Transformation LLM
Transforme des donnees en utilisant un prompt LLM. Combine la puissance d'un modele de langage avec une transformation de donnees structuree.
Parametres
| Parametre | Type | Requis | Variable | Description |
|---|---|---|---|---|
inputArray | valeur dynamique | Oui | Oui | Tableau de donnees a transformer par le modele IA. |
itemVariable | texte | Non | Non | Nom de la variable representant chaque element dans le prompt. (Defaut: "item") |
promptTemplate | texte | Oui | Oui | Instructions de transformation appliquees a chaque element. Supporte {{item}}. |
systemPrompt | texte | Non | Oui | Instructions systeme envoyees avant le prompt de transformation. |
model.provider | texte | Oui | Non | Fournisseur du modele IA (ex. openai, anthropic). |
model.model | texte | Non | Non | Identifiant du modele a utiliser (ex. gpt-4o-mini). |
parameters.temperature | nombre | Non | Non | Creativite du modele (0 = deterministe, 1 = creatif). (Defaut: 0.7, min 0, max 2) |
parameters.maxTokens | nombre | Non | Non | Nombre maximum de tokens par reponse individuelle. (Defaut: 500, min 1, max 128000) |
batchSize | nombre | Non | Non | Nombre d'elements traites par lot. (Defaut: 10, min 1, max 100) |
parallelism | nombre | Non | Non | Nombre de lots traites en parallele. (Defaut: 3, min 1, max 10) |
outputFormat | choix (text, json, structured) | Non | Non | Format de sortie par element : texte brut, JSON ou structure typee. (Defaut: "text") |
outputField | texte | Non | Non | Nom du champ contenant le resultat LLM dans chaque element. (Defaut: "llmResult") |
retryOnError | oui/non | Non | Non | Retente automatiquement en cas d'erreur du modele. (Defaut: true) |
maxRetries | nombre | Non | Non | Nombre maximum de tentatives en cas d'erreur. (Defaut: 2, min 0, max 5) |
outputVariable | texte | Non | Non | Nom 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).