Opis workflow: Rozwiązywacz CAPTCHA

Przegląd

Ten workflow, zatytułowany „Rozwiązywacz CAPTCHA”, został zaprojektowany do automatyzacji procesu rozwiązywania obrazkowych CAPTCHA przesyłanych przez użytkownika. Przepływ umożliwia konwersacyjną interakcję, w której użytkownicy mogą przesłać obraz CAPTCHA i otrzymać zinterpretowany tekst lub kod, co czyni go szczególnie użytecznym w zadaniach wymagających skalowalnego i zautomatyzowanego rozpoznawania CAPTCHA.

Przebieg krok po kroku

1. Powitanie użytkownika i wiadomość startowa

• Wyzwalacz: Gdy otwierana jest sesja czatu, workflow rozpoczyna się od węzła Chat Opened Trigger.
• Wiadomość powitalna: Ten wyzwalacz przekazuje sesję do Message Widget, który wyświetla przyjazne powitanie i instrukcje. Wiadomość przekazuje użytkownikowi:
  “To jest rozwiązywacz CAPTCHA 🤩. Aby Ci pomóc, prześlij mi proszę obrazek 📷 zawierający CAPTCHA, z którą masz problem. Przeanalizuję obraz i postaram się rozwiązać CAPTCHA za Ciebie. Gdy prześlesz obraz, zrobię wszystko, by zinterpretować widoczny tekst lub liczby i podać Ci rozwiązanie 🧠🔍.”
• Wyświetlenie: Wiadomość jest następnie wysyłana do wyjścia czatu, aby użytkownik zobaczył ją natychmiast po dołączeniu.

2. Obsługa danych wejściowych użytkownika

• Przyjmowanie wejść: Węzeł Chat Input zbiera dane od użytkownika, które mogą obejmować tekst i przesyłane pliki (np. obrazy).
• Przesyłanie pliku: Jeśli użytkownik prześle plik obrazkowy, jest on kierowany w dwa miejsca:
  • Do komponentu Prompt Template, jako odniesienie do budowy prompta.
  • Bezpośrednio do Generatora (model AI), który przetwarza obrazy.

3. Przygotowanie prompta

• Projekt prompta: Węzeł Prompt Template wykorzystuje przesłany obraz jako {input} w dynamicznym promptcie:

  “what you see in the {input} picture, describe it, if it is a CAPTCHA return the code only”

• Kontekst wejścia: Prompt jest tak skonstruowany, aby nakazać modelowi zwrócenie wyłącznie kodu CAPTCHA, jeśli taki występuje.

4. Przetwarzanie przez AI

• Węzeł Generator: Przygotowany prompt oraz przesłany obraz trafiają do węzła Generator, który używa dużego modelu językowego (LLM) z obsługą obrazów.
• Interpretacja: AI przetwarza obraz i zwraca wynik tekstowy, najlepiej odszyfrowany kod CAPTCHA.

5. Dostarczenie wyników

• Odpowiedź: Wynik z generatora (rozwiązany kod CAPTCHA) trafia do węzła Chat Output, gdzie użytkownik widzi odpowiedź.
• Echa pliku: Oryginalny obraz jest również przekazywany do wyjścia, by użytkownik mógł potwierdzić, który obraz został przetworzony.

Schemat przepływu (tabela podsumowująca)

Korzyści i zastosowania

• Skalowalność: Automatyzuje rozwiązywanie CAPTCHA, ogranicza ręczną pracę i umożliwia masowe lub powtarzalne przetwarzanie.
• Przyjazny użytkownikowi: Dzięki jasnemu onboardingowi i informacji zwrotnej użytkownik prowadzony jest krok po kroku.
• Integracja: Wykorzystanie LLM do konwersji obraz-tekst pozwala obsłużyć różne typy CAPTCHA bez konieczności programowania pod konkretny przypadek.
• Automatyzacja: Przydatny do QA, testowania, dostępności czy wszędzie tam, gdzie powtarzalne rozpoznawanie CAPTCHA byłoby wąskim gardłem.

Podsumowanie

Ten workflow skutecznie automatyzuje proces interpretacji obrazków CAPTCHA poprzez konwersacyjny interfejs, wykorzystując AI do rozumienia obrazów. To skalowalne rozwiązanie dla wszystkich, którzy muszą przetwarzać dużą liczbę CAPTCHA, integrować rozwiązywanie CAPTCHA z innymi automatyzacjami lub po prostu chcą ograniczyć uciążliwość ręcznego wpisywania.