```html
📤 O que o nó pode enviar
O nó pode enriquecer suas respostas enviando conteúdo multimídia. O envio é configurado a partir do prompt, referenciando os recursos que o nó tem disponíveis (seja da sua base de conhecimento, uma URL externa, ou arquivos gerados dinamicamente como uma cotação).
Tipo | Comportamento |
Imagens | PNG e JPG. São exibidas inline (diretamente no chat), não apenas como download. Suportam caption (texto descritivo). |
São exibidos com uma visualização prévia e seu botão de download. | |
Áudio | Gerado automaticamente a partir da resposta de texto (se você tiver habilitada a resposta em áudio). |
📥 O que o nó pode receber e interpretar
Seu agente inteligente não apenas lê texto; tem a capacidade de ver fotos, ouvir notas de voz e ler o conteúdo dos documentos que seus clientes enviam.
📸 Imagens
O nó aceita imagens em PNG, JPG e JPEG. Utiliza um modelo com capacidade de visão para interpretar o conteúdo: pode descrever o que vê e responder perguntas sobre a foto. As imagens ficam salvas no contexto da conversação, para que o nó possa referenciá-las em mensagens posteriores.
Casos típicos: Capturas de erro, fotos de produtos, documentos físicos fotografados.
📄 Documentos (PDF)
O agente é capaz de ler e entender o conteúdo dos PDFs que o cliente envia, como comprovantes de pagamento, pedidos, formulários ou documentação de identidade.
Leitura profunda: Lê a página completa, não apenas o texto bruto. Identifica tabelas e elementos visuais, e funciona perfeitamente com documentos digitalizados.
Limites de tamanho: O agente pode ler arquivos de até 15 MB. Se o PDF ultrapassar esse tamanho, o agente informará ao cliente que não consegue lê-lo, mas a conversação continuará normalmente.
Exceções: O agente também avisará se não conseguir processar o arquivo porque é um PDF protegido com senha, um arquivo danificado, ou uma digitalização de qualidade tão baixa que fica ilegível.
Regra de processamento: Um PDF é lido por mensagem. Se o cliente enviar vários, serão processados um por um.
Outros formatos excluídos: Essa capacidade de leitura interna se aplica apenas para PDF. Se o cliente enviar Word, Excel, arquivos comprimidos ou vídeo, o agente detectará o recebimento do arquivo, mas não conseguirá ler seu conteúdo.
Esclarecimento sobre a memória: A informação de um PDF enviado pelo cliente é compreendida exclusivamente para resolver essa conversação; não se soma à base de conhecimento geral do agente. Todos os PDFs recebidos ficam anexados no histórico da conversação e podem ser baixados na visualização de detalhes.
🎙️ Áudio
O nó aceita mensagens de voz em MP3, OGG, WAV e M4A. O áudio recebido é transcrito automaticamente para texto e processado como qualquer outra mensagem escrita. Além disso, você pode configurar que o nó também responda com um áudio (gerando uma nota de voz a partir de seu texto). Ambos os processos (transcrição e geração) ficam registrados em seu histórico.
📏 Limites do WhatsApp por tipo de arquivo
Tipo | Formatos suportados | Tamanho máx. | Suporta Caption |
Áudio | AAC, AMR, MP3, M4A, OGG | 16 MB | Não |
Documento | PDF, DOC(X), XLS(X), PPT(X), TXT | 100 MB | Sim |
Imagem | JPEG, PNG | 5 MB | Sim |
Vídeo | MP4, 3GPP (codec H.264 / áudio AAC) | 16 MB | Sim |
(Nota: Cada arquivo recebido é baixado e salvo em seu próprio armazenamento, já que os identificadores multimídia do Meta/WhatsApp expiram em 30 dias).
🟢 Funções nativas do WhatsApp
Essas três funções tornam a conversação mais natural e operam de forma transparente; não requerem configuração por nó, já que funcionam a nível global do canal.
Responder a uma mensagem citada: Se o cliente responde citando uma mensagem anterior (ex. uma foto, uma cotação ou uma opção de carrossel), o nó recebe essa referência como parte do contexto.
Se for imagem: Acessa o arquivo e raciocina sobre o conteúdo visual junto com a nova mensagem.
Se for texto: O recebe como um bloco adicional de memória.
Se for interativo: Identifica qual opção exata o cliente citou.
(O nó também pode citar mensagens do cliente ao responder).
Indicador de digitação: Quando o modelo de IA começa a gerar uma resposta, o cliente verá em sua tela o clássico "digitando…". Esse indicador é liberado exatamente ao enviar a mensagem, ou após um máximo de 25 segundos. (Só é acionado se realmente vai responder).
Visualização de links: Mensagens que contêm uma URL são enviadas com uma visualização enriquecida (título, descrição, imagem pequena) em vez do texto bruto. É um interruptor a nível de canal, habilitado por padrão. Se o site de destino não suportar visualização, o link chega como texto normal sem gerar erro.
Faça sua IA ler, ver e ouvir como um humano! 🚀
Ao aproveitar as capacidades multimídia e a nova leitura inteligente de documentos PDF, você deixa para trás os bots de texto plano para criar agentes imersivos que analisam comprovantes, ouvem notas de voz e interagem com a naturalidade que seus clientes exigem. ✅
```