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

# Nó LLM (Transformação IA)

> Processe texto com um modelo de linguagem diretamente no workflow — sem persona de agente.

## Como Funciona

O nó **Transformação IA** faz uma chamada direta a um modelo de linguagem com um prompt que você define. Não há persona de agente nem histórico de conversa.

O fluxo de execução segue cinco passos:

1. Resolve templates `{{ }}` no campo de entrada e no prompt com dados reais da execução
2. Monta a chamada ao modelo com o prompt e os parâmetros configurados
3. Aguarda a resposta — timeout de 30 segundos
4. Faz parse do resultado: JSON quando `output_format` é `json`, string quando é `text`
5. Expõe o resultado via `{{ $json.result }}` para os nós seguintes

## Opções de Configuração

* **Campo de Entrada** — expressão `{{ }}` que aponta para o texto a processar
* **Prompt** — instrução para o modelo; aceita templates `{{ }}` com dados dinâmicos
* **Modelo** — `gpt-4o-mini`, `gpt-4o`, `claude-3-haiku` ou `claude-3-sonnet`
* **Formato de saída** — `text` para string livre ou `json` para objeto estruturado
* **Schema JSON** — opcional; orienta o modelo sobre os campos esperados quando `output_format` é `json`
* **Temperatura / Max Tokens** — controle de variação (0.0 a 1.0) e limite de tokens (100 a 4000)

## Casos de Uso Comuns

* Extrair entidades de formulários ou e-mails não estruturados
* Classificar intenção ou sentimento para rotear atendimento
* Resumir tickets longos antes de notificar a equipe
* Normalizar formatos de data, telefone ou endereço

## Exemplo

Prompt:

```text theme={null}
Extraia nome, e-mail e motivo do texto abaixo.
Retorne apenas JSON válido.

Texto: {{ $trigger.body.mensagem }}
```

Saída com `output_format: json`:

```json theme={null}
{
  "result": {
    "nome": "Carlos Menezes",
    "email": "carlos@empresa.com",
    "motivo": "dúvida sobre faturamento"
  }
}
```

## Dica

<Note>
  Use temperatura entre 0.0 e 0.2 para extração e classificação — respostas determinísticas reduzem falhas nos nós seguintes que consomem o JSON gerado.
</Note>