Selbstsicheres Scheitern ist die teure Art
Jedes Modell wird Prosa in JSON verwandeln. Das ist nicht das Problem, das zu lösen sich lohnt.
Das Problem entsteht, wenn der Text das Feld nicht enthält. Ein Modell, das nach einem Lieferdatum gefragt wird, wird eines erzeugen, das wie eine echte Antwort aussieht. Ein erfundener Wert, der in eine Datenbank eingeht, kostet mehr als fünfzig von Hand bearbeitete Zeilen, weil die fünfzig sichtbar sind und der eine nicht.
Extraktion muss nichts sagen können. Jedes Feld ist entweder ein in der Quelle gefundener Wert oder eine ausdrückliche Leermarkierung. Die Struktur wird nach der Generierung erzwungen, nicht vertraut.
Die Ausgabe sind zwei Tabellen, nicht eine. Zeilen, die sauber geparst haben, und Zeilen, die das nicht haben, jede mit dem Originaltext, sodass eine Person sehen kann, worauf die Extraktion geschaut hat. Eine einzelne Tabelle mit stillen Lücken ist das Ergebnis, das zu vermeiden ist.
So läuft der ActionFlow auf der Canvas
Text kann auf drei Wegen ankommen: in Start eingefügt, über Document Upload hochgeladen oder von PDF4me aus einem PDF gezogen.
Ein Generate Object-Knoten führt die Extraktion gegen ein Schema aus, das Sie definieren. Die Form vorab zu definieren, ist der Punkt: das Modell füllt eine Struktur, statt eine zu erfinden, und jedes von der Quelle nicht unterstützte Feld kommt leer zurück statt vorgestellt.
Ein Validate-Knoten erzwingt Typen und Pflichtfelder unabhängig vom Modell. Diese Trennung zählt. Der Generierungsschritt wird gebeten, ehrlich zu sein. Der Validierungsschritt verlässt sich nicht darauf.
Ein Filter-Knoten teilt das Ergebnis. Saubere Zeilen gehen weiter zum Ziel: Google Sheets, Airtable, PostgreSQL oder ein Create Excel-Knoten, wenn eine Datei nötig ist. Zurückgewiesene Zeilen gehen auf ein getrenntes Sheet oder eine Tabelle mit dem Originaltext und dem benannten fehlgeschlagenen Feld.
Wenn die Quelle lang ist und nur ein Abschnitt relevant, sitzt ein Extract Data-Knoten vor der Generierung. Das hält die Tokenzahl unten und die Extraktion fokussiert.
Weil die Zeilenzahl auf beiden Seiten sichtbar ist, zeigt der Flow über die Zeit seine eigene Genauigkeit. Eine steigende Zurückweisungsrate bedeutet meist, dass sich das Eingabeformat geändert hat, nicht dass das Modell schlechter geworden ist.
Knoten, die dieser ActionFlow verwendet
- Start: empfängt eingefügten oder durchgereichten Text. Document Upload (Data) nimmt stattdessen eine Datei.
- PDF4me (Data): extrahiert den Inhalt, wenn die Quelle ein PDF ist.
- Extract Data (Data): engt eine lange Quelle vor der Generierung auf den relevanten Abschnitt ein.
- Generate Object (AI Core): füllt Ihr Schema und gibt leer zurück, was die Quelle nicht unterstützt.
- Validate (Data): erzwingt Typen und Pflichtfelder unabhängig vom Modell.
- Filter (Data): trennt saubere Zeilen von zurückgewiesenen.
- Google Sheets (Integration): empfängt saubere Zeilen. Airtable, PostgreSQL, MySQL und MongoDB passen in denselben Slot.
- Create Excel (Data): erzeugt eine Datei, wenn jemand eine Datei braucht statt einer Tabelle.
Häufige Fragen
Newsletter
Produktupdates erhalten
Neue Nodes, Agents und Produktnotizen. Wir senden E-Mails nur, wenn sich das Öffnen lohnt.