Skip to content

Text Classifier node#

ใช้ Text Classifier node เพื่อจำแนก (จัดหมวดหมู่) ข้อมูลที่เข้ามา โดยใช้ categories ที่ระบุใน parameters (ดูด้านล่าง) แต่ละ item จะถูกส่งไปยัง model เพื่อกำหนด category ของมัน

ในหน้านี้ คุณจะพบ node parameters สำหรับ Text Classifier node และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม

Node parameters#

  • Input Prompt กำหนด input ที่จะจำแนก โดยปกติจะเป็น expression ที่อ้างอิงถึง field จาก input items ตัวอย่างเช่น อาจเป็น {{ $json.chatInput }} หาก input เป็น chat trigger โดยค่าเริ่มต้นจะอ้างอิงถึง field text
  • Categories: เพิ่ม categories ที่คุณต้องการจำแนก input ของคุณ Categories มี name และ description ใช้ description เพื่อบอก model ว่า category นั้นหมายถึงอะไร นี่เป็นสิ่งสำคัญหากความหมายไม่ชัดเจน คุณสามารถเพิ่ม categories ได้มากเท่าที่คุณต้องการ

Node options#

  • Allow Multiple Classes To Be True: คุณสามารถกำหนดค่า classifier ให้ออกผลลัพธ์เป็น class เดียวต่อ item เสมอ (ปิด) หรืออนุญาตให้ model เลือกหลาย classes (เปิด)
  • When No Clear Match: กำหนดว่าจะเกิดอะไรขึ้นหาก model ไม่พบการจับคู่ที่ดีสำหรับ item มีสองตัวเลือก:
    • Discard Item (ค่าเริ่มต้น): หาก node ไม่ตรวจพบ categories ใดๆ เลย มันจะทิ้ง item นั้นไป
    • Output on Extra, 'Other' Branch: สร้าง output branch แยกต่างหากชื่อ Other เมื่อ node ไม่ตรวจพบ categories ใดๆ มันจะส่ง output items ใน branch นี้

  • System Prompt Template: ใช้ตัวเลือกนี้เพื่อเปลี่ยน system prompt ที่ใช้สำหรับการจำแนก มันใช้ placeholder {categories} สำหรับ categories

  • Enable Auto-Fixing: เมื่อเปิดใช้งาน node จะแก้ไข outputs ของ model โดยอัตโนมัติเพื่อให้แน่ใจว่าตรงกับ format ที่คาดหวัง ทำได้โดยส่ง schema parsing error ไปยัง LLM และขอให้แก้ไข

ดูเอกสาร Advanced AI ของ n8n

AI glossary#

  • completion: Completions are the responses generated by a model like GPT.
  • hallucinations: Hallucination in AI is when an LLM (large language model) mistakenly perceives patterns or objects that don't exist.
  • vector database: A vector database stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.
  • vector store: A vector store, or vector database, stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.