텍스트 분류기 노드#

텍스트 분류기 노드를 사용하여 수신 데이터를 분류(범주화)합니다. 아래에 제공된 매개변수의 범주를 사용하여 각 항목이 모델로 전달되어 해당 범주가 결정됩니다.

이 페이지에서는 텍스트 분류기 노드에 대한 노드 매개변수를 찾을 수 있으며, 더 많은 리소스에 대한 링크도 포함되어 있습니다.

노드 매개변수#

입력 프롬프트는 분류할 입력을 정의합니다. 이는 일반적으로 입력 항목의 필드를 참조하는 표현식입니다. 예를 들어, 입력이 채팅 트리거인 경우 {{ $json.chatInput }}일 수 있습니다. 기본적으로 text 필드를 참조합니다.
범주: 입력을 분류할 범주를 추가합니다. 범주에는 이름과 설명이 있습니다. 설명을 사용하여 모델에게 범주의 의미를 전달합니다. 이는 의미가 명확하지 않은 경우에 중요합니다. 원하는 만큼 많은 범주를 추가할 수 있습니다.

다중 클래스 허용: 분류기가 항목당 항상 단일 클래스를 출력하도록 구성할 수 있습니다(꺼짐) 또는 모델이 여러 클래스를 선택하도록 허용할 수 있습니다(켜짐).
명확한 일치가 없을 경우: 모델이 항목에 대한 적절한 일치를 찾지 못할 경우 발생하는 상황을 정의합니다. 두 가지 옵션이 있습니다:
- 항목 폐기(기본값): 노드가 범주를 감지하지 못하면 항목을 삭제합니다.
- 추가 '기타' 브랜치에서 출력: 범주를 감지하지 못할 경우 기타라는 별도의 출력 브랜치를 생성합니다. 이 브랜치에서 항목이 출력됩니다.
시스템 프롬프트 템플릿: 이 옵션을 사용하여 분류에 사용되는 시스템 프롬프트를 변경합니다. {categories} 자리 표시자를 범주에 사용합니다.
자동 수정 활성화: 활성화하면 노드가 모델 출력을 자동으로 수정하여 예상 형식과 일치시킵니다. 이는 스키마 파싱 오류를 LLM에 전송하고 수정해 달라고 요청하여 수행합니다.

완성(Completion): GPT와 같은 모델이 생성하는 응답을 의미합니다.
환각(Hallucinations): AI에서 "환각"이란 LLM(대규모 언어 모델)이 실제로 존재하지 않는 패턴이나 개체를 잘못 인식하는 현상을 의미합니다.
벡터 데이터베이스(Vector Database): 정보를 수학적으로 표현한 벡터 데이터를 저장하는 데이터베이스입니다.
임베딩(Embeddings) 및 검색기(Retrievers)와 함께 사용하여 AI가 질문에 답할 때 접근할 수 있는 데이터베이스를 구성할 수 있습니다.
벡터 저장소(Vector Store): 벡터 데이터베이스와 동일한 개념으로, 정보를 수학적으로 표현한 벡터 데이터를 저장하는 시스템입니다.
임베딩 및 검색기와 함께 사용하여 AI가 질문에 답할 때 참조할 수 있는 데이터베이스를 구축할 수 있습니다.