Un recorrido paso a paso de cómo Entity Enricher procesa una sola entidad: desde la entrada, pasando por la clasificación y la ejecución paralela de modelos, hasta la salida estructurada.
Abra la página del Editor de flujos de trabajo y configure su enriquecimiento. Un asistente de pasos lo guía por las etapas del proceso: Datos de muestra, Esquema, Enriquecimiento y Resultados, además de un paso de Base de datos lista cuando el esquema está vinculado a un Database Sync, que confirma que los cambios de la ejecución se pusieron en cola para su base de datos (o explica por qué se rechazó el guardado).
Pegue JSON de muestra para generar automáticamente un esquema y luego explore el árbol de propiedades interactivo. Edite propiedades, añada dominios de especialización y marque campos como claves de búsqueda o preservados.
Configure las opciones de enriquecimiento (estrategia, modelos, idiomas, clasificación, además del esquema de respuesta y los conmutadores de salida estructurada estricta) y complete las claves de búsqueda de la entidad (nombre, sitio web, país, etc.) para identificarla.
Muestra el progreso y los resultados en tiempo real de cada modelo. Al usar varios modelos, aparece un botón «Combinar resultados» para la fusión.
Algunas solicitudes no pueden producir un resultado utilizable, y el lugar más barato para descubrirlo es antes de la primera llamada al LLM. Se aplican dos contratos por adelantado.
Un esquema declara lo que debe contener su entrada: los campos clave que indican qué entidad es, una clave en cada elemento de los arrays que proporcione y un valor para cada campo marcado como preservado (no se puede preservar nada que nunca se haya facilitado). Una solicitud a la que le falte cualquiera de estos elementos se rechaza con un único error que enumera todas las infracciones a la vez, además del contrato completo del esquema, para que pueda corregirlo de una sola pasada en lugar de descubrir los requisitos de rechazo en rechazo. El contrato se publica en cada esquema guardado, de modo que un cliente puede comprobarlo antes de enviar.
Un array para el que usted aporta elementos se enriquece exactamente: el modelo completa lo que sabe de cada elemento y no puede añadir ni eliminar ninguno. Si envió cinco líneas, recibe cinco. Un elemento que el modelo no haya reclamado se reinserta literalmente en lugar de perderse, y uno que haya inventado se descarta. Los arrays que deje vacíos siguen abiertos: ahí el modelo descubre datos, que es de lo que se trata.
Si seleccionó un modelo de clasificación, primero se ejecuta una llamada al LLM rápida y económica para verificar que la entidad coincide con el tipo del esquema. Esto evita malgastar tokens en el enriquecimiento cuando la entidad no coincide. Consulte más en la documentación de clasificación.
Cada modelo seleccionado procesa la entidad con la estrategia que haya indicado o, de forma predeterminada, con la que se elige automáticamente a partir de la forma de su esquema, que la ejecución indica al iniciarse. Cuando se seleccionan varios modelos, se ejecutan en paralelo entre proveedores (Claude y GPT-4 se ejecutan simultáneamente), mientras que los modelos de un mismo proveedor se ejecutan de forma secuencial para respetar los límites de frecuencia.
Cada respuesta del LLM se valida contra su esquema en tiempo real. Cuando la salida no coincide con los tipos o las restricciones esperados, el sistema envía automáticamente los errores de vuelta al LLM para su corrección.
Hasta 5 reintentos automáticos por llamada al LLM. Cada reintento incluye el error de validación concreto para que el LLM sepa exactamente qué corregir, y la reparación es quirúrgica: solo se vuelven a pedir las hojas que llegaron mal, no la respuesta completa.
Fíjese en lo que no figura en esta lista: un valor que el modelo no pudo determinar no es un error que haya que reintentar. Cualquier campo puede volver ausente, y el modelo declara lo que no pudo encontrar, de modo que “desconocido” es una respuesta y no un fallo. Si un valor ausente resulta aceptable se decide más tarde, cuando la entidad se admite en su base de datos, y no obligando al modelo a adivinar.
Dos conmutadores opcionales piden al provider que restrinja la salida antes de que se devuelva, de modo que menos respuestas necesiten corrección desde el principio. Ambos solo se aplican a los modelos que los admiten; todo sigue recurriendo al bucle de validación y reintento anterior.
Entity Enricher utiliza Server-Sent Events (SSE) para transmitir el progreso en tiempo real. No tiene que esperar a que todos los modelos terminen: los resultados aparecen de forma progresiva a medida que cada dominio de experiencia o modelo finaliza.
Cada modelo obtiene su propio panel de resultados que muestra la salida JSON estructurada, insignias de progreso por especialización, uso de tokens, coste y tiempo de procesamiento. Al usar la estrategia multiespecialización, las insignias de especialización se actualizan en tiempo real a medida que se completa cada dominio.
Cuando se utiliza la estrategia multi-expertise domain, algunos expertise domains pueden fallar mientras otros tienen éxito. En lugar de descartarlo todo, Entity Enricher devuelve la salida combinada de los expertise domains exitosos con un estado «Parcial». Luego puede reintentar solo los expertise domains fallidos sin volver a ejecutar todo el enrichment.
Una vez completado el enriquecimiento, sus resultados se guardan en la página de Historial para futuras consultas. Si utilizó varios modelos, puede combinar los resultados mediante Fusión multimodelo.