GuidesOneMux

สร้างเวิร์กโฟลว์ดึงข้อมูลใน n8n ที่ทำซ้ำได้ พร้อมการตรวจสอบ การลองใหม่ และการตรวจทานโดยมนุษย์

ออกแบบเวิร์กโฟลว์ดึงข้อมูลใน n8n ที่ตรวจสอบเอาต์พุตแบบมีโครงสร้าง ลองใหม่เมื่อเกิดข้อผิดพลาดชั่วคราว ส่งระเบียนที่ไม่แน่ใจให้ตรวจทาน และประเมินผลด้วยชุดกรณีทดสอบที่กำหนดไว้

AI

สรุป · TL;DR

แยกขั้นตอนดึงข้อมูลออกจากการตรวจสอบและการดำเนินการที่มีผลตามมาใน n8n ตรวจสอบผลลัพธ์ทุกครั้งตามข้อกำหนดที่ชัดเจน ลองใหม่เฉพาะข้อผิดพลาดที่กู้คืนได้และจำกัดจำนวนครั้งไว้แน่นอน จากนั้นส่งระเบียนที่ไม่แน่ใจหรือมีผลกระทบสูงให้มนุษย์ตรวจทานก่อนบันทึก

ประเด็นสำคัญ

  • ให้ถือว่าผลลัพธ์จากการดึงข้อมูลเป็นข้อมูลที่ยังไม่น่าเชื่อถือ จนกว่าจะผ่านการตรวจสอบ schema และกฎทางธุรกิจ
  • กำหนดจำนวนครั้งสูงสุดที่จะลองใหม่ และแยกข้อผิดพลาดชั่วคราวออกจากเอาต์พุตของโมเดลที่ไม่ถูกต้อง
  • ใช้การตรวจทานโดยมนุษย์กับระเบียนที่คลุมเครือหรือการดำเนินการที่มีผลสำคัญ พร้อมแสดงค่าที่เสนอไว้อย่างครบถ้วน
  • เก็บชุดทดสอบที่แน่นอนไว้ พร้อมผลลัพธ์ที่คาดหวังและเกณฑ์ผ่านที่ชัดเจน เพื่อให้เปรียบเทียบการเปลี่ยนแปลงได้อย่างสม่ำเสมอ
ในหน้านี้ (7)

เวิร์กโฟลว์ดึงข้อมูลใน n8n น่าเชื่อถือขึ้นได้เมื่อแบ่งเป็นด่านแยกกันสามส่วน ได้แก่ การตรวจสอบ schema, การกู้คืนโดยจำกัดจำนวนครั้ง และ การตรวจทานโดยมนุษย์ อย่าส่งคำตอบที่ AI สร้างขึ้นไปอัปเดตฐานข้อมูลหรือส่งข้อความภายนอกโดยตรง ให้ตรวจสอบก่อนว่าผลลัพธ์มีรูปแบบตามที่คาดไว้ แล้วจึงพิจารณาว่าปลอดภัยพอที่จะประมวลผลโดยอัตโนมัติหรือไม่

แนวทางนี้เป็นตัวอย่างประกอบ ไม่ใช่ไฟล์ส่งออกของเวิร์กโฟลว์ที่ผ่านการทดสอบแล้ว ป้ายชื่อโหนดและตัวเลือกที่มีอาจแตกต่างกันตามเวอร์ชันของ n8n คู่มืออย่างเป็นทางการของ n8n อธิบายการอนุมัติโดยมนุษย์สำหรับเครื่องมือบางรายการที่เชื่อมต่อกับ AI Agent แต่ไม่ได้อธิบายขั้นตอนอนุมัติทั่วไปสำหรับระเบียนที่ดึงข้อมูลมาทุกระเบียน n8n: Human-in-the-loop for tools.

