"Wat doet de Custom Guardrail-component?"

"Custom Guardrail controleert gebruikersinvoer aan de hand van een ingestelde prompt met een LLM, zodat alleen invoer die aan jouw criteria voldoet (zoals onderwerpbeperkingen) verdergaat in de workflow."

"Hoe filtert het gebruikersinvoer?"

"Het gebruikt een guardrail-prompt en een AI-model om gebruikersberichten te analyseren, waarbij geldige invoer automatisch wordt doorgestuurd en alles buiten de opgegeven onderwerpen of regels wordt geblokkeerd of omgeleid."

"Kan ik de guardrail-prompt aanpassen?"

"Ja, je kunt elke gewenste prompt instellen om je validatielogica te bepalen, zoals het beperken van onderwerpen, het blokkeren van onzin of het naleven van gespreksrichtlijnen."

"Wat gebeurt er met invoer die niet aan de criteria voldoet?"

"Invoer die niet door de guardrail-controle komt, wordt via een alternatieve route geleid, zodat je afgewezen berichten op de juiste manier in je flow kunt afhandelen."

"Heb ik programmeerkennis nodig om Custom Guardrail te gebruiken?"

"Er is geen codering nodig. Je stelt de criteria eenvoudig in gewone taal in en koppelt de component in je flow."

Aangepaste Guardrail

Custom Guardrail gebruikt een AI-model en prompt om gebruikersinvoer te valideren, zodat alleen relevante onderwerpen door je workflow worden toegelaten.

AI Guardrail Validation Automation

Probeer het nu Boek een demo

Componentbeschrijving

Hoe de Aangepaste Guardrail-component werkt

The Custom Guardrail component functions as an intelligent filter within an AI workflow, ensuring that user input aligns with specific criteria set by the workflow designer. This component leverages a language model (LLM) in combination with a customizable prompt to validate and control the flow of conversation or data.

What the Component Does

At its core, the Custom Guardrail serves as a gatekeeper for user inputs. It uses a prompt (the “Guardrail Prompt”) to instruct the LLM on what is considered acceptable content. For example, the default prompt restricts conversations strictly to sports topics and blocks any unrelated or nonsensical (gibberish) inputs. This mechanism ensures that the AI workflow remains focused and does not deviate from its intended purpose.

How It Works

The component receives an input text (typically a user message).
It sends this input, along with the guardrail prompt, to the selected LLM.
The LLM evaluates the input based on the prompt and determines whether it meets the criteria.
Depending on the result, the component outputs the message along one of two routes: accepted (true) or rejected (false).

Inputs

Name	Type	Description
LLM	HandleInput	The language model used to evaluate and enforce the guardrail.
Guardrail Prompt	PromptInput	The instruction provided to the LLM on what content is allowed.
Input Text	Message	The user’s message or content to be validated.

LLM: Choose the model you wish to use as your guardrail enforcer. This allows flexibility in using different LLMs suited for your needs.
Guardrail Prompt: Customize how strict or lenient the guardrail should be by editing the prompt.
Input Text: The actual text that needs validation.

Outputs

Name	Type	Description
True Route	Message	Output if the input text passes the guardrail check (i.e., meets the criteria).
False Route	Message	Output if the input text does not meet the criteria and is filtered out/rejected.

True Route: When the input complies with the guardrail, it is passed through this output for further processing.
False Route: If the input is off-topic or fails the check, it is sent through this output, allowing you to handle it differently (e.g., send a warning or request clarification).

Why Use This Component?

Quality Control: Enforce strict topic boundaries or content rules within your AI applications.
Safety and Relevance: Prevent AI from responding to off-topic, irrelevant, or inappropriate content.
Customizable Enforcement: Easily modify the guardrail prompt to reflect changing requirements or policies.
Seamless Integration: Works with a variety of LLMs and accepts flexible input/output routing in your workflow.

Use Cases

Moderating chatbots to stay on-topic (e.g., customer support, educational bots).
Filtering user-generated content before it is processed or stored.
Enforcing compliance or legal requirements in automated AI interactions.
Preventing spam or nonsensical inputs from disrupting workflows.

By integrating the Custom Guardrail component into your AI workflow, you gain fine-grained control over what content is accepted, helping ensure your AI system behaves as intended and delivers reliable, relevant results.

Veelgestelde vragen

Wat doet de Custom Guardrail-component?: Custom Guardrail controleert gebruikersinvoer aan de hand van een ingestelde prompt met een LLM, zodat alleen invoer die aan jouw criteria voldoet (zoals onderwerpbeperkingen) verdergaat in de workflow.
Hoe filtert het gebruikersinvoer?: Het gebruikt een guardrail-prompt en een AI-model om gebruikersberichten te analyseren, waarbij geldige invoer automatisch wordt doorgestuurd en alles buiten de opgegeven onderwerpen of regels wordt geblokkeerd of omgeleid.
Kan ik de guardrail-prompt aanpassen?: Ja, je kunt elke gewenste prompt instellen om je validatielogica te bepalen, zoals het beperken van onderwerpen, het blokkeren van onzin of het naleven van gespreksrichtlijnen.
Wat gebeurt er met invoer die niet aan de criteria voldoet?: Invoer die niet door de guardrail-controle komt, wordt via een alternatieve route geleid, zodat je afgewezen berichten op de juiste manier in je flow kunt afhandelen.
Heb ik programmeerkennis nodig om Custom Guardrail te gebruiken?: Er is geen codering nodig. Je stelt de criteria eenvoudig in gewone taal in en koppelt de component in je flow.

Probeer FlowHunt Custom Guardrail

Bescherm je AI-workflows en stuur gebruikersinteracties met de Custom Guardrail-component—ontworpen voor nauwkeurige inputfiltering en onderwerpcontrole.