Aller au contenu

Référence

Transformation LLM

Transforme des donnees en utilisant un prompt LLM. Combine la puissance d'un modele de langage avec une transformation de donnees structuree.

2 min

Transforme des donnees en utilisant un prompt LLM. Combine la puissance d'un modele de langage avec une transformation de donnees structuree.

Parametres

ParametreTypeRequisVariableDescription
inputArrayvaleur dynamiqueOuiOuiTableau de donnees a transformer par le modele IA.
itemVariabletexteNonNonNom de la variable representant chaque element dans le prompt. (Defaut: "item")
promptTemplatetexteOuiOuiInstructions de transformation appliquees a chaque element. Supporte {{item}}.
systemPrompttexteNonOuiInstructions systeme envoyees avant le prompt de transformation.
model.providertexteOuiNonFournisseur du modele IA (ex. openai, anthropic).
model.modeltexteNonNonIdentifiant du modele a utiliser (ex. gpt-4o-mini).
parameters.temperaturenombreNonNonCreativite du modele (0 = deterministe, 1 = creatif). (Defaut: 0.7, min 0, max 2)
parameters.maxTokensnombreNonNonNombre maximum de tokens par reponse individuelle. (Defaut: 500, min 1, max 128000)
batchSizenombreNonNonNombre d'elements traites par lot. (Defaut: 10, min 1, max 100)
parallelismnombreNonNonNombre de lots traites en parallele. (Defaut: 3, min 1, max 10)
outputFormatchoix (text, json, structured)NonNonFormat de sortie par element : texte brut, JSON ou structure typee. (Defaut: "text")
outputFieldtexteNonNonNom du champ contenant le resultat LLM dans chaque element. (Defaut: "llmResult")
retryOnErroroui/nonNonNonRetente automatiquement en cas d'erreur du modele. (Defaut: true)
maxRetriesnombreNonNonNombre maximum de tentatives en cas d'erreur. (Defaut: 2, min 0, max 5)
outputVariabletexteNonNonNom de la variable de sortie contenant les elements transformes.

Les parametres marques Variable = Oui acceptent la syntaxe {{nomBloc.champ}}.

Sortie

Variable de sortie : llmTransformResult

{
  "success": false,
  "results": [],
  "totalItems": 0,
  "tokensInput": 0,
  "tokensOutput": 0,
  "totalTokens": 0,
  "durationMs": 0
}

Exemple

Normaliser des adresses avec un LLM.

Entree :

{"address": "12 rue victor hugo 75001 paris"}

Sortie :

{"content": "12 Rue Victor Hugo, 75001 Paris, France"}

Astuce Utile pour des transformations semantiques impossibles avec du code (correction orthographique, normalisation, classification).

Cette page vous a-t-elle permis d’atteindre votre objectif ?