เริ่มจากข้อกำหนดการดึงข้อมูลที่แคบและชัดเจน

เลือกประเภทระเบียนเพียงประเภทเดียว แล้วกำหนดให้ชัดว่าขั้นตอนปลายทางต้องใช้ข้อมูลอะไรบ้าง ตัวอย่างเช่น การดึงข้อมูลในใบแจ้งหนี้อาจได้ผลลัพธ์ดังนี้:

{
  "invoice_number": "INV-1042",
  "invoice_date": "2025-02-14",
  "total": 128.50,
  "currency": "USD"
}

กำหนดว่าแต่ละฟิลด์จำเป็นหรือไม่ ยอมรับชนิดข้อมูลใดบ้าง และควรแทนค่าที่ขาดหายหรือไม่แน่ใจอย่างไร หลีกเลี่ยงการใช้ฟิลด์กว้าง ๆ เช่น notes แทนข้อกำหนดที่เชื่อถือได้ สำหรับตัวอย่างนี้ อาจตั้งกฎไว้ดังนี้:

  • invoice_number: สตริงที่ไม่ว่าง
  • invoice_date: วันที่ ISO ที่ถูกต้อง (YYYY-MM-DD)
  • total: ตัวเลขที่มีค่าจำกัดและมากกว่าหรือเท่ากับศูนย์
  • currency: ตัวอักษรพิมพ์ใหญ่สามตัว
  • ค่าที่ไม่ทราบ: ใช้ null ได้ต่อเมื่อข้อกำหนดอนุญาตเท่านั้น ห้ามเดา

กฎเหล่านี้เป็นตัวอย่างของกฎทางธุรกิจ ไม่ใช่ข้อกำหนดที่ n8n บังคับใช้ ให้ตั้งกฎให้เหมาะกับเอกสารต้นทางและระบบปลายทางของคุณ

สร้างเวิร์กโฟลว์เป็นขั้นตอนแยกกัน

เวิร์กโฟลว์ที่ใช้งานได้จริงอาจมีลำดับดังนี้:

  1. ทริกเกอร์และดึงข้อมูล: รับเอกสารหรือระเบียน และเก็บรหัสอ้างอิงของแหล่งที่มาไว้
  2. ดึงข้อมูล: ขอให้ขั้นตอนดึงข้อมูลที่เลือกส่งเฉพาะฟิลด์ที่ระบุในข้อกำหนด หากโหนดหรือโมเดลที่เลือกใช้รองรับ ให้กำหนดเอาต์พุตแบบมีโครงสร้าง แต่ยังต้องตรวจสอบผลลัพธ์ด้วยตนเอง
  3. แยกวิเคราะห์และตรวจสอบ: ตรวจสอบว่าคำตอบแยกวิเคราะห์ได้ และทุกฟิลด์เป็นไปตามชนิดข้อมูลและกฎทางธุรกิจ
  4. แยกเส้นทาง: ส่งระเบียนที่ถูกต้องและมีความเสี่ยงต่ำไปยังขั้นตอนถัดไป ส่งระเบียนที่ไม่ถูกต้องหรือคลุมเครือไปยังเส้นทางตรวจทาน และจัดการข้อผิดพลาดของบริการที่เกิดขึ้นชั่วคราวแยกต่างหาก
  5. บันทึก: เขียนข้อมูลลงปลายทางหลังตรวจสอบแล้ว และผ่านการอนุมัติจากมนุษย์เมื่อจำเป็น
  6. บันทึกผลลัพธ์: จัดเก็บรหัสอ้างอิงของแหล่งที่มา ผลลัพธ์ที่ดึงได้ ข้อผิดพลาดจากการตรวจสอบ จำนวนครั้งที่ลอง และการตัดสินใจสุดท้าย หลีกเลี่ยงการบันทึกเนื้อหาเอกสารที่ละเอียดอ่อน เว้นแต่นโยบายการเก็บรักษาข้อมูลของคุณจะอนุญาต

