شغّل عدة نماذج ذكاء اصطناعي بالتوازي على الكيان نفسه، واكتشف التعارضات على مستوى الحقول بين مخرجاتها، وادمج النتائج في سجل واحد عالي الثقة. هذا هو العامل المميّز الأساسي لـ Entity Enricher: بدلًا من الوثوق بنموذج LLM واحد، تتحقق تقاطعيًا عبر عدة مزوّدين لأقصى دقة في البيانات.
بيانات الكيان + المخطط
يُثري بشكل مستقل
يُثري بشكل مستقل
يُثري بشكل مستقل
مقارنة حقلًا بحقل عبر جميع مخرجات النماذج
دمج قائم على القواعد
تصويت الأغلبية، الوسيط، الاتحاد
تحكيم LLM
الذكاء الاصطناعي يحلّها بالاستدلال
سجل واحد عالي الثقة مع مسار تدقيق
عند اختيار نماذج متعددة لمهمة إثراء، يُرسل Entity Enricher بيانات الكينونة والمخطط نفسها إلى كل نموذج في آنٍ واحد. يعمل كل نموذج بشكل مستقل دون معرفة بمخرجات النماذج الأخرى، مما يضمن نقاط بيانات مستقلة حقًا.
يدعم النظام أي مزيج من المزوّدين — Anthropic Claude أو OpenAI GPT-4 أو Google Gemini أو Mistral أو النماذج المُستضافة ذاتيًا عبر Ollama. يضمن تحديد معدّل الطلبات لكل مزوّد بقاءك ضمن حدود API لكل مزوّد مع تعظيم الإنتاجية.
يُظهر بث SSE الآني التقدّم مع اكتمال كل نموذج، بما في ذلك التقدّم لكل مجال خبرة عند استخدام استراتيجية تعدّد الخبرات. يمكنك رؤية نتائج جزئية قبل انتهاء جميع النماذج.
بعد اكتمال جميع النماذج، يقارن محرّك اكتشاف التعارضات مخرجاتها حقلًا بحقل. المقارنة واعية بالنوع — تستخدم أنواع الحقول المختلفة قواعد مقارنة مختلفة:
| نوع الحقل | طريقة المقارنة | قاعدة التوافق |
|---|---|---|
| سلسلة نصية / قيمة قياسية | مطابقة تامة (مُطبَّعة) | يجب أن تتساوى جميع القيم بعد تسوية حالة الأحرف والمسافات البيضاء |
| عدد | مطابقة رقمية تامة | يجب أن تكون جميع القيم أرقامًا متطابقة |
| قيمة منطقية | مطابقة تامة | يجب أن تتفق جميع النماذج على صواب/خطأ |
| متعدد اللغات | مقارنة لكل لغة | تُقارَن كل مفتاح لغة على نحو مستقل |
| مصفوفة | مقارنة مجموعات (يُتجاهل الترتيب) | العناصر نفسها بصرف النظر عن الترتيب |
| كائن | تكراري لكل خاصية | يجب أن تتطابق جميع الحقول المتداخلة |
| القيم الفارغة (null) | null == مفقود | تُعامل القيمة الفارغة (null) والغائبة على أنهما متكافئتان |
حلّ حتمي باستخدام قواعد التصويت. سريع وقابل للتنبؤ ولا يتطلّب أي استدعاء إضافي لـ LLM.
يراجع نموذج التحكيم كل تعارض مع سياق الكيان وأوصاف الحقول، ثم يتخذ قرارًا مُنظّمًا.
يتضمن كل سجل مدمج بيانات وصفية للتحكيم مع سلسلة مصدر كاملة:
تُخزَّن هذه البيانات الوصفية إلى جانب السجل المدموج وتُصدَّر في ورقة التعارضات بصيغة Excel، مما يجعلها ملائمة لسير عمل الامتثال حيث يهمّ مصدر القرار.
العناية الواجبة المالية، وملفات السلامة الدوائية، وفحص الامتثال حيث تترتب على الأخطاء عواقب جوهرية.
الكيانات ذات المعلومات المتضاربة عبر المصادر -- مبالغ التمويل أو تواريخ التأسيس أو الأوضاع التنظيمية التي تختلف المصادر في الإبلاغ عنها.
عندما لا يمتلك نموذج واحد معرفة كاملة. تُدرَّب نماذج الـ LLM المختلفة على بيانات مختلفة، لذا فإن تشغيل نماذج متعددة يسدّ الفجوات.
عندما يحتاج المستهلكون النهائيون إلى درجات ثقة ومصدر لكل نقطة بيانات، وليس القيم النهائية فقط.
حدّد نموذجين أو أكثر، وشغّلها بالتوازي، وشاهد كيف يحلّ الدمج التعارضات. دون التزام شهري -- استخدم مفاتيح API الخاصة بك وادفع لكل رمز.
ابدأ مجانًا