Надёжный сценарий извлечения данных в n8n с проверкой по JSON Schema
Настройте в n8n конвейер извлечения данных: проверяйте структурированный вывод модели, повторяйте запросы при временных сбоях, а сомнительные и некорректные записи отправляйте на проверку человеку.
Кратко · TL;DR
Надёжный сценарий извлечения данных считает вывод модели недоверенным вводом. Задайте строгий JSON-контракт, проверяйте разобранный результат до записи, повторяйте запросы только при временных сбоях, а неразрешённые или значимые случаи отправляйте на проверку человеку.
Главное
- Запрашивайте один предсказуемый JSON-объект, а затем проверяйте его отдельно от модели.
- Разделяйте временные ошибки API и некорректные либо неполные результаты извлечения.
- Ограничивайте число повторов и сохраняйте исходную запись, чтобы повторный запуск не создавал дубликаты.
- Проверка человеком особенно важна перед действиями с существенными последствиями; в n8n можно настроить подтверждение для выбранных инструментов AI Agent.
- Ведите журнал аудита: исходные данные, результат извлечения, ошибки проверки, число попыток и решение проверяющего.
В этой статье (7)
Ключевое решение: сначала проверка, потом действие
Даже если модель вернула JSON, который выглядит корректно, это ещё не доказывает, что данные полны, имеют правильные типы или безопасны для использования. В n8n следует рассматривать извлечение данных как конвейер с чётким контрактом: получить исходную запись, запросить структурированный результат, разобрать и проверить его, а затем продолжить обработку, повторить запрос или отправить запись на проверку. Не подключайте вывод модели напрямую к обновлению базы данных или отправке внешнего сообщения.
В статье для примера используется запись в формате счёта-фактуры. Схема и конфигурация узлов приведены в качестве примеров, а не как проверенный экспорт n8n для конкретной версии. Проверьте доступные параметры узлов в своей версии n8n и формат вывода, который поддерживает выбранная конечная точка модели.
1. Сначала определите контракт выходных данных
Оставьте в схеме только те поля, которые действительно нужны следующему шагу. Явно укажите обязательные поля, используйте стабильные типы и решите, как представлять отсутствующую информацию. Например, если дата счёта отсутствует, укажите null, а не придумывайте дату и не заменяйте её произвольным пояснением.
{
"type": "object",
"additionalProperties": false,
"required": ["invoice_number", "invoice_date", "currency", "total"],
"properties": {
"invoice_number": { "type": "string", "minLength": 1 },
"invoice_date": { "type": ["string", "null"] },
"currency": { "type": "string", "minLength": 3, "maxLength": 3 },
"total": { "type": "number", "minimum": 0 }
}
}
Схема задаёт структурные правила, но не подтверждает, что извлечённая итоговая сумма совпадает с суммой в исходном документе. Добавьте отдельные проверки предметной области: например, убедитесь, что дата корректно разбирается, а код валюты входит в список допустимых. Не преобразуйте неожиданные значения незаметно: преобразование текстовой суммы в число может быть полезно, но фиксируйте такое преобразование и отклоняйте неоднозначные форматы.
2. Соберите сценарий n8n по этапам
Практичная структура на холсте:
- Триггер и получение источника: примите файл, запись или данные webhook. Присвойте источнику стабильный ID и сохраните исходный текст либо ссылку на него.
- Запрос на извлечение: передайте текст и краткую инструкцию выбранной модели. Запросите только объект заданной структуры и укажите, что неопределённые или отсутствующие значения нужно представлять в соответствии с контрактом.
- Разбор и проверка: разберите ответ как JSON, а затем проверьте обязательные ключи, типы, допустимые значения и бизнес-правила. Если в вашей конфигурации доступен узел проверки схемы, используйте его; иначе добавьте узел Code с валидатором, который вы специально установили и проверили. Не рассчитывайте, что конкретный пакет для проверки доступен в каждой среде n8n.
- Маршрутизация по результату: корректные записи передавайте дальше; временные ошибки направляйте в ветку с ограниченным числом повторов; устойчивые ошибки проверки и неоднозначные случаи отправляйте на проверку.
- Сохранение результата: записывайте ID источника, статус, извлечённый объект, ошибки проверки, число попыток и итоговое решение.
Проверку выполняйте отдельно от запроса к модели. Инструкции в промпте могут улучшить ответ, но не заменяют его проверку.
3. Повторяйте запросы только при подходящих ошибках
Повторы помогают справиться с временными ошибками передачи данных, ограничениями частоты запросов и сбоями на стороне сервиса. Они не исправят отсутствующий номер счёта или ответ, который снова и снова не соответствует схеме. Установите небольшой лимит повторов и, если узел поддерживает такую настройку, задайте задержку между попытками. Проверьте точные параметры повторов в своей версии n8n: настройки и поведение могут различаться в зависимости от узла.
Разведите разные результаты по отдельным веткам:
- Временная ошибка запроса: повторите запрос в пределах лимита, а затем пометьте запись как неудачную для дальнейшего расследования.
- Некорректный JSON: при необходимости разрешите одну контролируемую попытку исправления, запросив те же поля и соблюдение того же контракта. Повторно проверьте новый ответ — не считайте, что исправление обязательно сработало.
- Нарушение схемы или бизнес-правила: отправьте запись на проверку, а не запускайте бесконечный цикл.