คุณสามารถใช้ Code node สำหรับการตรวจสอบหลังแยกวิเคราะห์เพื่อทำการตรวจพื้นฐานได้ ปรับพร็อพเพอร์ตีอินพุตและนโยบายเกี่ยวกับ null ให้สอดคล้องกับโหนดก่อนหน้า:

const item = $input.first().json;
const data = item.extraction; // Set this to the parsed extraction object.
const errors = [];

if (!data || typeof data !== 'object' || Array.isArray(data)) {
  errors.push('Extraction must be a JSON object');
} else {
  if (typeof data.invoice_number !== 'string' || !data.invoice_number.trim()) {
    errors.push('invoice_number must be a non-empty string');
  }

  if (typeof data.invoice_date !== 'string' ||
      !/^\d{4}-\d{2}-\d{2}$/.test(data.invoice_date) ||
      Number.isNaN(Date.parse(`${data.invoice_date}T00:00:00Z`))) {
    errors.push('invoice_date must be a valid YYYY-MM-DD date');
  }

  if (typeof data.total !== 'number' || !Number.isFinite(data.total) || data.total < 0) {
    errors.push('total must be a finite, non-negative number');
  }

  if (typeof data.currency !== 'string' || !/^[A-Z]{3}$/.test(data.currency)) {
    errors.push('currency must be three uppercase letters');
  }
}

return [{ json: { ...item, valid: errors.length === 0, validation_errors: errors } }];

การตรวจสอบนี้เช็กโครงสร้างและเงื่อนไขง่าย ๆ แต่ไม่ได้ยืนยันว่าค่าบนใบแจ้งหนี้ตรงกับข้อเท็จจริง แม้จำนวนเงินจะมีรูปแบบถูกต้องแต่ถูกอ่านผิด ก็ยังต้องเปรียบเทียบกับแหล่งข้อมูล ใช้นโยบายความเชื่อมั่น หรือให้มนุษย์ตรวจสอบ

ลองใหม่เฉพาะข้อผิดพลาดที่ควรลอง แล้วหยุดให้ได้

กำหนดจำนวนครั้งสูงสุดที่ชัดเจนและไม่มาก สำหรับข้อผิดพลาดที่น่าจะเกิดขึ้นชั่วคราว เช่น การจำกัดอัตราการเรียกใช้หรือการเชื่อมต่อขัดข้องชั่วคราว ใช้การตั้งค่าลองใหม่ของโหนดหากมี หรือสร้างลูปที่ควบคุมได้โดยใช้ตัวนับจำนวนครั้งและการหน่วงเวลา ตรวจสอบก่อนว่า n8n เวอร์ชันของคุณจัดการข้อผิดพลาดและการลองใหม่อย่างไร ก่อนพึ่งพาการตั้งค่าใดเป็นการเฉพาะ

อย่า ลองใหม่แบบไม่แยกแยะ กับข้อผิดพลาด schema ราวกับเป็นปัญหาเครือข่าย การลองแก้ไขโดยจำกัดจำนวนครั้งอาจมีประโยชน์ เช่น ขอให้ขั้นตอนดึงข้อมูลส่งฟิลด์เดิมกลับมาในรูป JSON ที่ถูกต้อง แต่ให้นับแยกภายใต้ขีดจำกัดที่มองเห็นได้ หากคำตอบยังไม่ถูกต้อง ให้ส่งไปตรวจทานหรือทำเครื่องหมายว่าล้มเหลว ห้ามปล่อยให้เกิดลูปที่ไม่สิ้นสุด

แยกผลลัพธ์ให้ชัดเจน เช่น retryable_error, invalid_output และ needs_review วิธีนี้ช่วยให้วิเคราะห์การทำงานของเวิร์กโฟลว์ได้ง่ายขึ้น และป้องกันไม่ให้เข้าใจผิดว่าระเบียนที่ไม่ถูกต้องเป็นการดึงข้อมูลที่สำเร็จ

