Classifier

Genel Bakış

Classifier düğümü, girdi metnini ve kategori etiketleri listesini bir dil modeline gönderir; model en uygun etiketi (ya da çok etiketli modda birden fazla etiketi) döndürür. Her tahmin edilen kategori için bir güven puanı üretilir; confidence_threshold'un altındaki sonuçlar çıktıdan hariç tutulur. Bu düğüm, sınıflandırma görevleri için geçici prompt mühendisliğinin yerini alır ve tutarlı, yapılandırılmış çıktı üretir.

Tam dokümantasyon için İngilizce sayfaya bakınız: Classifier (EN)

Yapılandırma

Alan	Tür	Zorunlu	Varsayılan	Açıklama
categories	array<string>	Evet	—	Modelin atayabileceği sıralı kategori etiketleri listesi.
model_key	string	Evet	—	Sınıflandırma için kullanılacak dil modeli (ör. "gpt-4o-mini", "claude-3-haiku").
multi_label	boolean	Hayır	false	false olduğunda model tam olarak bir kategori döndürür. true olduğunda birden fazla kategori döndürebilir.
confidence_threshold	number	Hayır	0.5	Kategorinin çıktıda yer alması için gereken minimum güven puanı (0–1).
system_prompt	string	Hayır	—	Alan bağlamı veya sınıflandırma yönergeleri sağlayan özel sistem istemi.
input_path	string	Hayır	"$.text"	Gelen veri nesnesi içinde metin alanını işaret eden JSONPath ifadesi.

Girdiler

Bağlantı Noktası	Tür	Açıklama
input	object	Sınıflandırılacak metni içeren veri nesnesi. input_path'teki alan çıkarılır.
text	string	Kısayol girdi: sınıflandırılacak çıplak dize. Bağlandığında input_path yok sayılır.

Çıktılar

Bağlantı Noktası	Tür	Açıklama
label	string	En üst tahmin edilen kategori etiketi.
labels	array<object>	confidence_threshold'un üzerindeki tüm tahmin edilen kategoriler, her biri { label, confidence } içerir; güven azalan sırada sıralanır.
confidence	number	En üst etiketin güven puanı (0–1).
usage	object	LLM çağrısı için token kullanımı: { prompt_tokens, completion_tokens, total_tokens }.

Notlar

• Tek etiketli modda, ara output_parser adımı olmadan workflow'u kategori başına dallandırmak için label çıktısını doğrudan switch düğümüne bağlayın.
• Güven puanları modele bağımlıdır; eşikleri kullanım durumunuz için deneysel olarak doğrulayın.
• Küçük, sabit etiket kümeleri (2–5 kategori) için düşük maliyetli modeller genellikle karşılaştırılabilir doğruluk sağlar.
• multi_label: true kullanırken hiçbir kategori confidence_threshold'u aşmazsa labels dizisi boş olabilir; bu durumu açıkça ele alın.