> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fastino.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Use https://docs.fastino.ai/openapi.json as the source of truth for customer-facing Fastino API routes. Only call operations present in that specification. Do not infer or call undocumented routes. Direct Fastino API integrations use https://api.fastino.ai, /v1 routes, and FASTINO_API_KEY.

# Beispielanwendungsfälle

> Anwendungsfälle für GLiNER in Agenten-, Retrieval-, Daten-, Forschungs-, Safety- und Qualitäts-Workflows.

Verwenden Sie GLiNER, wenn Ihr Workflow schnelle, strukturierte Entscheidungen auf Basis von Text benötigt.

## Modell auswählen

| Bedarf                                                                         | Beginnen Sie mit |
| ------------------------------------------------------------------------------ | ---------------- |
| Entitäten, Labels, Beziehungen oder Richtliniensignale extrahieren             | GLiNER           |
| Einen Agenten routen oder entscheiden, ob eine Person die Arbeit prüfen sollte | GLiNER           |

## GLiNER: strukturierte Entscheidungen für KI-Systeme

### Agenten- und Browser-Workflows

* **Browsernutzung und Automatisierung:** Erkennen Sie Seitenabsicht, relevante Felder, Warnungen und Aktionen, die eine Bestätigung erfordern.
* **Kontextverdichtung:** Extrahieren Sie Entscheidungen, Aufgaben, Fristen und Benutzerpräferenzen aus Unterhaltungen oder Agenten-Traces.
* **Modell-Routing:** Klassifizieren Sie Domäne, Komplexität, Latenzanforderungen und Risiko, bevor Sie ein Modell oder einen Workflow auswählen.
* **Agentenüberwachung:** Erkennen Sie Abweichungen, wiederholte Fehler, fehlende Ergebnisse, riskante Tool-Aufrufe, irrelevanten Kontext, schlechte Ausgabequalität oder wann eine Person eingreifen sollte.

### Retrieval, Daten und Forschung

* **RAG:** Wählen Sie relevante Passagen vor der Generierung aus und prüfen Sie abgerufenen Kontext auf Relevanz oder Widersprüche.
* **Wissensgraphen und Agentengedächtnis:** Extrahieren Sie Entitäten und Beziehungen aus Dokumenten oder Unterhaltungen in eine abfragbare Faktenebene.
* **Textklassifikation:** Sortieren Sie E-Mails, Tickets und Dokumente in operative Labels wie Spam, dringend, Rückerstattungsanfrage oder Vertriebsanfrage.
* **PII-Erkennung und -Schwärzung:** Identifizieren Sie sensible Daten vor der Speicherung, Indizierung oder vor Modellaufrufen.
* **Prognosen und Marktinformationen:** Wandeln Sie Kundenfeedback, Pflichtveröffentlichungen, Transkripte und Nachrichten in Signale wie Nachfrage, Lieferbedenken, Erwähnungen von Wettbewerbern und Führungswechsel um.

### Safety- und Qualitätsprüfungen

* **LLM-Guardrails und Moderation:** Prüfen Sie Prompts und Ausgaben auf schädliche Inhalte, sensible Daten und Richtlinienverstöße.
* **Erkennung von Prompt-Injection:** Markieren Sie Versuche, Anweisungen zu überschreiben, Daten zu exfiltrieren oder die Tool-Nutzung zu manipulieren.
* **Semantisches Code-Linting:** Prüfen Sie generierten Code und Pull Requests auf Konventionen, die sich allein über die Syntax nicht erkennen lassen.

<Warning>
  Bewerten Sie bei der Agentenüberwachung nur Artefakte, die Ihr System erfassen darf, etwa Tool-Aufrufe und für Benutzer sichtbare Logs. Verwenden Sie verborgene Chain-of-Thought nicht als operative Überwachungsgrundlage.
</Warning>

Beginnen Sie mit einer messbaren Aufgabe und einem kleinen Evaluierungsdatensatz aus freigegebenen Beispielen. Definieren Sie die Labels oder das Schema, die die strukturierten Entscheidungen abbilden, die Ihr Workflow benötigt.