ให้มนุษย์เข้ามาตัดสินใจในจุดที่เหมาะสม

เมื่อต้องให้คนตรวจทานระเบียน ให้ส่งข้อมูลอ้างอิงของแหล่งที่มา ค่าที่เสนอ คำเตือนจากการตรวจสอบ และตัวเลือกอนุมัติ/แก้ไข/ปฏิเสธที่ชัดเจนไปให้ผู้ตรวจทาน ตรวจสอบให้แน่ใจว่าเวิร์กโฟลว์รอการตัดสินใจก่อนเขียนระเบียน และกำหนดว่าจะทำอย่างไรเมื่อหมดเวลาหรือถูกปฏิเสธ วิธีออกแบบการรอและทำงานต่อโดยเฉพาะจะขึ้นอยู่กับช่องทางตรวจทานและโหนด n8n ที่คุณใช้

ฟีเจอร์ตรวจทานโดยมนุษย์ของ AI Agent ใน n8n ที่มีเอกสารอธิบายไว้ทำงานต่างออกไป โดยเครื่องมือบางรายการกำหนดให้ต้องได้รับอนุมัติก่อนที่ Agent จะเรียกใช้ได้ เวิร์กโฟลว์จะหยุดชั่วคราว และผู้ตรวจทานสามารถอนุมัติหรือปฏิเสธการเรียกใช้เครื่องมือที่เสนอไว้ โดยจะเห็นชื่อเครื่องมือและพารามิเตอร์ คู่มือระบุช่องทางต่าง ๆ ได้แก่ Slack, Telegram และ n8n Chat พร้อมระบุว่าสามารถใช้ $tool.name และ $tool.parameters เพื่อแสดงบริบทได้ ตั้งค่า system prompt ให้อธิบายว่าการปฏิเสธหมายถึงอะไร และ Agent ควรตอบสนองอย่างไร ใช้ฟีเจอร์นี้เมื่อ Agent กำลังจะดำเนินการ เช่น แก้ไขระเบียน ไม่ใช่ใช้แทนการตรวจสอบฟิลด์ที่ดึงข้อมูลมา ดูคู่มือการตั้งค่าอย่างเป็นทางการ

ทำให้การประเมินผลทำซ้ำได้ด้วยกรณีทดสอบที่กำหนดไว้

สร้างชุดข้อมูลตัวอย่างขนาดเล็กที่มีอินพุตทั่วไป อินพุตที่รูปแบบไม่ถูกต้อง และอินพุตที่คลุมเครือ สำหรับแต่ละกรณี ให้บันทึกฟิลด์ที่คาดหวัง ผลการตรวจสอบที่คาดหวัง และระบุว่าควรให้มนุษย์ตรวจทานหรือไม่ ใช้กรณีเดิมทุกครั้งที่เปลี่ยน prompt, schema, ตรรกะการแยกวิเคราะห์ หรือการตั้งค่าโมเดล

กรณีทดสอบผลลัพธ์ที่คาดหวังเงื่อนไขการผ่าน
ใบแจ้งหนี้ชัดเจนและมีครบทุกฟิลด์ดึงข้อมูลได้ถูกต้องฟิลด์ที่จำเป็นทั้งหมดตรงกับข้อมูลตัวอย่าง และผ่านการตรวจสอบ
ไม่มีวันที่ในใบแจ้งหนี้ไม่ถูกต้อง หรืออนุญาตให้เป็น null อย่างชัดเจนไม่มีการสร้างวันที่ขึ้นมาเอง และเป็นไปตามนโยบายที่ตั้งไว้
ยอดรวมเป็นข้อความแทนที่จะเป็นตัวเลขเอาต์พุตไม่ถูกต้องระเบียนไม่ไปถึงขั้นตอนเขียนข้อมูล
มีตัวเลขยอดรวมที่เป็นไปได้สองค่าในหน้าเดียวกันตรวจทานโดยมนุษย์ไม่มีการบันทึกอัตโนมัติขณะที่ยังมีความคลุมเครือ
คำขอขัดข้องชั่วคราวลองใหม่แบบจำกัดจำนวนครั้งหยุดลองเมื่อถึงขีดจำกัดที่กำหนด และมีการบันทึกความล้มเหลว
ผู้ตรวจทานปฏิเสธการอัปเดตที่เสนอไม่มีการเขียนข้อมูลบันทึกการปฏิเสธและให้เวิร์กโฟลว์ทำตามเส้นทางเมื่อถูกปฏิเสธ