- Корректный результат: передайте его дальше, используя ID источника, чтобы избежать повторной записи при повторном запуске сценария.
Повторный запрос не должен повторять необратимое действие на последующем этапе. Разделите извлечение данных моделью и запись данных на отдельные этапы и по возможности сделайте запись идемпотентной.
4. Добавьте проверку человеком там, где она снижает риск
Проверка человеком полезна, когда значение неоднозначно, правило проверки не выполнено или дальнейшее действие может иметь серьёзные последствия. Покажите проверяющему исходный документ, предложенные поля, конкретные ошибки проверки и понятные варианты: подтвердить, исправить или отклонить. Сохраните решение проверяющего и все внесённые исправления.
В документации n8n описано подтверждение человеком для выбранных инструментов, подключённых к AI Agent: сценарий приостанавливается, проверяющий может разрешить или отклонить предложенный вызов инструмента, и инструмент выполняется только после подтверждения. Подтверждение можно организовать через поддерживаемые каналы, например Slack, Telegram или n8n Chat. В документации также описан способ показать проверяющему предложенный инструмент и его параметры с помощью $tool.name и $tool.parameters. Это механизм подтверждения вызова инструмента AI Agent, а не универсальный интерфейс проверки каждой извлечённой записи. Для проверки отдельных записей настройте подходящую задачу для человека и путь возобновления сценария в своей среде.
Источник: документация n8n: Human-in-the-loop for tools.
5. Ищите причину ошибок по фактическим данным
Если корректные записи регулярно отклоняются, проверьте исходный ответ и ошибки валидатора до изменения схемы. Уточните, содержит ли ответ блоки Markdown, лишний текст, отсутствующие поля, которые должны допускать null, или числа в виде строк. Если повторы создают дубликаты, перенесите запись на этап после проверки и используйте стабильный идентификатор источника. Если проверяющим трудно быстро принять решение, укажите точный фрагмент источника, подтверждающий каждое спорное поле, вместо того чтобы отправлять только JSON-объект.
Не ослабляйте схему только ради повышения доли успешных проверок. Изменённый контракт должен соответствовать реальным требованиям последующих этапов, а его влияние следует проверять на репрезентативных примерах, включая отсутствующие поля, документы с ошибками и противоречивые значения.
Контрольный список перед запуском
- Определены обязательные поля, правила для
null, типы и политика обработки дополнительных полей. - Разбор, проверка схемы и проверка предметной области выполняются до записи на последующих этапах.
- Число повторов ограничено, а повторяются только ошибки, которые действительно могут пройти.
- Повторная обработка не приводит случайно к дублированию действий с серьёзными последствиями.
- Проверяющим доступны исходные данные, предложенные значения и причина передачи записи на проверку.
- Журналы содержат достаточно сведений для расследования и не скрывают отклонённые результаты.
Надёжный подход прост: извлечь данные, проверить, выбрать дальнейший путь и только после этого действовать. Схема выявляет структурные проблемы, ограниченные повторы помогают справляться с временными сбоями, а проверка человеком позволяет разрешать неоднозначность и оценивать риски, которые нельзя молча оставлять на усмотрение автоматизации.
Вопросы
Гарантирует ли запрос к модели вернуть JSON, соответствующий схеме?
Нет. Считайте ответ недоверенным вводом: разберите его и проверьте обязательные поля, типы и бизнес-правила в сценарии до использования.
Нужно ли n8n повторять запрос, если извлечённый JSON не прошёл проверку?
Не следует повторять его автоматически без ограничения. Может помочь одна попытка исправления, но повторяющиеся ошибки схемы обычно стоит передать на проверку или пометить для расследования, а не повторять бесконечно.
Можно ли с помощью подтверждения человеком в n8n проверять извлечённые записи?
Описанная функция n8n позволяет одобрять или отклонять вызовы инструментов, сделанные AI Agent. Сама по себе она не предоставляет универсальный интерфейс проверки записей; для извлечённых данных настройте подходящую задачу для человека и путь возобновления сценария.
Что следует показывать проверяющему?
Покажите исходный документ или нужный фрагмент, предложенные структурированные поля, ошибки проверки или сведения о неопределённости, а также явные варианты: подтвердить, исправить или отклонить.
Похожие статьи
Guides
Как создать в n8n процесс извлечения данных с возможностью восстановления
Спроектируйте процесс извлечения данных в n8n, который проверяет записи, повторяет попытки при временных сбоях и направляет исключения на проверку человеку без создания дубликатов при записи.
Guides
Как создать workflow для извлечения данных в n8n с учетом конфиденциальности
Спроектируйте workflow извлечения данных в n8n, который проверяет структурированный результат, безопасно обрабатывает ошибки и направляет чувствительные действия на проверку человеку.
Guides
Создайте повторяемый сценарий извлечения данных в n8n: валидация, повторы и проверка человеком
Спроектируйте сценарий извлечения данных в n8n, который проверяет структурированный результат, повторяет попытки при временных сбоях, отправляет сомнительные записи на проверку и оценивается на фиксированном наборе тестов.
Guides
Как создать в n8n процесс ответов на вопросы по документам с проверкой цитат и участием человека
Спроектируйте процесс в n8n, который извлекает данные из документов, проверяет структурированные ответы, безопасно повторяет запросы и направляет сомнительные результаты человеку.