Welche Token sollten von n8n bei LLM-Modellen optimal getroffen werden, wenn der Benutzer einen Workflow-Builder-Prompt sendet

Feedback General
1

Wie viele Tokens sind optimal, um die beste Ausgabe vom Modell zu erhalten

2

Es gibt keine Geheimzahl für Tokens. Meine Empfehlungen sind: Für Simple Tasks, zum Beispiel Text-Parsing oder grundlegende Zuordnungen, 500 bis 1000 Tokens maximal, da dies schnell und kostengünstig ist. Für Complex Logic / Code Generation würde ich 2000 - 4000 Tokens maximal empfehlen, da dies dem Modell genug Platz gibt, um gut kommentiertes JSON usw. auszugeben. Für fortgeschrittene Multi-Agent-Schleifen überlasse ich es dem Modell, was es dem Modell ermöglicht, seine Ausgabelänge bis zu seiner natürlichen maximalen Fähigkeit selbst zu wählen. Ich hoffe, das hilft dir :crossed_fingers:

3

  • Klassifizierung oder Ja/Nein-Antworten: 50 bis 200

  • Strukturierte Daten extrahieren (JSON, Felder): 300 bis 800

  • Zusammenfassungen oder kurze Analysen: 500 bis 1500

  • Langformige Inhalte oder detaillierte Begründungen: 1500 bis 4000

Wenn du abgeschnittene Antworten erhältst, verdopple dein aktuelles Limit und teste erneut. Falls die Kosten ein Problem darstellen, protokolliere die tatsächliche Token-Nutzung aus der Antwort des Modells und senke die Obergrenze auf 20 % über deinem Durchschnitt.

Wofür nutzt du es? Das hilft dir, es einzugrenzen.