مستندات نود دسته‌بند متن#
از نود دسته‌بند متن برای دسته‌بندی (طبقه‌بندی) داده‌های ورودی استفاده کنید. با استفاده از دسته‌بندی‌های ارائه شده در پارامترها (در ادامه مشاهده می‌کنید)، هر آیتم به مدل ارسال می‌شود تا دسته مربوطه را تعیین کند.
در این صفحه، پارامترهای نود دسته‌بند متن و لینک‌های منابع بیشتری را خواهید یافت.
پارامترهای نود#
- پیشنهاد ورودی: ورودی را برای دسته‌بندی تعریف می‌کند. این معمولاً عبارتی است که به فیلدی از آیتم‌های ورودی ارجاع می‌دهد. برای مثال، این می‌تواند
{{ $json.chatInput }}باشد اگر ورودی یک تریگر چت باشد. به طور پیش‌فرض، به فیلدtextرجوع می‌کند. - دسته‌بندی‌ها: دسته‌بندی‌هایی که می‌خواهید ورودی‌تان را بر اساس آن‌ها طبقه‌بندی کنید را اضافه کنید. هر دسته‌بندی دارای نام و توصیف است. از توصیف برای توضیح معنای دسته‌بندی به مدل استفاده کنید. این مهم است اگر معنا واضح نباشد. می‌توانید هر تعداد دسته‌بندی که می‌خواهید اضافه کنید.
گزینه‌های نود#
- اجازه دادن به چند کلاس: می‌توانید پیکربندی کنید که طبقه‌بند همیشه تنها یک کلاس برای هر آیتم خروجی دهد (خاموش)، یا اجازه دهید مدل چندین کلاس را انتخاب کند (روشن).
- در صورت نبود تطابق واضح: تعیین کنید چه اتفاقی بیفتد اگر مدل نتواند برای آیتمی تطابق مناسبی بیابد. دو گزینه وجود دارد:
- حذف آیتم (پیش‌فرض): اگر نود هیچ‌کدام از دسته‌بندی‌ها را شناسایی نکند، آیتم را حذف می‌کند.
- خروجی در شاخه «سایر»: شاخه جداگانه‌ای به نام سایر ایجاد می‌کند. وقتی نود هیچ‌کدام از دسته‌بندی‌ها را شناسایی نکند، آیتم‌ها را در این شاخه خروجی می‌دهد.
-
قالب پیشنهاد سیستم: از این گزینه برای تغییر پیشنهاد سیستم که برای دسته‌بندی استفاده می‌شود، استفاده کنید. از جاگذاری
{categories}برای وارد کردن دسته‌بندی‌ها بهره می‌برد. -
فعال‌سازی اصلاح خودکار: وقتی فعال باشد، نود خروجی‌های مدل را به طور خودکار اصلاح می‌کند تا مطمئن شود که با فرمت مورد انتظار هم‌خوانی دارند. این کار را با ارسال خطای پارس کردن اسکیمای ورودی به LLM و درخواست اصلاح آن انجام می‌دهد.
منابع مرتبط#
مشاهده مستندسازی [هوش مصنوعی پیشرفته] n98n در این قسمت. ```
واژگان مورد استفاده در هوش مصنوعی#
- کامل‌شدن: پاسخ‌هایی هستند که توسط مدلی مانند GPT تولید می‌شوند.
- توهمات: توهم در هوش مصنوعی هنگامی است که یک مدل زبانی بزرگ (LLM) نادرست تصور می‌کند الگوها یا اشیائی وجود دارند که واقعاً وجود ندارند.
- پایگاه داده وکتور: پایگاه داده وکتور نمایه‌های ریاضی اطلاعات را ذخیره می‌کند. از آن در کنار جاسازی‌ها و بازیاب‌ها برای ساختن یک پایگاه داده که هوش مصنوعی شما می‌تواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده می‌شود.
- مخزن وکتور: مخزن وکتور، یا پایگاه داده وکتور، نمایه‌های ریاضی اطلاعات را ذخیره می‌کند. از آن در کنار جاسازی‌ها و بازیاب‌ها برای ساختن یک پایگاه داده که هوش مصنوعی شما می‌تواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده می‌شود.