กำหนดขีดจำกัดก่อนเริ่มทดสอบ ได้แก่ จำนวนครั้งสูงสุดที่ลอง ฟิลด์ที่อนุญาตให้เป็น null ได้ ข้อผิดพลาดประเภทใดที่ต้องส่งให้ตรวจทาน และเงื่อนไขใดที่ขัดขวางการเขียนข้อมูล รายงานผลการจับคู่ที่ตรงกันทุกประการแยกตามฟิลด์ พร้อมนับกรณีที่ไม่ถูกต้อง ผ่านการตรวจทาน ถูกปฏิเสธ และล้มเหลว ชุดข้อมูลตัวอย่างขนาดเล็กใช้ตรวจสอบการถดถอยของระบบ ไม่ใช่หลักฐานว่าการดึงข้อมูลจะใช้ได้กับเอกสารทุกประเภท

รายการตรวจสอบเพื่อแก้ปัญหา

  • JSON ถูกต้องแต่ยังไม่ผ่าน: ตรวจสอบว่า parser ส่งคืน object หรือสตริง JSON และให้แน่ใจว่าการตรวจสอบอ่านพร็อพเพอร์ตีที่ถูกต้อง
  • ค่าที่ไม่ถูกต้องผ่านการตรวจสอบ: เพิ่มกฎทางธุรกิจและการตรวจสอบโดยอ้างอิงแหล่งข้อมูล เพราะชนิดข้อมูล JSON เพียงอย่างเดียวไม่สามารถยืนยันความถูกต้องตามข้อเท็จจริงได้
  • ลองใหม่แล้วเจอข้อผิดพลาดเดิมซ้ำ: แยกข้อผิดพลาดชั่วคราวออกจากข้อผิดพลาด schema ที่เกิดซ้ำแน่นอน และจำกัดจำนวนครั้งที่ลอง
  • ผู้ตรวจทานตัดสินใจไม่ได้: ใส่ข้อมูลอ้างอิงของแหล่งที่มาและค่าที่เสนอทั้งหมด พร้อมระบุตัวเลือกการตัดสินใจให้ชัดเจน
  • การดำเนินการยังเกิดขึ้นแม้ถูกปฏิเสธ: ให้ขั้นตอนเขียนข้อมูลทำงานหลังได้รับผลอนุมัติเท่านั้น และทดสอบกรณีปฏิเสธแยกเป็นอีกชุดข้อมูลตัวอย่าง
  • ผลลัพธ์เปลี่ยนไประหว่างการทำงานแต่ละครั้ง: กำหนดอินพุต prompt schema และเกณฑ์ประเมินให้คงที่ พร้อมบันทึกการเปลี่ยนแปลงการตั้งค่าเวิร์กโฟลว์ที่เกี่ยวข้อง

สรุป

ใน n8n ความน่าเชื่อถือเกิดจากการควบคุมสิ่งที่ทำหลังดึงข้อมูล ตรวจสอบกับข้อกำหนดที่แคบและชัดเจน ลองใหม่ภายในจำนวนครั้งที่กำหนด และให้มนุษย์ใช้วิจารณญาณเมื่อระเบียนคลุมเครือหรือการดำเนินการมีผลสำคัญ ชุดทดสอบที่กำหนดไว้ช่วยให้ตรวจสอบการควบคุมเหล่านี้ได้และทำซ้ำได้

คำถามที่พบบ่อย

ฟีเจอร์ตรวจทานโดยมนุษย์ของ AI Agent ใน n8n ใช้ตรวจสอบข้อมูลที่ดึงมาหรือไม่?

ไม่ใช่ ฟีเจอร์ที่มีเอกสารอธิบายไว้จะหยุดการเรียกใช้เครื่องมือบางรายการของ AI Agent เพื่อรอการอนุมัติหรือปฏิเสธ ควรตรวจสอบฟิลด์ที่ดึงมาแยกต่างหากก่อนจัดเก็บหรือนำไปดำเนินการ

ควรลองใหม่เมื่อเอาต์พุตจากโมเดลไม่ถูกต้องหรือไม่?

