Text NLP AI 步骤
Text NLP AI 步骤对您的数据运行七种逐行任务之一，每种任务都是一批结构化（强制工具调用）的 LLM 调用：命名实体识别、词性标注、摘要、零样本分类、键/值提取、提示词 和 嵌入。它作为受管理的 PlaidCloud 作业运行（与 ML：训练模型和 LLM 步骤相同），因此不会与工作流的其余部分争用资源。
由于每个任务都是真实的 LLM 调用，各次运行的结果不会逐位完全一致，请参阅非确定性。
- 源 / 输出表 — 输入表以及写入结果的表。
- 文本列 (
field) — 每个任务读取的列。 - 任务 (
task) —ner、pos、summary、zeroshot、keyvalue、prompt之一。embed任务不在表单的任务列表中，请通过 AI 助手或 REST API 设置。 - 语言 (
language) — 文本的语言，会传递给模型。默认为en。 - LLM 连接 (
llm_connection_id) — Anthropic、OpenAI、Gemini、Azure OpenAI、Grok 或 GitHub Models 的 LLM 连接。留空则使用工作区默认连接。 - 模型 (
llm_model) — 留空则使用该连接的默认模型。 - 温度 (
temperature) — 可选的采样温度。请参阅非确定性：当前一代模型会忽略它。 - 最大行数 (
max_rows) — 仅回答按源顺序的前 N 行。其余行的答案保持为空。留空则处理所有行。 - 批大小 (
batch_size) — 每次 LLM 调用发送的行数，1 到 500。默认为 25。响应被截断的批次会被对半拆分后重试，而不会丢失行。
四个任务为每个输入行返回一个输出行（保留行数）；三个任务为每个输入行返回零个或多个行，并把源的标识列 (id_columns) 带到每一行上（展开行）。
| 任务 | 扇出 | 输出列 | 任务专用字段 |
|---|---|---|---|
命名实体识别 (ner) |
展开行 | entity_text、entity_type |
实体类型 (entity_types) — 允许的类型列表。留空则默认为 people、organizations、locations、dates、quantities。 |
词性标注 (pos) |
展开行 | token、pos（通用词性标记，例如 NOUN、VERB、ADJ） |
无。 |
摘要 (summary) |
保留行数 | summary |
摘要长度 (summary_length) — 最大句数，1 到 20。默认为 3。 |
零样本分类 (zeroshot) |
保留行数 | label、score（0 到 1） |
标签字段 (label_field) — 保存每行候选标签的源列；没有它，模型就无从选择。多标签 (multi) — 允许每行有多个标签（以 , 连接），而不是只选出最佳的一个。 |
提示词 (prompt) |
保留行数 | answer、error |
提示词 (prompt) — 应用于每一行的指令，必填。输入字段 (input_fields) — 连同提示词一起发送给模型的列，每行一条记录；留空则发送 文本列。 |
嵌入 (embed) |
保留行数 | embedding（数字的 JSON 数组）、error |
无。通过 AI 助手或 REST API 设置。需要兼容 OpenAI 的连接或 Azure OpenAI 连接，并且步骤的 模型 必须指定嵌入模型，因为连接的默认模型通常是聊天模型；Anthropic 连接会被拒绝，因为它没有嵌入 API。请求失败时会保留其批次中的每一行，embedding 为空，原因记录在 error 中。 |
键/值对 (keyvalue) |
展开行 | key、value |
关键字段 (key_field) — 保存每行要提取的候选键的源列；留空则让模型自由发现键。模糊 (fuzzy) — 对候选键进行宽松匹配，而不是精确匹配。 |
ID 列 (id_columns) 会把源表中的标识列带到展开行任务的每个输出行上，因此您可以把提取出的实体或键值对追溯到其源记录。ID 列不能与该任务自身的输出列同名：例如，在 ner 任务中把 ID 列命名为 entity_type，保存步骤时会被拒绝，并提示 ID column ‘entity_type’ has the name of a column the ner task writes; rename or remove it.
error 列保存该行失败调用的消息。提示词任务适用于其他任务未涵盖的任何逐行问题，例如 Classify the sentiment of this review. 字段值作为数据发送，绝不会作为给模型的指令。
对于提示词任务，文档列 (content_field) 指定一个以 Base64 保存每行文档的列。此时步骤每次调用发送一个文档。当提供方接受该类型和大小时，文档会作为图像或 PDF 发送给提供方。否则，步骤会发送 文本备用列 (text_fallback_field) 中的文本，例如 OCR 文本。整个文档会离开 PlaidCloud 发送给提供方，因此请确认这对您的数据是可接受的。各行逐一发送，因此 批大小 会被忽略。如果某个批次失败，其行会被保留，answer 为空，并且步骤会发出警告。
没有源表（Source table is required.），或者 批大小 或 摘要长度 超出上述范围时，保存同样会被拒绝。
非确定性（LLM 支持的结果）
Section titled “非确定性（LLM 支持的结果）”每个任务都是对 LLM 的真实调用，因此即使输入完全相同，各次运行的结果也可能不同，不保证逐位一致，这是预期行为，而不是缺陷。
温度 还带来另一个问题：当前一代模型（Opus 4.7+、Sonnet 5+、Fable）会直接拒绝显式的采样温度。如果您设置了温度，步骤会尝试一次；检测到第一次拒绝后，运行会在其余批次中回退到模型自身的服务器默认值，并且步骤的结果会带有一条一次性的提示信息，而不是失败。将温度留空（默认）可完全跳过这次往返，也是当前模型上的推荐设置。
- ML：训练模型 — 拟合模型，而不是对每一行调用 LLM。
- LLM 步骤 — 具有限定范围的项目读写访问权限的自由格式代理式 LLM 调用，而不是这些固定的逐行任务之一。
- Alteryx 转换矩阵 — Named Entity Recognition、POS Tagger、Text Summary、Zero-shot Text Classification 和 Key/Value Pairs 都会转换为此步骤。
- 迁移 Savant 分析 — Savant 的 Infer 和 Vision 代理会转换为提示词任务。