当你的工作流需要从文本中快速获得结构化决策时，请使用 GLiNER。
选择模型
GLiNER：面向 AI 系统的结构化决策
智能体与浏览器工作流
- 浏览器使用与自动化： 识别页面意图、相关字段、警告以及需要确认的操作。
- 上下文压缩： 从对话或智能体轨迹中抽取决策、任务、截止日期和用户偏好。
- 模型路由： 在选择模型或工作流之前，对领域、复杂度、延迟要求和风险进行分类。
- 智能体监督： 检测偏离、重复失败、缺失的交付物、有风险的工具调用、无关上下文、低质量输出，或何时需要人工介入。
检索、数据与研究
- RAG： 在生成前选择相关段落，并检查检索到的上下文是否相关或存在冲突。
- 知识图谱与智能体记忆： 从文档或对话中抽取实体和关系，构建可查询的事实层。
- 文本分类： 将邮件、工单和文档归入垃圾邮件、紧急、退款请求或销售咨询等业务标签。
- PII 检测与脱敏： 在存储、索引或调用模型之前识别敏感数据。
- 预测与市场情报： 将客户反馈、监管文件、会议记录和新闻转化为需求、供应担忧、竞争对手提及和管理层变动等信号。
安全与质量检查
- LLM 防护与内容审核： 筛查提示词和输出中的有害内容、敏感数据和违规行为。
- 提示词注入检测： 标记试图覆盖指令、窃取数据或操纵工具使用的行为。
- 语义代码检查： 检查生成的代码和 pull request 是否符合仅靠语法无法发现的约定。
进行智能体监控时，只评估你的系统被允许收集的产物，例如工具调用和用户可见的日志。不要将隐藏的思维链用作运营监控依据。
