किसी भी संख्या में एंटिटीज़ को रियल-टाइम प्रगति ट्रैकिंग, स्वचालित मल्टी-मॉडल फ्यूज़न, और JSON या Excel में एक्सपोर्ट के साथ समानांतर रूप से संवर्धित करें — केवल आपके प्लान के उपयोग कोटा से बंधी, किसी निश्चित बैच साइज़ से नहीं।
पंक्तियाँ ग्रिड के ऊपर बनी सोर्स स्ट्रिप से आती हैं — तीन टैब, एक बार में एक ही खुला। पंक्तियाँ लोड होते ही स्ट्रिप सिमटकर एक ही लाइन रह जाती है (“पेस्ट / CSV · 12 पंक्तियाँ लोड हुईं”), ताकि ग्रिड की ऊँचाई बनी रहे; कोई दूसरा सेट लोड करने के लिए उस लाइन पर क्लिक करें।
Excel, Google Sheets या किसी CSV एक्सपोर्ट से सीधे पंक्तियाँ पेस्ट करें। कॉमा, टैब और सेमीकोलन — तीनों समझे जाते हैं, कोट में लिखे सेल के भीतर डेलिमिटर हो सकता है, और अगर पहली पंक्ति में गैर-संख्यात्मक नाम हों तो उसे कॉलम हेडर मान लिया जाता है।
किसी .csv, .tsv या .json फ़ाइल को टैब पर ड्रॉप करें, या डिस्क से कोई चुनें। एक JSON फ़ाइल में ऑब्जेक्ट्स की एक array हो सकती है या एक अकेला ऑब्जेक्ट; कॉलम उनकी कीज़ का यूनियन होते हैं, इसलिए असमान रिकॉर्ड भी लोड हो जाते हैं।
किसी भी REST एंडपॉइंट से एंटिटी लाएँ। जो कुछ भी वापस आता है उसे फ़्री-फ़ॉर्म ऑब्जेक्ट्स की सूची के रूप में पढ़ा जाता है, और कॉलम सेट उनकी कीज़ का यूनियन होता है।
समर्थित प्रमाणीकरण:
यदि API कोई ऑब्जेक्ट लौटाता है, तो सिस्टम एम्बेडेड array के लिए data, results, items जैसी कुंजियों की जाँच करता है।
एंटिटीज़ लोड होने के बाद, वे वैलिडेशन स्थिति के साथ एक चयन योग्य सूची में दिखाई देती हैं। आप चुन सकते हैं कि बैच में कौन-सी एंटिटीज़ शामिल करनी हैं:
साइडबार सिंगल एनरिचमेंट कॉन्फ़िगरेशन विकल्पों को दर्शाता है:
| विकल्प | विवरण |
|---|---|
| स्कीमा | लक्ष्य schema जो enrichment आउटपुट संरचना को परिभाषित करता है |
| रणनीति | सिंगल पास, एक्सपर्ट डोमेन, या मल्टी-एक्सपर्टीज़ (प्रति डोमेन पैरेलल कॉल) |
| मॉडल | प्रति entity चलाने के लिए एक या अधिक AI models। कई models स्वचालित fusion को सक्षम करते हैं। |
| भाषाएँ | बहुभाषी फ़ील्ड संवर्धन के लिए भाषाएँ (जैसे, अंग्रेज़ी + फ़्रेंच) |
| क्लासिफिकेशन | एनरिचमेंट से पहले एंटिटी प्रकार सत्यापन के लिए वैकल्पिक तेज़ मॉडल |
| आर्बिट्रेशन | फ़्यूज़न के दौरान LLM-आधारित संघर्ष समाधान के लिए मॉडल। यदि अनसेट है, तो नियम-आधारित मर्ज का उपयोग किया जाता है। |
अनुमानित लागत रन बार में दिखती है, ठीक उस बटन के पास जो इसे खर्च करता है। इसकी गणना आपके स्कीमा की प्रॉपर्टी संख्या, चयनित मॉडलों के टोकन मूल्य निर्धारण, और आपके द्वारा चुनी गई एंटिटी की संख्या से की जाती है। स्वचालित मॉडल चयन के साथ मॉडल तभी चुना जाता है जब रन शुरू होता है, इसलिए दिखाया गया आंकड़ा उन सभी मॉडलों का माध्यिका होता है जिन्हें यह चुन सकता है। पुष्टिकरण डायलॉग हर रन पर नहीं, बल्कि तभी दिखता है जब रन में वास्तविक जोखिम हो — यह किसी लिंक किए गए डेटाबेस में लिखता हो, अनुमान बड़ा हो, या चयनित पंक्तियां छोड़ी जाने वाली हों।
सभी चयनित एंटिटी एक साथ प्रोसेस की जाती हैं। प्रत्येक एंटिटी स्वतंत्र रूप से पूरी एनरिचमेंट पाइपलाइन से गुज़रती है:
