Text NLP AI (krok)

Opis

Krok Text NLP AI uruchamia na danych jedno z siedmiu zadań wykonywanych dla każdego wiersza, każde jako partię ustrukturyzowanych wywołań LLM (z wymuszonym użyciem narzędzi): Named Entity Recognition, POS Tagging, Podsumowanie, Klasyfikacja zero-shot, Ekstrakcja klucz/wartość, Prompt i Embed. Działa jako zarządzane zadanie PlaidCloud (podobnie jak ML: trenuj model i Krok LLM), więc nie konkuruje o zasoby z resztą przepływu pracy.

Ponieważ każde zadanie to prawdziwe wywołanie LLM, wyniki nie są powtarzalne co do bitu między uruchomieniami — zobacz Niedeterminizm.

Konfiguracja

• Źródło / Tabele wyjściowe — tabela wejściowa i tabela, do której zapisywane są wyniki.
• Kolumna tekstowa (field) — kolumna odczytywana przez każde zadanie.
• Zadanie (task) — jedno z ner, pos, summary, zeroshot, keyvalue, prompt. Zadania embed nie ma na liście zadań w formularzu; ustaw je za pomocą asystenta AI lub REST API.
• Język (language) — język tekstu, przekazywany do modelu. Domyślnie en.
• Połączenie LLM (llm_connection_id) — połączenie LLM dla Anthropic, OpenAI, Gemini, Azure OpenAI, Grok lub GitHub Models. Pozostaw puste, aby użyć domyślnego połączenia obszaru roboczego.
• Model (llm_model) — pozostaw puste, aby użyć domyślnego modelu połączenia.
• Temperatura (temperature) — opcjonalna temperatura próbkowania. Zobacz Niedeterminizm: modele bieżącej generacji ją ignorują.
• Maks. liczba wierszy (max_rows) — odpowiedź tylko dla pierwszych N wierszy w kolejności źródła. Pozostałe zachowują pustą odpowiedź. Pozostaw puste dla wszystkich wierszy.
• Rozmiar partii (batch_size) — liczba wierszy wysyłanych w jednym wywołaniu LLM, od 1 do 500. Domyślnie 25. Partia, której odpowiedź została obcięta, jest dzielona na pół i ponawiana, zamiast tracić wiersze.

Zadania

Cztery zadania zwracają jeden wiersz wyjściowy na wiersz wejściowy (zachowujące wiersze); trzy zwracają zero lub więcej wierszy na wiersz wejściowy i przenoszą na każdy z nich kolumny identyfikatorów źródła (id_columns) (rozwijające wiersze).

Zadanie	Rozgałęzienie	Kolumny wyjściowe	Pola specyficzne dla zadania
Named Entity Recognition (ner)	Rozwijające wiersze	entity_text, entity_type	Typy jednostek (entity_types) — lista dozwolonych typów. Jeśli pozostanie puste, domyślnie people, organizations, locations, dates, quantities.
POS Tagger (pos)	Rozwijające wiersze	token, pos (uniwersalny znacznik części mowy, na przykład NOUN, VERB, ADJ)	Brak.
Podsumowanie (summary)	Zachowujące wiersze	summary	Summary Length (summary_length) — maksymalna liczba zdań, od 1 do 20. Domyślnie 3.
Klasyfikacja zero-shot (zeroshot)	Zachowujące wiersze	label, score (od 0 do 1)	Pole etykiety (label_field) — kolumna źródłowa zawierająca etykiety kandydujące dla każdego wiersza; bez niej model nie ma z czego wybierać. Multi-Label (multi) — zezwala na więcej niż jedną etykietę na wiersz (łączone przez , ) zamiast wybierania jednej najlepszej.
Prompt (prompt)	Zachowujące wiersze	answer, error	Prompt (prompt) — instrukcja stosowana do każdego wiersza, wymagana. Pola wejściowe (input_fields) — kolumny wysyłane do modelu wraz z promptem, jako jeden rekord na wiersz; puste wysyła Kolumnę tekstową.
Embed (embed)	Zachowujące wiersze	embedding (tablica JSON z liczbami), error	Brak. Ustaw za pomocą asystenta AI lub REST API. Wymaga połączenia zgodnego z OpenAI lub Azure OpenAI, a Model kroku musi wskazywać model osadzeń, ponieważ domyślny model połączenia to zwykle model czatu; połączenie Anthropic jest odrzucane, bo nie ma API osadzeń. Nieudane żądanie zachowuje każdy wiersz swojej partii, z pustym embedding i przyczyną w error.
Pary klucz/wartość (keyvalue)	Rozwijające wiersze	key, value	Pole klucza (key_field) — kolumna źródłowa zawierająca kandydujące klucze do wyodrębnienia dla każdego wiersza; pozostaw puste, aby model znajdował klucze swobodnie. Fuzzy (fuzzy) — dopasowuje klucze kandydujące w przybliżeniu zamiast dokładnie.

