Generator
Generează text folosind promptul de intrare și modelul LLM selectat.
Prezentare generală
Acest flux de lucru implementează un chatbot care permite utilizatorilor să încarce o imagine și să adreseze întrebări despre conținutul acesteia. Folosind o combinație de tehnologii de Recunoaștere Optică a Caracterelor (OCR) și recunoaștere vizuală, chatbotul analizează imaginea și oferă răspunsuri precise, adaptate contextului. Această automatizare este extrem de utilă pentru scalarea sarcinilor în care utilizatorii trebuie să extragă informații din imagini sau să interacționeze conversațional cu date vizuale.
Flux pas cu pas
Inițializarea chatului
- Când sesiunea de chat este deschisă, fluxul declanșează un mesaj de bun venit folosind Message Widget.
- Mesajul introduce utilizatorii în capabilitățile chatbotului, explicând că pot încărca imagini și adresa întrebări despre conținut.
Gestionarea intrărilor de la utilizator
- Utilizatorii pot interacționa cu chatbotul prin:
- Tastarea unei întrebări despre o imagine.
- Încărcarea unui fișier imagine.
- Nodul Chat Input captează atât întrebarea (mesaj text), cât și imaginea încărcată (fișier).
- Utilizatorii pot interacționa cu chatbotul prin:
Procesarea imaginii și a întrebării
- Nodul Generator primește:
- Imaginea încărcată (pentru OCR/recunoaștere vizuală).
- Întrebarea utilizatorului (ca context pentru modelul lingvistic).
- Generatorul analizează imaginea, extrage informații (de ex., text prin OCR sau elemente vizuale) și formulează un răspuns relevant la întrebare.
- Nodul Generator primește:
Livrarea răspunsului
- Răspunsul generat de model este trimis către un nod Chat Output, care afișează răspunsul utilizatorului în interfața de chat.
- Dacă a fost încărcată o imagine, aceasta poate fi afișată și în chat pentru referință.
Structura fluxului de lucru
Iată o structură simplificată a fluxului:
| Pas | Tip nod | Funcție |
|---|---|---|
| Chat deschis | ChatOpenedTrigger | Declanșează mesajul de bun venit |
| Afișare mesaj de bun venit | MessageWidget | Afișează introducerea și instrucțiunile |
| Afișare mesaj utilizatorului | ChatOutput | Prezintă mesajul de bun venit în chat |
| Utilizatorul introduce întrebare / imagine | ChatInput | Colectează textul și fișierul imagine de la utilizator |
| Procesează imaginea & întrebarea | Generator | Realizează OCR/recunoaștere vizuală, răspunde |
| Afișează răspunsul generat (și imaginea) | ChatOutput | Afișează răspunsul (și posibil imaginea) |
Beneficii și cazuri de utilizare
- Automatizare & Scalabilitate: Acest flux automatizează procesul de extragere a informațiilor din imagini, permițând răspunsuri rapide și consecvente la întrebări vizuale, fără intervenție umană.
- Versatilitate: Util pentru suport clienți, instrumente educaționale, analiză de documente și orice scenariu în care utilizatorii trebuie să interogheze sau să înțeleagă imagini.
- Experiență îmbunătățită pentru utilizator: Oferă o interfață conversațională, făcând ușoară și intuitivă interacțiunea cu instrumente complexe de analiză a imaginilor.
- Integrare fără probleme: Designul modular pe bază de noduri permite extinderea viitoare sau integrarea unor modele de recunoaștere mai avansate.
Exemple de cazuri de utilizare
- Digitizarea documentelor: Utilizatorii încarcă poze cu documente și solicită rezumate sau detalii specifice.
- Suport pentru produse: Clienții trimit imagini cu produse și solicită informații despre specificații sau probleme.
- Instrumente educaționale: Elevii încarcă diagrame sau grafice și adresează întrebări explicative.
Prin automatizarea răspunsurilor la întrebări vizuale cu acest flux de lucru, organizațiile pot face accesibile instrumente puternice de analiză a imaginilor pentru un public larg, pot reduce efortul manual și pot oferi răspunsuri mai rapide și mai inteligente la scară largă.
