RSS-Gegevens Voorbereiden Voor LLMs
Soms komt RSS-data inconsistent of overladen binnen, en hiervoor reduceer je elk artikel tot de essentie zodat het LLM elke keer een duidelijke tweet kan genereren. Het doel is eenvoudig: elk artikel moet het LLM bereiken in een schone, compacte vorm die resulteert in één enkele tweet.
- Aggregatie van een kleine feed en testen of het LLM dit aankan;
- Als de mapping onhandig lijkt, normaliseren met een Code-node;
- Itereren over items met een batchgrootte van 1 zodat elk artikel wordt verwerkt tot één tweet.
Begin met het aggregateren van de feed in kleine batches. Gebruik Aggregate om alle items te combineren tot één lijst, waardoor één item ontstaat dat een array van ongeveer 25 artikelen in JSON-formaat bevat. Dit biedt een snelle, eenvoudige opzet. Test dit geaggregeerde resultaat met je LLM door de array te mappen naar het Context-veld. Als de output onduidelijk of inconsistent is, ga dan over op normalisatie.
Voor normalisatie kopieer je een voorbeeld van de RSS-JSON en vraag je het LLM om een Code-node te genereren die HTML verwijdert, de eerste afbeeldings-URL extraheert, velden zoals title, text, url, guid en publishedAt standaardiseert, bijna-duplicaat titels verwijdert en één schoon item per artikel als array retourneert. Plaats deze Code-node direct na de RSS- of RSS Read-node.
Vervang vervolgens het aggregate-pad door een loop. Gebruik Loop of Split in Batches met een batchgrootte van één om telkens één artikel uit te sturen, wat ideaal is voor het genereren van één tweet per keer. Voeg ten slotte je chatmodel toe binnen de loop, map de genormaliseerde artikeltekst (en eventuele hooks) naar Context, en geef een korte, duidelijke systeeminstructie voor toon en stijl van de tweet.
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Awesome!
Completion rate improved to 4.17RSS-Gegevens Voorbereiden Voor LLMs
Veeg om het menu te tonen
Soms komt RSS-data inconsistent of overladen binnen, en hiervoor reduceer je elk artikel tot de essentie zodat het LLM elke keer een duidelijke tweet kan genereren. Het doel is eenvoudig: elk artikel moet het LLM bereiken in een schone, compacte vorm die resulteert in één enkele tweet.
- Aggregatie van een kleine feed en testen of het LLM dit aankan;
- Als de mapping onhandig lijkt, normaliseren met een Code-node;
- Itereren over items met een batchgrootte van 1 zodat elk artikel wordt verwerkt tot één tweet.
Begin met het aggregateren van de feed in kleine batches. Gebruik Aggregate om alle items te combineren tot één lijst, waardoor één item ontstaat dat een array van ongeveer 25 artikelen in JSON-formaat bevat. Dit biedt een snelle, eenvoudige opzet. Test dit geaggregeerde resultaat met je LLM door de array te mappen naar het Context-veld. Als de output onduidelijk of inconsistent is, ga dan over op normalisatie.
Voor normalisatie kopieer je een voorbeeld van de RSS-JSON en vraag je het LLM om een Code-node te genereren die HTML verwijdert, de eerste afbeeldings-URL extraheert, velden zoals title, text, url, guid en publishedAt standaardiseert, bijna-duplicaat titels verwijdert en één schoon item per artikel als array retourneert. Plaats deze Code-node direct na de RSS- of RSS Read-node.
Vervang vervolgens het aggregate-pad door een loop. Gebruik Loop of Split in Batches met een batchgrootte van één om telkens één artikel uit te sturen, wat ideaal is voor het genereren van één tweet per keer. Voeg ten slotte je chatmodel toe binnen de loop, map de genormaliseerde artikeltekst (en eventuele hooks) naar Context, en geef een korte, duidelijke systeeminstructie voor toon en stijl van de tweet.
Bedankt voor je feedback!