Kolumny identyfikatorów (id_columns) przenoszą kolumny identyfikujące z tabeli źródłowej na każdy wiersz wyjściowy zadania rozwijającego wiersze, dzięki czemu możesz prześledzić wyodrębnioną jednostkę lub parę z powrotem do rekordu źródłowego. Kolumna identyfikatora nie może mieć takiej samej nazwy jak jedna z własnych kolumn wyjściowych zadania: na przykład nazwanie kolumny identyfikatora entity_type w zadaniu ner jest odrzucane przy zapisie kroku, z komunikatem ID column ‘entity_type’ has the name of a column the ner task writes; rename or remove it.

Kolumna error zawiera komunikat wywołania, które zakończyło się niepowodzeniem dla danego wiersza. Zadanie Prompt służy do dowolnego pytania dla każdego wiersza, którego nie obejmują inne zadania, na przykład Classify the sentiment of this review. Wartości pól są wysyłane jako dane, nigdy jako instrukcje dla modelu.

W zadaniu Prompt Kolumna dokumentu (content_field) wskazuje kolumnę, która zawiera dokument każdego wiersza w formacie base64. Krok wysyła wtedy jeden dokument na wywołanie. Dokument trafia do dostawcy jako obraz lub plik PDF, gdy dostawca akceptuje ten typ i rozmiar. W przeciwnym razie krok wysyła tekst z Zapasowa kolumna tekstowa (text_fallback_field), na przykład tekst z OCR. Całe dokumenty opuszczają PlaidCloud i trafiają do dostawcy, więc sprawdź, czy jest to akceptowalne dla Twoich danych. Wiersze są wysyłane pojedynczo, więc Rozmiar partii jest ignorowany. Jeśli partia się nie powiedzie, jej wiersze są zachowywane z pustym answer, a krok wyświetla ostrzeżenie.

Zapis jest także odrzucany bez tabeli źródłowej (Source table is required.) lub z Rozmiar partii albo Summary Length poza podanymi wyżej zakresami.

Niedeterminizm (wyniki oparte na LLM)

Każde zadanie to prawdziwe wywołanie LLM, więc wyniki mogą się różnić między uruchomieniami nawet przy identycznych danych wejściowych — nie ma gwarancji powtarzalności co do bitu, i jest to oczekiwane zachowanie, a nie błąd.

Temperatura ujawnia dodatkową komplikację: modele bieżącej generacji (Opus 4.7+, Sonnet 5+, Fable) całkowicie odrzucają jawnie podaną temperaturę próbkowania. Jeśli ją ustawisz, krok próbuje ją zastosować raz; pierwsze odrzucenie zostaje wykryte, uruchomienie przechodzi na własną domyślną wartość serwera modelu dla pozostałych partii, a wynik kroku zawiera jednorazową informację zamiast niepowodzenia. Pozostawienie pustej Temperatury (wartość domyślna) całkowicie pomija tę dodatkową rundę i jest zalecanym ustawieniem dla bieżących modeli.

Powiązane

• ML: trenuj model — dopasuj model zamiast wywoływać LLM dla każdego wiersza.
• Krok LLM — swobodne agentowe wywołanie LLM z ograniczonym dostępem do odczytu i zapisu projektu, zamiast jednego z tych stałych zadań dla każdego wiersza.
• Macierz konwersji Alteryx — Named Entity Recognition, POS Tagger, Text Summary, Zero-shot Text Classification i Key/Value Pairs są konwertowane na ten krok.
• Migrate Savant Analyses — agenci Savant Infer i Vision są konwertowani na zadanie Prompt.