شرح تفصيلي خطوة بخطوة لكيفية معالجة Entity Enricher لكيان واحد — من الإدخال مروراً بالتصنيف والتنفيذ المتوازي للنماذج، وصولاً إلى المخرجات المُهيكلة.
افتح صفحة محرّر سير العمل وأعدّ عملية الإثراء. يرشدك مُوجّه خطوات سير العمل عبر مراحل المسار: البيانات النموذجية، والمخطط، والإثراء، والنتائج — إضافةً إلى خطوة قاعدة البيانات عندما يكون المخطط مرتبطًا بمزامنة قاعدة بيانات، لتأكيد إدراج تغييرات التشغيل في قائمة انتظار قاعدة بياناتك (أو توضيح سبب رفض الحفظ).
الصق عيّنة JSON لإنشاء مخطط تلقائيًا، ثم استكشف شجرة الخصائص التفاعلية. حرّر الخصائص، وأضف مجالات خبرة، وحدّد الحقول كمفاتيح بحث أو محفوظة.
قم بتهيئة خيارات الإثراء (الاستراتيجية، النماذج، اللغات، التصنيف، إضافةً إلى مخطط الاستجابة ومفاتيح التبديل للمخرجات المهيكلة الصارمة) واملأ مفاتيح البحث عن الكيان (الاسم، الموقع الإلكتروني، الدولة، إلخ) لتحديد الكيان.
يعرض التقدّم والنتائج لحظيًا لكل نموذج. وعند استخدام نماذج متعددة، يظهر زر ”دمج النتائج“ من أجل الدمج.
بعض الطلبات لا يمكنها أن تنتج نتيجة صالحة للاستخدام، وأرخص موضع لاكتشاف ذلك هو ما قبل أول استدعاء لـ LLM. لذا يُفرَض عقدان مسبقًا.
يحدّد المخطط ما يجب أن يحمله دخله: حقول المفاتيح التي تبيّن أيَّ كيان هذا، ومفتاحًا على كل عنصر من عناصر أي مصفوفة تقدّمها، وقيمةً لكل حقل موسوم بالحفظ (فلا يمكن حفظ ما لم يُعطَ أصلًا). ويُرفض أي طلب ينقصه شيء من ذلك برسالة خطأ واحدة تسرد كل المخالفات دفعة واحدة — إضافةً إلى عقد المخطط كاملًا، لتصحّحه في مرة واحدة بدل اكتشاف المتطلبات رفضًا بعد رفض. ويُنشر هذا العقد مع كل مخطط محفوظ، ليتمكن العميل من التحقق قبل الإرسال.
المصفوفة التي تزوّدها بعناصر تُثرى تمامًا: يملأ النموذج ما يعرفه عن كل عنصر، ولا يجوز له إضافة عنصر ولا إسقاطه. أرسلت خمسة بنود، فتستعيد خمسة. وأي عنصر عجز النموذج عن تناوله يُعاد إدراجه حرفيًا بدل أن يضيع، وأي عنصر اختلقه يُحذف. أما المصفوفات التي تتركها فارغة فتبقى مفتوحة — فذلك هو اكتشاف النموذج للحقائق، وهو المقصود.
إذا اخترت نموذج تصنيف، فسيُجرى أولًا استدعاء LLM سريع ومنخفض التكلفة للتحقق من مطابقة الكيان لنوع المخطط. وهذا يمنع إهدار الرموز على الإثراء عندما لا يتطابق الكيان. اقرأ المزيد في وثائق التصنيف.
يعالج كل نموذج محدَّد الكيانَ باستخدام الاستراتيجية التي سمّيتها — أو، افتراضيًا، تلك المختارة تلقائيًا بحسب شكل مخططك، وهو ما يُعلنه التشغيل عند بدئه. وعند تحديد عدة نماذج، تعمل على التوازي بين المزودين (يعمل Claude وGPT-4 في آنٍ واحد) بينما تعمل النماذج التابعة للمزود نفسه على التوالي احترامًا لحدود المعدل.
يُتحقّق من كل استجابة LLM مقابل مخططك في الوقت الفعلي. وعندما لا يتطابق الناتج مع الأنواع أو القيود المتوقّعة، يرسل النظام تلقائياً الأخطاء إلى الـ LLM لتصحيحها.
حتى 5 محاولات إعادة تلقائية لكل استدعاء LLM. وتتضمّن كل إعادة خطأ التحقق المحدّد ليعرف الـLLM بالضبط ما يجب إصلاحه — والإصلاح دقيق: تُعاد المطالبة بالأوراق الخاطئة وحدها، لا بالإجابة كاملة.
لاحظ ما ليس في هذه القائمة: القيمة التي عجز النموذج عن تحديدها ليست خطأً يستدعي إعادة المحاولة. فقد يعود أي حقل خاليًا، ويصرّح النموذج بما لم يستطع العثور عليه، فتكون “غير معروف” إجابةً لا إخفاقًا. ويُبتّ لاحقًا في مقبولية القيمة الناقصة، عند قبول الكيان في قاعدة بياناتك — لا بدفع النموذج إلى التخمين.
يطلب مفتاحا تبديل اختياريان من المزوّد تقييد المخرجات قبل عودتها، بحيث تحتاج استجابات أقل إلى التصحيح من الأساس. ولا ينطبق كلاهما إلا على النماذج التي تدعمهما؛ ويظل كل شيء يعود إلى حلقة التحقق وإعادة المحاولة الموضحة أعلاه.
يستخدم Entity Enricher أحداث الخادم المُرسَلة (SSE) لبثّ التقدّم في الوقت الفعلي. فلا حاجة لانتظار اكتمال جميع النماذج — إذ تظهر النتائج تدريجيًا كلما انتهى كل مجال خبرة أو نموذج.
يحصل كل نموذج على لوحة نتائج خاصة به تعرض ناتج JSON المنظّم، وشارات تقدّم لكل خبرة، واستهلاك الرموز، والتكلفة، ووقت المعالجة. وعند استخدام استراتيجية الخبرات المتعددة، تتحدّث شارات الخبرة في الوقت الفعلي كلما اكتمل كل مجال.
عند استخدام استراتيجية الخبرات المتعددة، قد تفشل بعض الخبرات بينما تنجح أخرى. وبدلًا من التخلص من كل شيء، يُعيد Entity Enricher المخرجات المدمجة من الخبرات الناجحة بحالة ”جزئية“. ويمكنك عندئذٍ إعادة محاولة الخبرات الفاشلة فقط دون إعادة تشغيل الإثراء بأكمله.
بعد اكتمال الإثراء، تُحفَظ نتائجك في صفحة التاريخ للرجوع إليها لاحقًا. إذا استخدمت عدة نماذج، يمكنك دمج النتائج باستخدام الدمج متعدد النماذج.