Підготовка RSS-Даних для LLM
Іноді RSS-дані надходять непослідовними або перевантаженими, тому кожну статтю потрібно скоротити до основного, щоб LLM міг щоразу створювати чистий твіт. Мета проста: кожна стаття має надходити до LLM у чистому, компактному вигляді, який перетворюється на один твіт.
- Агрегування невеликої стрічки та перевірка, чи LLM може її обробити;
- Якщо відображення виглядає незграбно, нормалізація за допомогою вузла Code;
- Циклічне опрацювання елементів з розміром пакета 1, щоб кожна стаття оброблялася в окремий твіт.
Почніть з агрегування стрічки невеликими пакетами. Використайте Aggregate для об'єднання всіх елементів у єдиний список, створюючи один елемент, що містить масив приблизно з 25 статей у форматі JSON. Це забезпечує швидке, малоскладне налаштування. Перевірте цей агрегований результат у вашому LLM, відобразивши масив у полі Context. Якщо результат виглядає нечітким або непослідовним, переходьте до нормалізації.
Для нормалізації скопіюйте зразок RSS у форматі JSON і попросіть ваш LLM створити Code node, який видаляє HTML, витягує перше посилання на зображення, стандартизує поля, такі як title, text, url, guid, і publishedAt, видаляє майже дублікати заголовків і повертає по одному чистому елементу на статтю у вигляді масиву. Розмістіть цей Code node одразу після вузла RSS або RSS Read.
Далі замініть шлях агрегування на цикл. Використайте Loop або Split in Batches з розміром пакета один, щоб видавати по одній статті за раз, що ідеально підходить для створення одного твіта за прохід. Нарешті, додайте вашу модель чату всередині циклу, відобразіть нормалізований текст статті (та будь-які додаткові дані) у Context і надайте коротку, чітку системну інструкцію щодо тону та стилю твіта.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 4.17Підготовка RSS-Даних для LLM
Свайпніть щоб показати меню
Іноді RSS-дані надходять непослідовними або перевантаженими, тому кожну статтю потрібно скоротити до основного, щоб LLM міг щоразу створювати чистий твіт. Мета проста: кожна стаття має надходити до LLM у чистому, компактному вигляді, який перетворюється на один твіт.
- Агрегування невеликої стрічки та перевірка, чи LLM може її обробити;
- Якщо відображення виглядає незграбно, нормалізація за допомогою вузла Code;
- Циклічне опрацювання елементів з розміром пакета 1, щоб кожна стаття оброблялася в окремий твіт.
Почніть з агрегування стрічки невеликими пакетами. Використайте Aggregate для об'єднання всіх елементів у єдиний список, створюючи один елемент, що містить масив приблизно з 25 статей у форматі JSON. Це забезпечує швидке, малоскладне налаштування. Перевірте цей агрегований результат у вашому LLM, відобразивши масив у полі Context. Якщо результат виглядає нечітким або непослідовним, переходьте до нормалізації.
Для нормалізації скопіюйте зразок RSS у форматі JSON і попросіть ваш LLM створити Code node, який видаляє HTML, витягує перше посилання на зображення, стандартизує поля, такі як title, text, url, guid, і publishedAt, видаляє майже дублікати заголовків і повертає по одному чистому елементу на статтю у вигляді масиву. Розмістіть цей Code node одразу після вузла RSS або RSS Read.
Далі замініть шлях агрегування на цикл. Використайте Loop або Split in Batches з розміром пакета один, щоб видавати по одній статті за раз, що ідеально підходить для створення одного твіта за прохід. Нарешті, додайте вашу модель чату всередині циклу, відобразіть нормалізований текст статті (та будь-які додаткові дані) у Context і надайте коротку, чітку системну інструкцію щодо тону та стилю твіта.
Дякуємо за ваш відгук!
