servicio.
- Confirmar: Escribe en el destino solo después de la validación y, cuando corresponda, de la aprobación humana.
- Registrar el resultado: Guarda el identificador de origen, el resultado extraído, los errores de validación, el número de intentos y la decisión final. Evita registrar contenido sensible del documento salvo que tu política de conservación lo permita.
Un nodo Code de validación puede realizar comprobaciones básicas después del análisis. Adapta la propiedad de entrada y la política para valores nulos a los nodos anteriores:
const item = $input.first().json;
const data = item.extraction; // Set this to the parsed extraction object.
const errors = [];
if (!data || typeof data !== 'object' || Array.isArray(data)) {
errors.push('Extraction must be a JSON object');
} else {
if (typeof data.invoice_number !== 'string' || !data.invoice_number.trim()) {
errors.push('invoice_number must be a non-empty string');
}
if (typeof data.invoice_date !== 'string' ||
!/^\d{4}-\d{2}-\d{2}$/.test(data.invoice_date) ||
Number.isNaN(Date.parse(`${data.invoice_date}T00:00:00Z`))) {
errors.push('invoice_date must be a valid YYYY-MM-DD date');
}
if (typeof data.total !== 'number' || !Number.isFinite(data.total) || data.total < 0) {
errors.push('total must be a finite, non-negative number');
}
if (typeof data.currency !== 'string' || !/^[A-Z]{3}$/.test(data.currency)) {
errors.push('currency must be three uppercase letters');
}
}
return [{ json: { ...item, valid: errors.length === 0, validation_errors: errors } }];
Esto comprueba la estructura y algunas restricciones sencillas, pero no determina si el valor de la factura es correcto. Incluso una cantidad mal leída puede tener el formato adecuado, así que sigue siendo necesario contrastarla con la fuente, aplicar una política de confianza o pedir una revisión humana.
Reintenta los errores adecuados y detente
Establece un límite de reintentos pequeño y explícito para los errores que probablemente sean temporales, como un límite de solicitudes o un error de conexión transitorio. Usa los ajustes de reintento del nodo cuando estén disponibles o crea un bucle controlado con un contador de intentos y una espera. Antes de confiar en un ajuste concreto, comprueba cómo gestiona los errores y los reintentos tu versión de n8n.
No reintentes a ciegas un error de esquema como si fuera un problema de red. Puede ser útil permitir un intento de corrección limitado —por ejemplo, pedir al paso de extracción que devuelva los mismos campos como JSON válido—, pero contabilízalo con un límite independiente y visible. Si la respuesta sigue siendo no válida, derívala a revisión o márcala como fallida. Nunca permitas un bucle sin límite.
Mantén estados separados, como retryable_error, invalid_output y needs_review. Así será más fácil diagnosticar las ejecuciones del flujo y evitarás confundir un registro no válido con una extracción correcta.
Incorpora a las personas en el momento adecuado
Para revisar un registro, envía a quien lo revise la referencia a la fuente, los valores propuestos, las advertencias de validación y opciones claras para aprobarlo, editarlo o rechazarlo. Asegúrate de que el flujo espere una decisión antes de escribir el registro y define qué sucede si se agota el tiempo de espera o se rechaza. El diseño concreto para esperar y reanudar depende del canal de revisión y de los nodos de n8n que uses.
La función de revisión humana del AI Agent documentada por n8n funciona de otra manera: algunas herramientas pueden requerir aprobación antes de que el agente las ejecute. El flujo se pausa y quien revisa puede aprobar o denegar la llamada propuesta a la herramienta; también puede ver la herramienta y sus parámetros. La guía enumera canales como Slack, Telegram y n8n Chat, y señala que se pueden usar $tool.name y $tool.parameters para proporcionar contexto. Configura el mensaje del sistema para explicar qué significa denegar la solicitud y cómo debe responder el agente. Usa esta función cuando el agente esté a punto de realizar una acción, como modificar un registro; no la uses en lugar de validar los campos extraídos. Consulta la guía oficial de configuración.
