AI Faktura OCR & Dataextraktionsbot
Automatisera fakturahantering genom att ladda upp fakturabilder och extrahera viktig fakturainformation, såsom fakturanummer, typ, språk, artiklar, priser och t...
3 min läsning
Komponenten Strukturerad Generator är utformad för att generera strukturerad datautmatning med hjälp av stora språkmodeller (LLM). Denna komponent är särskilt användbar när du behöver AI-genererad text eller data som följer ett specifikt schema eller struktur, vilket gör det enklare att integrera med efterföljande system, analyser eller arbetsflöden.
Vad gör denna komponent?
Strukturerad Generator tar användarens inmatning i form av en prompt, kan valfritt inkludera bilder och systemnivåinstruktioner, och använder en vald LLM för att producera utdata som följer en användardefinierad struktur. Detta gör den idealisk för scenarier där konsekvent och förutsägbar dataformatering krävs – såsom formulärifyllning, rapportgenerering eller strukturerad dataextraktion från text.
Inmatningar
Komponenten stöder flera konfigurerbara inmatningar:
| Input Name | Typ | Obligatorisk | Beskrivning |
|---|---|---|---|
| Input | Meddelande (Text) | Nej | Den huvudsakliga prompten eller frågan du vill att LLM:n ska behandla. |
| LLM | BaseChatModel | Nej | Språkmodellinstansen som används för att generera utdata. |
| Images | FlowSessionAttachmentResponse | Nej | Bilder som tillför ytterligare kontext till LLM:n. |
| Output Structure | NestedDict | Ja | Definierar önskad struktur och fält för utdatan (t.ex. ange nycklar och datatyper). |
| System Message | Sträng (Flera rader, valfritt) | Nej | Ytterligare instruktioner eller kontext för LLM:n på systemnivå (avancerat, valfritt). |
Inmatningsdetaljer
- Input (Prompt): Den huvudsakliga instruktionen eller frågan som LLM:n ska besvara.
- LLM (Modell): Välj vilken språkmodell som ska användas för att generera svaret.
- Images: Bifoga bilder om LLM:n stöder multimodal inmatning och du vill ha visuell kontext.
- Output Structure: Ange utdataformatet, såsom fält och deras beskrivningar, så att det genererade innehållet struktureras därefter.
- System Message: (Avancerat) Ge ytterligare kontext eller regler för att styra modellens beteende.
Utdata
Komponenten producerar en enda utdata:
| Output Name | Typ | Beskrivning |
|---|---|---|
| Structured Output | Data | Den genererade datan, formaterad enligt fältet Output Structure. |
Denna utdata kan sedan användas av andra komponenter eller exporteras för vidare bearbetning.
Varför använda Strukturerad Generator?
- Konsekvens: Säkerställer att AI-genererad utdata alltid följer ett fördefinierat schema, vilket minskar efterbearbetning.
- Flexibilitet: Stöder ett brett spektrum av utdataformat, från enkel fältindelad text till komplex, nästlad data.
- Multimodal inmatning: Möjlighet att inkludera bilder tillsammans med text för att berika prompten för modeller som stöder det.
- Anpassningsbarhet: Använd systemmeddelanden för att finjustera modellens beteende och utdataformat enligt dina arbetsflödesbehov.
- Integration: Idealisk för AI-arbetsflöden där strukturerad data krävs för API-svar, databaser eller analysflöden.
Exempel på användningsområden
- Extrahera strukturerad information (som namn, datum och platser) från ostrukturerad text.
- Generera standardiserade rapporter eller sammanfattningar från användarinmatningar.
- Fylla i formulär eller tabeller baserat på fria beskrivningar.
- Producera JSON-utdata för användning i webbapplikationer eller vidare bearbetning.
Sammanfattning
Strukturerad Generator är ett kraftfullt och flexibelt verktyg för att generera AI-drivna strukturerade datautmatningar. Genom att konfigurera dess inmatningsfält och utdataschema kan du anpassa den för en mängd olika tillämpningar där strukturerad, pålitlig och repeterbar datagenerering är avgörande.