सभी एंटिटी हर API कुंजी और मॉडल का रेट बजट साझा करती हैं — यानी प्रति मिनट अनुरोध और टोकन जो प्रोवाइडर उस कुंजी को देता है, जो उसके रिस्पॉन्स से पढ़ा जाता है या किसी अस्वीकृति से सीखा जाता है। 20 एंटिटी और 2 मॉडल के साथ, जो मॉडल 15 अनुरोध प्रति मिनट की अनुमति देता है उसकी कॉल पूरे मिनट में फैला दी जाती हैं जबकि दूसरा मॉडल अपनी गति से चलता है, इसलिए बैच बिना 429 त्रुटियों के पूरा होता है।
रन शुरू करने पर टूलबार और ग्रिड के बीच एक रन स्ट्रिप खुलती है, जो Server-Sent Events (SSE) से चलती है: बैच के लिए एक प्रोग्रेस बार, done / failed / skipped एक मिले-जुले आंकड़े के बजाय अलग-अलग काउंटर के रूप में, बीता हुआ समय और पहले से पूरी हो चुकी पंक्तियों से निकाला गया ETA, और प्री-फ़्लाइट अनुमान के मुकाबले अब तक का खर्च। ग्रिड के ऊपर कुछ नहीं खुलता — पंक्तियाँ वहीं रहती हैं जहाँ आपने उन्हें छोड़ा था, और हर पंक्ति अपनी स्थिति Status कॉलम में रखती है, उसमें लगे Time और Cost के साथ।
यह पंक्ति अभी किसी रन से नहीं गुज़री है — स्थिति सेल पूरे कॉलम में ख़ुद को दोहराने के बजाय एक डैश दिखाता है।
बैच में स्वीकृत, कुंजी के रेट बजट में जगह की प्रतीक्षा में।
लेबल की जगह एक इनलाइन बार आ जाता है, जो कुल में से पूरे हो चुके विशेषज्ञता डोमेन चरणों की गिनती दिखाता है।
हर मॉडल ने जवाब दे दिया। समय और लागत भर जाते हैं, और Result कॉलम पढ़ने लायक हो जाते हैं।
इस पंक्ति के लिए किसी भी मॉडल ने परिणाम नहीं दिया। बैच रुकने के बाद स्ट्रिप सिर्फ़ विफल पंक्तियों को दोबारा चलाने का विकल्प देती है।
एनरिचमेंट से पहले ही हटा दिया गया — जैसे कि एक निश्चित क्लासिफिकेशन बेमेल — इसलिए इस रो की कोई लागत नहीं आई।
टूलबार के पूर्ण / विफल / छोड़े गए चिप ग्रिड को उन्हीं पंक्तियों तक सीमित कर देते हैं, और इनपुट / दोनों / परिणाम स्विच उन्हीं पंक्तियों को आपके भेजे गए डेटा, वापस आए डेटा, या दोनों को साथ-साथ दिखाता है।
आप किसी भी समय चल रहे batch को रद्द कर सकते हैं। रद्दीकरण सहयोगात्मक है — पहले से प्रक्रिया में मौजूद entity अपना मौजूदा LLM कॉल पूरा करती हैं, लेकिन कोई नया कॉल शुरू नहीं होता। पूर्ण हुई entity के आंशिक परिणाम संरक्षित रहते हैं।
बैच प्रोसेसिंग को लचीला बनाने के लिए डिज़ाइन किया गया है। व्यक्तिगत विफलताएँ बैच को नहीं रोकतीं:
बैच पूरा होने के बाद, परिणामों को तीन फ़ॉर्मैट में एक्सपोर्ट करें। प्रत्येक एंटिटी के लिए, यदि उपलब्ध हो तो फ्यूज़न परिणाम को प्राथमिकता दी जाती है; अन्यथा, सर्वश्रेष्ठ मॉडल परिणाम का उपयोग किया जाता है।
सभी एंटिटी डेटा, मॉडल आउटपुट और फ्यूज़न मेटाडेटा सहित पूरे परिणामों को एक संरचित JSON फ़ाइल के रूप में डाउनलोड करें।
JSON परिणामों को सीधे अपने क्लिपबोर्ड पर कॉपी करें ताकि उन्हें अन्य टूल या स्क्रिप्ट में पेस्ट किया जा सके।
एक तीन-शीट वर्कबुक: Results (प्रति entity एक पंक्ति, समतल की गई प्रॉपर्टीज़ के साथ), Summary (batch मेटाडेटा, models, लागतें), और Conflicts (समाधान तर्क सहित प्रति-entity विरोध विवरण)।
| सीमा | मान |
|---|---|
| प्रति batch अधिकतम entities | कोई निश्चित सीमा नहीं — आपके प्लान के उपयोग कोटा से बंधी |
| अधिकतम entity डेटा आकार | 50,000 अक्षर |
| अधिकतम prompt लंबाई | 100,000 वर्ण |
| URL फ़ेच टाइमआउट | 30 सेकंड |