Haz que la evaluación sea repetible con casos fijos
Crea un conjunto pequeño de ejemplos que incluya entradas habituales, malformadas y ambiguas. Para cada caso, registra los campos esperados, el resultado de validación esperado y si debe revisarlo una persona. Ejecuta los mismos casos cada vez que cambies el mensaje, el esquema, la lógica de análisis o la configuración del modelo.
| Caso de prueba | Resultado esperado | Criterio de aprobación |
|---|---|---|
| Factura clara con todos los campos | Extracción válida | Todos los campos obligatorios coinciden con el ejemplo de prueba y la validación se aprueba |
| Falta la fecha de la factura | No válido o null permitido explícitamente | No se inventa ninguna fecha; se sigue la política configurada |
| El total contiene texto en vez de un número | Resultado no válido | El registro no llega al paso de escritura |
| Hay dos totales plausibles en la página | Revisión humana | No se confirma nada automáticamente mientras persista la ambigüedad |
| Error temporal en la solicitud | Reintento limitado | Los intentos se detienen en el límite configurado y se registra el error |
| Quien revisa rechaza una actualización propuesta | No se escribe | Se registra el rechazo y el flujo sigue la ruta definida para ese caso |
Define los límites antes de ejecutar las pruebas: número máximo de intentos, campos que pueden ser nulos, errores que requieren revisión y condiciones que impiden escribir. Informa los resultados de coincidencia exacta por campo y cuenta los casos no válidos, revisados, rechazados y fallidos. Un conjunto pequeño de ejemplos sirve como comprobación de regresiones, pero no demuestra que la extracción funcione con todos los tipos de documentos.
Lista de comprobación para solucionar problemas
- El JSON válido sigue fallando: Comprueba si el analizador devuelve un objeto o una cadena JSON y asegúrate de que la validación lea la propiedad correcta.
- Se aceptan valores incorrectos: Añade reglas de negocio y comprobaciones basadas en la fuente; los tipos JSON por sí solos no permiten establecer la precisión factual.
- Los reintentos repiten el mismo error: Separa los errores temporales de los errores deterministas de esquema y limita los intentos.
- Quienes revisan no pueden decidir: Incluye la referencia a la fuente y todos los valores propuestos, y especifica claramente las opciones disponibles.
- La acción se ejecuta pese a haber sido denegada: Coloca la escritura después del resultado de aprobación y prueba la denegación como un caso independiente.
- Los resultados cambian entre ejecuciones: Mantén fijos las entradas, el mensaje, el esquema y los criterios de evaluación; registra los cambios relevantes en la configuración del flujo.
Conclusión
En n8n, la fiabilidad depende de controlar lo que ocurre después de la extracción: validar con un contrato acotado, reintentar solo dentro de un límite fijo y recurrir al criterio humano cuando el registro sea ambiguo o la acción tenga consecuencias importantes. Un conjunto de pruebas fijo permite observar y repetir esos controles.
FAQ
¿La función de revisión humana del AI Agent de n8n valida los datos extraídos?
No. La función documentada pausa determinadas llamadas a herramientas del AI Agent para que se aprueben o denieguen. Valida los campos extraídos por separado antes de almacenarlos o actuar sobre ellos.
¿Se debe reintentar una salida no válida del modelo?
No como si fuera un error temporal. Puedes permitir un intento de corrección limitado, pero mantenlo separado de los reintentos por fallos temporales del servicio y deriva las salidas que sigan siendo no válidas a revisión o al proceso de gestión de errores.
¿Qué debería probar una evaluación de extracción?
Usa ejemplos fijos que cubran registros válidos, campos ausentes o malformados, valores ambiguos en la fuente, errores reintentables y rechazos de quien revisa. Define los resultados esperados y los criterios de aprobación antes de ejecutar las pruebas.
¿Puede un flujo de extracción escribir directamente después de validar el esquema?
Solo si la validez del esquema basta para ese caso de uso. Un resultado puede tener los tipos correctos y aun así ser factualmente incorrecto, por lo que los registros ambiguos o de consecuencias importantes pueden requerir comprobaciones con la fuente o revisión humana.
Artículos relacionados
Guides
Crea un flujo de extracción de datos recuperable en n8n
Diseña un flujo de extracción en n8n que valide registros, reintente fallos transitorios y derive las excepciones a revisión humana sin duplicar escrituras.
Guides
Crea un flujo de extracción de datos en n8n que proteja la privacidad
Diseña un flujo de extracción en n8n que valide los resultados estructurados, gestione los fallos de forma segura y envíe las acciones sensibles a revisión humana.
Guides
Crea un flujo fiable de extracción de datos en n8n con validación de JSON Schema
Diseña en n8n un flujo de extracción que valide las respuestas estructuradas del modelo, reintente los fallos transitorios y derive los registros dudosos o no válidos a revisión humana.
Guides
Crea un flujo de trabajo fiable en n8n para revisar cambios en repositorios
Diseña en n8n un flujo de trabajo que extraiga datos estructurados de cambios en repositorios, valide los resultados, reintente errores transitorios, verifique las pruebas y derive las acciones de riesgo a una persona.