ไม่ควรจัดการเหมือนเป็นข้อผิดพลาดชั่วคราว คุณอาจอนุญาตให้ลองแก้ไขได้ในจำนวนจำกัด แต่ให้แยกจากการลองใหม่เมื่อบริการขัดข้องชั่วคราว และส่งเอาต์พุตที่ยังไม่ถูกต้องไปตรวจทานหรือจัดการเป็นกรณีล้มเหลว

การประเมินเวิร์กโฟลว์ดึงข้อมูลควรทดสอบอะไรบ้าง?

ใช้ตัวอย่างที่กำหนดไว้ซึ่งครอบคลุมระเบียนที่ถูกต้อง ฟิลด์ที่ขาดหายหรือมีรูปแบบไม่ถูกต้อง ค่าจากแหล่งข้อมูลที่คลุมเครือ ข้อผิดพลาดที่ลองใหม่ได้ และการปฏิเสธจากผู้ตรวจทาน กำหนดผลลัพธ์ที่คาดหวังและเงื่อนไขการผ่านก่อนเริ่มทดสอบ

เวิร์กโฟลว์ดึงข้อมูลสามารถเขียนข้อมูลได้ทันทีหลังตรวจสอบ schema ผ่านหรือไม่?

ทำได้ก็ต่อเมื่อความถูกต้องของ schema เพียงพอกับกรณีใช้งาน ผลลัพธ์อาจมีชนิดข้อมูลถูกต้องแต่ยังผิดข้อเท็จจริง ดังนั้นระเบียนที่คลุมเครือหรือมีผลกระทบสูงอาจต้องตรวจสอบกับแหล่งข้อมูลหรือให้มนุษย์ตรวจทาน

บทความที่เกี่ยวข้อง

Guides

สร้างเวิร์กโฟลว์สกัดข้อมูลใน n8n ที่กู้คืนได้

ออกแบบเวิร์กโฟลว์สกัดข้อมูลใน n8n ที่ตรวจสอบระเบียน ลองซ้ำเมื่อเกิดความขัดข้องชั่วคราว และส่งกรณีผิดปกติให้ผู้ตรวจสอบโดยไม่เขียนข้อมูลซ้ำ

阅读全文 →

Guides

สร้างเวิร์กโฟลว์ถามตอบจากเอกสารใน n8n พร้อมตรวจสอบการอ้างอิงและให้มนุษย์ทบทวน

ออกแบบเวิร์กโฟลว์ n8n เพื่อดึงหลักฐานจากเอกสาร ตรวจสอบคำตอบตามโครงสร้างที่กำหนด ลองใหม่อย่างมีขีดจำกัด และส่งผลลัพธ์ที่ไม่แน่ชัดให้มนุษย์ทบทวน

阅读全文 →

Guides

สร้างเวิร์กโฟลว์ n8n สำหรับดึงข้อมูลเหตุขัดข้องจาก API ที่ทนทาน

ออกแบบเวิร์กโฟลว์ n8n เพื่อดึงข้อมูลเหตุขัดข้องจาก API ตรวจสอบโครงสร้าง แสดงข้อผิดพลาดจากการลองใหม่และการตรวจสอบ พร้อมส่งการดำเนินการต่อที่มีความเสี่ยงให้มนุษย์อนุมัติ

阅读全文 →

Guides

ประเมินค่าใช้จ่าย GPT Image 2 API สำหรับคัดแยกงานบริการลูกค้าโดยมีมนุษย์อนุมัติ

ประเมินค่าใช้จ่าย GPT Image 2 API สำหรับตัวอย่างเวิร์กโฟลว์บริการลูกค้า พร้อมสมมติฐานจำนวนโทเค็น สถานการณ์การลองใหม่ และขอบเขตการตรวจสอบโดยมนุษย์

阅读全文 →