Um guia passo a passo de como o Entity Enricher processa uma única entidade — desde a entrada, passando pela classificação e execução paralela de modelos, até à saída estruturada.
Abra a página do Editor de Esquemas e configure o seu enriquecimento. Um assistente de fluxo de trabalho guia-o pelas etapas do pipeline: Dados de Amostra, Esquema, Enriquecimento e Resultados.
Cole uma amostra JSON para gerar automaticamente um esquema e, em seguida, explore a árvore de propriedades interativa. Edite propriedades, adicione domínios de especialização e marque campos como chaves de pesquisa ou preservados.
Configure as opções de enriquecimento (estratégia, modelos, idiomas, classificação, além do schema de resposta e das opções de saída estruturada estrita) e preencha as chaves de pesquisa da entidade (nome, site, país, etc.) para identificar a entidade.
Mostra o progresso e os resultados em tempo real para cada modelo. Ao utilizar vários modelos, aparece um botão “Combinar Resultados” para a fusão.
Se você tiver selecionado um model de classification, é executada primeiro uma chamada rápida e económica ao LLM para verificar se a entity corresponde ao tipo do schema. Isto evita desperdiçar tokens em enrichment quando a entity não corresponde. Saiba mais na documentação de Classification.
Cada model selecionado processa a entity utilizando a estratégia escolhida. Quando são selecionados vários models, estes são executados em paralelo entre providers (o Claude e o GPT-4 são executados em simultâneo), enquanto os models do mesmo provider são executados sequencialmente para respeitar os limites de taxa.
Cada resposta do LLM é validada em relação ao seu schema em tempo real. Quando o output não corresponde aos tipos ou restrições esperados, o sistema envia automaticamente os erros de volta ao LLM para correção.
Até 5 tentativas automáticas de repetição por chamada de LLM. Cada tentativa inclui o erro de validação específico para que o LLM saiba exatamente o que corrigir.
Dois botões opcionais pedem ao provider que restrinja a saída antes de esta ser devolvida, para que menos respostas precisem de correção à partida. Ambos se aplicam apenas a models que os suportam; tudo continua a recorrer ao ciclo de validação e repetição acima.
O Entity Enricher usa Server-Sent Events (SSE) para transmitir o progresso em tempo real. Não tem de esperar que todos os modelos concluam — os resultados aparecem progressivamente à medida que cada domínio de especialização ou modelo termina.
Cada modelo tem o seu próprio painel de resultados, que mostra o output JSON estruturado, distintivos de progresso por especialização, utilização de tokens, custo e tempo de processamento. Ao utilizar a estratégia multi-especialização, os distintivos de especialização atualizam-se em tempo real à medida que cada domínio termina.
Ao utilizar a estratégia multi-expertise domain, algumas expertise domains podem falhar enquanto outras têm êxito. Em vez de descartar tudo, o Entity Enricher devolve o resultado combinado das expertise domains bem-sucedidas com um estado “Parcial”. Pode então repetir apenas as expertise domains que falharam sem voltar a executar todo o enrichment.
Após a conclusão do enriquecimento, os seus resultados são guardados na página Registos para referência futura. Se usou vários modelos, pode combinar os resultados com a Fusão Multimodelo.