Durchsuchen, filtern und analysieren Sie alle Anreicherungsergebnisse. Zeigen Sie detaillierte Ausgaben mit integrierter Schemanavigation, Gruppierungsoptionen und Batch-Operationen an.
Die History-Seite ist der zentrale Ort, um jede Anreicherung, Schema-Generierung, Playground-Ausführung und jedes Fusionsergebnis zu überprüfen. Datensätze werden in PostgreSQL gespeichert und sind auf Ihre Organisation beschränkt. Die Seite verwendet eine virtualisierte Tabelle für flüssiges Scrollen selbst bei Tausenden von Datensätzen.
Jede LLM-Operation erstellt einen Datensatz. Mit dem Typfilter können Sie sich auf bestimmte Arten von Ergebnissen konzentrieren:
| Typ | Quelle | Beschreibung |
|---|---|---|
| enrichment | Workflow Editor / Batch | Ergebnisse der Entitätsanreicherung mit strukturierter Ausgabe, die dem Zielschema entspricht |
| arbitration | Fusion | Das zusammengeführte Ergebnis eines Laufs mit mehreren Modellen. Es hat kein eigenes Modell, daher nennt die Spalte „Modell“ die zusammengeführten Modelle, und die Spalte „Typ“ gibt an, wie die Konflikte gelöst wurden – durch deterministische Regeln (kein LLM-Aufruf, keine Tokens, keine Kosten) oder durch ein Arbiter-Modell. Der Tab „Übersicht“ enthält den vollständigen Audit-Trail: Feldzählung, Quelldatensätze und jede Entscheidung samt der Regel, die sie getroffen hat. |
| schema_generation | Workflow-Editor | KI-generierte JSON-Schemas aus Beispieldaten |
| schema_edit | Workflow-Editor | KI-gestützte Schemaänderungen über Prompts in natürlicher Sprache |
| sample_generation | Workflow-Editor | Generiertes Beispiel-JSON — der Ausgangsvertrag, aus dem ein Schema entsteht. Ein Datensatz umfasst den gesamten Job, unabhängig davon, wie viele Samples er erzeugt hat. |
| playground | Playground | Frei formulierte Prompt-Ausführungen mit Rohantworten |
| classification | Workflow Editor / Batch | Die Vorabprüfung, ob die Entität zum Typ des Schemas passt. Günstig, nicht blockierend und dauerhaft gespeichert, damit Sie nachvollziehen können, warum eine Anreicherung eine Warnung erhalten hat. |
| ambiguity_analysis | Workflow-Editor | Die Prüfung der Eigenschaften eines Schemas auf Mehrdeutigkeit und Identitätsbezug – welche Namen mehr als eine Lesart zulassen und welche verknüpften Einträge Fakten zur Entität mit Fakten zur Zuordnung vermischen. Ihre Ergebnisse werden zu den empfehlenden Anmerkungen, die im Editor angezeigt werden. |
| db_classification | Database Sync | Der Durchlauf beim Verknüpfen, der für jede Eigenschaft Database Key, SQL-Typ, Index und Eigentümerschaft vorschlägt. Wird im Tab „Modell“ der Seite „Database Sync“ kuratiert. |
| benchmark_scoring | Benchmarks | Die Judge-Aufrufe, die ein Modell in einem Benchmark-Szenario bewertet haben – ein Datensatz pro bewertetem Modell, ein Aufruf pro Zeile, fehlgeschlagene Aufrufe inbegriffen. Sein Modell ist der Judge; das bewertete Modell, die Treffer im Verdict-Cache und das Ergebnis stehen in der Ausgabe. Verlinkt aus der Ergebnistabelle der Benchmarks. |
Kombinieren Sie mehrere Filter, um die Ergebnisse einzugrenzen. Alle Filter aktualisieren die Tabelle in Echtzeit:
Systemadministratoren haben zusätzliche Filter: Alle Organisationen, um Datensätze auf der gesamten Plattform anzuzeigen, und Gelöschte einbeziehen, um weich gelöschte Datensätze anzuzeigen.
Datensätze visuell gruppieren, um Muster zu erkennen und Ergebnisse zu organisieren:
Flache Liste, sortiert nach der gewählten Sortieroption. Standardansicht.
Datensätze nach Typ (Anreicherung, Schema-Generierung usw.) mit einklappbaren Abschnitten gruppieren.
Nach KI-Anbieter gruppieren, um Ergebnisse über verschiedene Dienste hinweg zu vergleichen.
Nach Erstellungsdatum gruppieren, um tägliche Aktivitätsmuster zu erkennen.
Wählen Sie mehrere Datensätze für Batch-Vorgänge mit vertrauten Tastenkürzeln:
| Tastenkürzel | Aktion |
|---|---|
Klicken | Wählen Sie einen einzelnen Datensatz aus und öffnen Sie seine Details |
Strg + Klick | Auswahl eines Datensatzes umschalten, ohne andere abzuwählen |
Umschalt + Klick | Einen Bereich von Datensätzen zwischen dem letzten Klick und dem aktuellen auswählen |
Ctrl + A | Alle sichtbaren Datensätze auswählen |
Ctrl + D | Auswahl aller Datensätze aufheben |
Nutzen Sie bei ausgewählten Records Stapel löschen, um sie vorläufig zu löschen. Systemadministratoren können endgültige Löschungen zur dauerhaften Entfernung durchführen und vorläufig gelöschte Records wiederherstellen.
Ein Klick auf einen Datensatz öffnet das Detailfenster. Tabs erscheinen nur, wenn der Datensatz dort etwas zu zeigen hat: Eine regelbasierte Fusion hat keinen Prompt-Tab, und eine Anreicherung ohne Dateien hat keinen Anhänge-Tab. Die URL wird aktualisiert, um Deep Linking zu ermöglichen (z. B. /history/uuid?tab=prompt).
Die strukturierte JSON-Ausgabe in einem schreibgeschützten Monaco-Editor mit Syntaxhervorhebung. Bei Anreicherungs-Datensätzen ist dies das endgültige zusammengeführte Ergebnis, das dem Schema entspricht.
Sehen Sie sich den System-Prompt, den Benutzer-Prompt und die Rohantwort für jedes Fachgebiet an. Datensätze mit mehreren Fachgebieten zeigen ein Dropdown-Menü zum Wechseln zwischen den Fachgebiets-Prompts.
Token-Verbrauch (Eingabe, Ausgabe, gecacht), tatsächliche Dauer, Kostenaufschlüsselung, Wiederholungen und Validierungsfehler. Bei einem Fusions-Datensatz ist dies zugleich der Prüfpfad: die Feldbilanz, die Quell-Datensätze und jede Entscheidung samt der Regel, die sie getroffen hat.
Bei Anreicherungs- und Fusions-Datensätzen: welche Deltas dieser Datensatz erzeugt hat und wo sie stehen, plus eine Aktion An Datenbank senden, die die gespeicherte Ausgabe erneut in den Database Sync des Schemas einspielt.
Vier weitere Tabs zeigen die genaue Anfrage: System Prompt, Raw Response, Wire Schema (der an den Provider gesendete Structured-Output-Vertrag) und Function Tools. Dazu Schema und Anhänge für die Eingaben.
Datensätze sind mit anderen Teilen der Anwendung integriert: