Text NLP AI

Beschreibung

Der Schritt Text NLP AI führt eine von sieben Aufgaben pro Zeile über Ihre Daten aus, jeweils als Stapel strukturierter LLM-Aufrufe (erzwungene Tool-Nutzung): Erkennung benannter Entitäten, POS-Tagging, Zusammenfassung, Zero-Shot-Klassifizierung, Schlüssel-Wert-Extraktion, Prompt und Embedding. Er läuft als verwalteter PlaidCloud-Job (wie ML: Modell trainieren und der LLM-Schritt), sodass er nicht mit dem Rest des Workflows um Ressourcen konkurriert.

Da jede Aufgabe ein echter LLM-Aufruf ist, sind die Ergebnisse zwischen Ausführungen nicht Bit für Bit reproduzierbar — siehe Nichtdeterminismus.

Konfiguration

• Quelle / Ausgabetabellen — die Eingabetabelle und die Tabelle, in die die Ergebnisse geschrieben werden.
• Textspalte (field) — die Spalte, die jede Aufgabe liest.
• Aufgabe (task) — eine von ner, pos, summary, zeroshot, keyvalue, prompt. Die Aufgabe embed steht nicht in der Aufgabenliste des Formulars; legen Sie sie mit einem KI-Assistenten oder der REST-API fest.
• Sprache (language) — die Sprache des Texts, die an das Modell übergeben wird. Standard ist en.
• LLM-Verbindung (llm_connection_id) — eine LLM-Verbindung für Anthropic, OpenAI, Gemini, Azure OpenAI, Grok oder GitHub Models. Lassen Sie sie leer, um den Standard des Workspace zu verwenden.
• Modell (llm_model) — lassen Sie es leer, um das Standardmodell der Verbindung zu verwenden.
• Temperatur (temperature) — optionale Sampling-Temperatur. Siehe Nichtdeterminismus: aktuelle Modellgenerationen ignorieren sie.
• Max. Zeilen (max_rows) — beantwortet nur die ersten N Zeilen in Quellreihenfolge. Die übrigen behalten eine leere Antwort. Lassen Sie das Feld leer für jede Zeile.
• Stapelgröße (batch_size) — pro LLM-Aufruf gesendete Zeilen, 1 bis 500. Standard ist 25. Ein Stapel, dessen Antwort abgeschnitten wird, wird halbiert und erneut versucht, statt Zeilen zu verlieren.

Aufgaben

Vier Aufgaben liefern pro Eingabezeile eine Ausgabezeile (zeilenerhaltend); drei liefern pro Eingabezeile null oder mehr Zeilen und übertragen die Kennungsspalten der Quelle (id_columns) auf jede davon (zeilenaufspaltend).

Aufgabe	Auffächerung	Ausgabespalten	Aufgabenspezifische Felder
Erkennung benannter Entitäten (ner)	Zeilenaufspaltend	entity_text, entity_type	Entitätstypen (entity_types) — die Liste der zulässigen Typen. Standardmäßig people, organizations, locations, dates, quantities, wenn leer gelassen.
POS-Tagger (pos)	Zeilenaufspaltend	token, pos (universelles POS-Tag, zum Beispiel NOUN, VERB, ADJ)	Keine.
Zusammenfassung (summary)	Zeilenerhaltend	summary	Summary Length (summary_length) — maximale Satzanzahl, 1 bis 20. Standard ist 3.
Zero-Shot-Klassifizierung (zeroshot)	Zeilenerhaltend	label, score (0 bis 1)	Bezeichnungsfeld (label_field) — die Quellspalte mit den Kandidatenbezeichnungen jeder Zeile; ohne sie hat das Modell nichts zur Auswahl. Multi-Label (multi) — erlaubt mehr als eine Bezeichnung pro Zeile (verbunden mit , ), statt nur die beste auszuwählen.
Prompt (prompt)	Zeilenerhaltend	answer, error	Prompt (prompt) — die Anweisung, die auf jede Zeile angewendet wird, erforderlich. Eingabefelder (input_fields) — die Spalten, die zusammen mit dem Prompt als ein Datensatz pro Zeile an das Modell gesendet werden; leer sendet die Textspalte.
Embedding (embed)	Zeilenerhaltend	embedding (ein JSON-Array von Zahlen), error	Keine. Festlegung mit einem KI-Assistenten oder der REST-API. Erfordert eine OpenAI-kompatible oder eine Azure-OpenAI-Verbindung, und das Modell des Schritts muss ein Embedding-Modell benennen, da das Standardmodell der Verbindung meist ein Chat-Modell ist; eine Anthropic-Verbindung wird abgelehnt, weil sie keine Embeddings-API hat. Eine fehlgeschlagene Anfrage behält jede Zeile ihres Stapels, mit leerem embedding und dem Grund in error.
Schlüssel-Wert-Paare (keyvalue)	Zeilenaufspaltend	key, value	Schlüsselfeld (key_field) — die Quellspalte mit den Kandidatenschlüsseln jeder Zeile, die extrahiert werden sollen; leer lassen, damit das Modell Schlüssel frei findet. Fuzzy (fuzzy) — gleicht Kandidatenschlüssel unscharf statt exakt ab.

