Teilen Sie den Workflow in begrenzte Schritte auf
Separate Dokumentenvorbereitung, Klassifizierung, Extraktion und endgültige Synthese. Geben Sie jedem Modellschritt eine klare Eingabe, eine erwartete Ausgabe und einen Fehlerpfad.
Klassifizieren Sie beispielsweise ein Dokument, bevor Sie einen speziellen Extraktor ausführen. Validieren Sie die extrahierten Daten, bevor Sie ein anderes Modell bitten, eine Zusammenfassung zu erstellen. Dadurch wird verhindert, dass ein fehlgeschlagener Schritt die spätere Ausgabe stillschweigend beschädigt.
Ordnen Sie jeden Schritt einem Modell zu
Verwenden Sie ein genehmigtes Modell für die einfache Klassifizierung und ein anderes für schwierige Analysen, wenn die Bewertung dies rechtfertigt. Beide Anfragen können denselben TextCortex-Client verwenden.
Behalten Sie die Zuordnung in der Konfiguration bei. Wenden Sie bei jedem Schritt regionale Anforderungen an und vermeiden Sie die Annahme, dass ein Ersatzmodell die Verarbeitungsanordnung des Vorgängermodells übernimmt.
Validieren Sie die Ausgaben zwischen Aufrufen
Verwenden Sie Schemata und Anwendungsregeln, um die Modellausgabe zu überprüfen, bevor sie als Eingabe für einen anderen Schritt dient. Leiten Sie ungültige Ausgaben an einen begrenzten Wiederholungsversuch oder eine menschliche Überprüfung weiter.
Zeichnen Sie die Dokumentkennung, das Modell und das Schrittergebnis auf, damit Sie Fehler diagnostizieren können, ohne unnötig vertrauliche Inhalte in Protokollen zu behalten.
Verbinden Sie die API mit Ihrem Orchestrator
Rufen Sie die API von Ihrem eigenen Dienst, einem Warteschlangenarbeiter oder einem Automatisierungstool wie n8n aus auf. Behalten Sie Anmeldeinformationen in der Ausführungsumgebung bei und machen Sie externe Schreibaktionen idempotent.
Folgen Sie n8n API-Leitfaden für ein HTTP-Beispiel. Der Kosten-pro-Aufgaben-Leitfaden hilft bei der Schätzung eines Arbeitsablaufs mit mehreren Modellaufrufen.