@Osas_Eduwoh نماذج اللغات الكبيرة غير حتمية بشكل افتراضي لذلك بعض التباين أمر طبيعي، الرافعة الأولى هي درجة الحرارة، اخفضها إلى 0 في خيارات عقد النموذج للحصول على أكثر المخرجات اتساقاً. لكن هذا يعتمد على نوع عدم الاتساق الذي تراه، هل يتغير الصياغة/المحتوى الفعلي من تشغيل لآخر، أم أن التنسيق/البنية (شكل json والحقول المفقودة) هي التي تتباين؟ الحل مختلف لكل حالة، فأي واحدة هي؟
مرحبا! عادة ما تأتي مشاكل عدم اتساق مخرجات الذكاء الاصطناعي من إعدادات النموذج وليس من خطأ في n8n. نظراً لأن نماذج اللغة الكبيرة احتمالية بطبيعتها، فإنها تنحرف بشكل طبيعي ما لم تقيدها.
جرب هذه الإصلاحات السريعة للحصول على نتائج متسقة:
خفض درجة الحرارة: اخفضها إلى 0 أو 0.2 في عقدة النموذج. هذا يمنع الذكاء الاصطناعي من أن يصبح “مبدعاً” ويفرض استجابات صارمة.
ترميز صيغة الإخراج: في موجه النظام الخاص بك، أخبره بصراحة كيفية الإجابة. على سبيل المثال: “أخرج بصيغة JSON فقط. لا تتضمن حشواً حواراً مثل ‘إليك بياناتك’.”
قدم أمثلة: أضف مثالين أو ثلاثة أمثلة لإدخال وإخراج مثالي مباشرة في الموجه (few-shot prompting). هذا يعطي الذكاء الاصطناعي نمطاً واضحاً لنسخه.
إذا تمكنت من نسخ/لصق سير العمل الخاص بك هنا (فقط اضغط على Ctrl+C على اللوحة الخاصة بك وCtrl+V هنا) وشارك مثالاً سريعاً لاستجابة جيدة مقابل استجابة سيئة، يمكنني الاطلاع عليها ومساعدتك في ضبطها.