feat(umind): los agentes también leen archivos, no solo audios e imágenes

Faltaba la tercera pata: audio pasaba por Whisper, imagen por OCR, y un PDF o
un Word adjunto se ignoraba en silencio. Ahora hay un interruptor por canal
—"Leer archivos adjuntos"— y los documentos que llegan por Telegram o WhatsApp
se convierten a texto antes de pasar al agente.

PDF se lee con stdlib cuando el documento es digital (facturas, cotizaciones,
lo exportado por cualquier programa) y cae al OCR si es un escaneo. Word .docx
es un zip con XML adentro; texto plano, CSV y JSON van directo.

El agente recibe el contenido con contexto ("el cliente adjuntó X, y escribió
Y"), no el chorizo pelado: sin eso el modelo contesta como si el cliente
hubiera tipeado una factura.

De paso la importación de plantillas gana PDF, que usa el mismo extractor.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

pkg/services/plantilla_import_service.go

@@ -1,12 +1,7 @@
 package services
 
 import (
-	"archive/zip"
-	"bytes"
 	"fmt"
-	"io"
-	"path/filepath"
-	"regexp"
 	"strings"
 )
 
@@ -24,66 +19,10 @@ var variablesPorTipo = map[string]string{
 
 const variablesComunes = `{{.Fecha}}, {{.EmpresaNombre}}, {{.EmpresaWeb}}`
 
-// ExtraerTextoDePlantilla saca el texto de un archivo subido para usarlo como
-// referencia. Los formatos de texto se leen directo; el .docx es un zip con XML
-// adentro (stdlib alcanza) y las imágenes pasan por OCR.
+// ExtraerTextoDePlantilla lee el archivo que subió el admin como referencia.
+// agenteID 0: es una acción del staff, no se le cobra a ningún cliente.
 func ExtraerTextoDePlantilla(nombreArchivo string, datos []byte) (string, error) {
-	ext := strings.ToLower(filepath.Ext(nombreArchivo))
-	switch ext {
-	case ".html", ".htm", ".txt", ".md":
-		return string(datos), nil
-	case ".docx":
-		return textoDeDocx(datos)
-	case ".png", ".jpg", ".jpeg", ".webp", ".gif", ".bmp", ".tif", ".tiff":
-		mime := "image/png"
-		if ext == ".jpg" || ext == ".jpeg" {
-			mime = "image/jpeg"
-		} else if ext != ".png" {
-			mime = "image/" + strings.TrimPrefix(ext, ".")
-		}
-		// agenteID 0: es una acción del staff, no se le cobra a ningún cliente.
-		return ExtraerTextoOCR(0, datos, mime)
-	case ".pdf":
-		return "", fmt.Errorf("el PDF todavía no se puede leer acá; exportalo a .docx o subí una captura de pantalla del documento")
-	default:
-		return "", fmt.Errorf("formato %s no soportado: subí .docx, .html, .txt o una imagen del documento", ext)
-	}
-}
-
-var etiquetaXML = regexp.MustCompile(`<[^>]+>`)
-
-// textoDeDocx lee word/document.xml del .docx y lo aplana a texto. No pretende
-// conservar el formato: la IA solo necesita el contenido y el orden.
-func textoDeDocx(datos []byte) (string, error) {
-	zr, err := zip.NewReader(bytes.NewReader(datos), int64(len(datos)))
-	if err != nil {
-		return "", fmt.Errorf("el .docx no se pudo abrir: %w", err)
-	}
-	for _, f := range zr.File {
-		if f.Name != "word/document.xml" {
-			continue
-		}
-		rc, err := f.Open()
-		if err != nil {
-			return "", err
-		}
-		defer rc.Close()
-		xmlBytes, err := io.ReadAll(io.LimitReader(rc, 8<<20))
-		if err != nil {
-			return "", err
-		}
-		s := string(xmlBytes)
-		// Un párrafo y un salto de línea explícito valen como salto de línea;
-		// el resto de las etiquetas se descarta.
-		s = strings.ReplaceAll(s, "</w:p>", "\n")
-		s = strings.ReplaceAll(s, "<w:br/>", "\n")
-		s = strings.ReplaceAll(s, "</w:tr>", "\n")
-		s = strings.ReplaceAll(s, "</w:tc>", "\t")
-		s = etiquetaXML.ReplaceAllString(s, "")
-		s = strings.NewReplacer("&amp;", "&", "&lt;", "<", "&gt;", ">", "&quot;", `"`, "&apos;", "'").Replace(s)
-		return strings.TrimSpace(s), nil
-	}
-	return "", fmt.Errorf("el archivo no parece un .docx (no tiene word/document.xml)")
+	return ExtraerTextoDeArchivo(0, nombreArchivo, datos)
 }
 
 // ConvertirEnPlantilla le pide a la IA que rearme el documento como plantilla