AI を使用して、自動的な自己修正とインテリジェントな後処理により、サンプルデータから構造化された JSON スキーマを生成します。
スキーマ生成では、生のエンティティデータを、エンリッチメント時に抽出すべき情報を正確に定義した、型付きで注釈付きの JSON スキーマに変換します。スキーマを手動で書く代わりに、サンプル JSON を貼り付けるだけで、AI が構造を解析し、型を推論し、専門ドメインを割り当て、改善案を提案します。
{"en": "...", "fr": "..."}など）は単一の値にまとめられ、プロパティ数によって許可されるexpertise domainの数が決まります。自己修正ループが schema 生成を信頼できるものにしています。AI が schema を生成した後、型の正しさ、expertise の割り当て、参照の整合性、データの完全性をカバーする 8 つのルールをチェックするバリデーターを通過します。いずれかのルールが失敗すると、その具体的なエラーメッセージが AI に返され、次の試行で問題を修正できるようになります。
revenue: 型の不一致 — 入力は数値ですがスキーマでは'string'とされていますnumberに修正します。8つのルールすべてが通過します。スキーマが承認されます。このアプローチは、プロンプトでAIに「型に注意して」と依頼するよりもはるかに信頼性の高い方法です。バリデーターは具体的なエラーを検出し、それを修正するための正確なフィードバックをAIに提供します。各ルールの詳細についてはバリデーションルールガイドをご覧ください。
生成されたスキーマは、単なる型定義以上のものです。各プロパティには、エンリッチメントプロセスを導くメタデータが含まれています：
JSONスキーマの型 (string, number, integer, boolean, array, object)
どの情報を探すべきかを AI に伝える文脈的な説明です
この値を提供するexpertise domain（財務、規制など）を示します。
このフィールドがエンティティを識別する（検索）のか、配列を重複排除する（マージ）のかを示します。
フィールドがnullを取れるかどうか。オプションのデータに対する不要な再試行を防ぎます。
フィールドを複数の言語でエンリッチメントするかどうかです。
エンリッチメント中に元の値を変更せずに保持するかどうかです。
AIを正しいフォーマットへ導く、現実的な例の値
AIはスキーマのプロパティを、その意味的な内容に基づいて専門領域にグループ化します。例えば、製薬会社のスキーマには「Financial Analyst」「Regulatory Expert」「Corporate Information」といった領域が含まれる場合があります。これらの領域はマルチ専門領域戦略によって使用され、並列で専門的なLLM呼び出しを実行し、より深い結果を得ます。
専門ドメインの数は、過度な断片化を防ぐため、データのプロパティ数に基づいて自動的に制限されます。
AIが有効なスキーマを生成した後、3つの決定論的な後処理ステップが実際の入力データに基づいてスキーマを洗練します：
入力内で null 値を持つフィールドは自動的に nullable としてマークされるため、AI がそれらを埋めようとしてリトライを無駄にすることはありません。
空の値(null、空文字列、ゼロ)を持つフィールドはエンティティの識別に役立たないため、検索キーのフラグが削除されます。
メトリクスと戦略設定のため、スキーマからすべての一意の専門領域が収集されます。
生成後、自然言語の指示を使用してスキーマを変更できます。コマンドを入力すると、AIは既存のスキーマ構造を維持しながら変更を適用します。各編集では、さらなる改善のための5つの提案も生成されます。
employee_count整数フィールドを追加市区町村と国を含むネストされた住所オブジェクトを作成しますすべてのテキストフィールドにフランス語の説明を追加$defs を使用して親会社の参照を定義しますwebsite フィールドを null 許容としてマークAI編集は、生成ルールのサブセット（型チェック、参照の整合性、専門分野の一貫性）を使用して検証されますが、意図的にフィールドを追加または削除する場合があるため、入力データとの比較は行われません。
スキーマ生成とAI編集はいずれも、異なる改善カテゴリーをカバーする5つの的を絞った提案を生成します。
候補はSchema Editorにクリック可能なチップとして表示されます。クリックするとAI編集入力に自動入力され、適用されます。