Schema kann als ein Handbuch verstanden werden, das zeigt, wie Daten aussehen. Es ist nicht für die Einzelheiten verantwortlich, sondern definiert die Struktur, Felder, Typen, Hierarchien und Einschränkungen. Solange du möchtest, dass das Modell nicht mehr frei spielt, aber ehrlich gesagt in einem bestimmten Format ausgibt, kommt Schema im Grunde ins Spiel. Deshalb bringe ich es immer zur Sprache, wenn ich über JSON, strukturierte Ausgabe, Funktionsaufrufe und Toolaufrufe spreche.
Was genau schränkt es ein?
| Einschränkungen | Was sagt das Schema? |
|---|---|
| Feld | Welche Schlüssel müssen dort sein, wie heißt das |
| Typ | Handelt es sich um eine Zeichenkette, Zahl, Boolean, Array oder Objekt |
| Levels | Welche Felder miteinander verbunden sind und wer von wem Kinder sind |
| Regeln | Welche sind erforderlich, welche sind leer und welche können nur mit bestimmten Werten genommen werden |
Warum erscheint es sowohl in JSON als auch in Tool-Aufrufen?
Denn diese beiden Arten von Szenarien wollen nicht "anständig" sein, sondern "das Programm kann direkt übernommen werden". Wenn das Modell ein Stück natürlicher Sprache ausgibt, verstehen die Menschen es vielleicht, aber das Programm kann es möglicherweise nicht erfassen; Mit Schema schreibt das Modell nicht nur Antworten, sondern füllt Werte in einem definierten Container aus. Toolaufrufe basieren insbesondere darauf, da das Tool einen Fehler melden kann, wenn der Parametername, der Parametertyp und die erforderliche Beziehung falsch sind.
Was hat das mit Prompts zu tun?
Der Prompt sagt dem Modell: "Was wirst du tun?" Schemata sind eher so, als würde man dem Modell sagen, "wie die von dir erzeugten Daten aussehen müssen." Die beiden werden oft zusammen verwendet, funktionieren aber unterschiedlich. Indem es sich nur auf Eingabeaufforderungen stützt, weiß das Modell vielleicht, dass es Kontaktinformationen ausgeben muss, aber es gibt Ihnen möglicherweise keine festen Schlüssel wie name, phone, email; Mit der Hinzufügung eines Schemas ist die Ausgabe näher an dem, was das Programm erwartet.
Häufige Missverständnisse
- Mythos 1: Bei einem Schema sind die Ergebnisse zuverlässig. Tatsächlich ist es besser darin, das Format einzuschränken und nicht dafür verantwortlich zu sein, dass die Fakten selbst korrekt sind.
- Mythos 2: Schemata gehören nur Entwicklern. Tatsächlich sind Sie solange Sie feste Tabellenextraktion, Batch-Klassifikation und automatisierte Workflows durchführen, bereits betroffen.
- Mythos 3: Es ist einfach eine andere Art, JSON zu sagen. Genauer gesagt: JSON ist der Träger und Schema die Regel.
Der eigentliche Wert von Schema besteht also nicht darin, das Ergebnis "ordentlicher" aussehen zu lassen, sondern es einfacher zu machen, dass Modellergebnisse in Programme, Tabellen und Werkzeugketten gelangen. Es erklärt ein häufiges Phänomen: Warum KI auch Informationen extrahiert, manche Menschen ein Prosastück bekommen und andere Daten erhalten, die direkt in der Datenbank gespeichert werden können.