ID-Spalten (id_columns) übertragen Kennungsspalten aus der Quelltabelle auf jede Ausgabezeile einer zeilenaufspaltenden Aufgabe, sodass Sie eine extrahierte Entität oder ein extrahiertes Paar bis zum Quelldatensatz zurückverfolgen können. Eine ID-Spalte darf nicht denselben Namen wie eine der eigenen Ausgabespalten der Aufgabe haben: Eine ID-Spalte mit dem Namen entity_type bei einer ner-Aufgabe wird beispielsweise beim Speichern des Schritts abgelehnt, mit ID column ‘entity_type’ has the name of a column the ner task writes; rename or remove it.

Die Spalte error enthält die Meldung des Aufrufs, der für diese Zeile fehlgeschlagen ist. Die Prompt-Aufgabe dient für jede zeilenweise Frage, die die anderen Aufgaben nicht abdecken, etwa Classify the sentiment of this review. Feldwerte werden als Daten gesendet, nie als Anweisungen an das Modell.

Bei der Prompt-Aufgabe benennt Dokumentspalte (content_field) eine Spalte, die das Dokument jeder Zeile als Base64 enthält. Der Schritt sendet dann ein Dokument pro Aufruf. Das Dokument geht als Bild oder PDF an den Anbieter, wenn der Anbieter diesen Typ und diese Größe akzeptiert. Andernfalls sendet der Schritt den Text in der Text-Ersatzspalte (text_fallback_field), etwa OCR-Text. Ganze Dokumente verlassen PlaidCloud in Richtung des Anbieters, prüfen Sie daher, ob das für Ihre Daten zulässig ist. Zeilen werden einzeln gesendet, daher wird die Stapelgröße ignoriert. Schlägt ein Stapel fehl, bleiben seine Zeilen mit leerer answer erhalten, und der Schritt gibt eine Warnung aus.

Das Speichern wird außerdem abgelehnt ohne Quelltabelle (Source table is required.) oder mit einer Stapelgröße oder Summary Length außerhalb der oben genannten Bereiche.

Nichtdeterminismus (Ergebnisse aus LLM-Aufrufen)

Jede Aufgabe ist ein echter Aufruf an ein LLM, daher können die Ergebnisse zwischen Ausführungen selbst bei identischer Eingabe abweichen — es gibt keine Bit-für-Bit-Garantie, und das ist zu erwarten und kein Fehler.

Temperatur bringt eine weitere Besonderheit mit sich: Aktuelle Modellgenerationen (Opus 4.7+, Sonnet 5+, Fable) lehnen eine explizite Sampling-Temperatur grundsätzlich ab. Wenn Sie eine festlegen, versucht der Schritt sie einmal; die erste Ablehnung wird erkannt, die Ausführung fällt für die übrigen Stapel auf den eigenen Server-Standard des Modells zurück, und das Ergebnis des Schritts enthält einen einmaligen Hinweis, statt fehlzuschlagen. Wenn Sie Temperatur leer lassen (der Standard), entfällt dieser Umweg ganz, und das ist bei aktuellen Modellen die empfohlene Einstellung.

Verwandte Themen

• ML: Modell trainieren — ein Modell anpassen, statt pro Zeile ein LLM aufzurufen.
• LLM-Schritt — ein freier agentischer LLM-Aufruf mit begrenztem Lese-/Schreibzugriff auf das Projekt, statt dieser festen Aufgaben pro Zeile.
• Alteryx-Konvertierungsmatrix — Named Entity Recognition, POS Tagger, Text Summary, Zero-shot Text Classification und Key/Value Pairs werden alle in diesen Schritt konvertiert.
• Savant-Analysen migrieren — Savant-Infer- und Vision-Agenten werden in die Prompt-Aufgabe konvertiert.