Glossar

• KI-Agent: KI-Agenten sind künstliche Intelligenzsysteme, die in der Lage sind, auf Anfragen zu reagieren, Entscheidungen zu treffen und reale Aufgaben für Benutzer auszuführen. Sie verwenden große Sprachmodelle (LLMs), um Benutzereingaben zu interpretieren und Entscheidungen darüber zu treffen, wie Anfragen mithilfe der verfügbaren Informationen und Ressourcen am besten verarbeitet werden können.
• KI-Ketten: Mit KI-Ketten können Sie in Abfolgen von Aufrufen an Komponenten mit großen Sprachmodellen (LLMs) und anderen Ressourcen interagieren. KI-Ketten in Localmind Automate verwenden keinen persistenten Speicher, sodass Sie sie nicht verwenden können, um auf vorherige Kontexte zu verweisen (verwenden Sie hierfür KI-Agenten).
• KI-Einbettung: Einbettungen sind numerische Darstellungen von Daten mithilfe von Vektoren. Sie werden von KI verwendet, um komplexe Daten und Beziehungen zu interpretieren, indem Werte über viele Dimensionen hinweg abgebildet werden. Vektordatenbanken oder Vektorspeicher sind Datenbanken, die zum Speichern und Zugreifen auf Einbettungen entwickelt wurden.
• KI-Speicher: In einem KI-Kontext ermöglicht der Speicher KI-Tools, den Nachrichtenkontext über Interaktionen hinweg beizubehalten. Auf diese Weise können Sie beispielsweise fortlaufende Konversationen mit KI-Agenten führen, ohne bei jeder Nachricht einen fortlaufenden Kontext zu übermitteln. In Localmind Automate können KI-Agent-Knoten Speicher verwenden, KI-Ketten jedoch nicht.
• KI-Tools: In einem KI-Kontext ist ein Tool eine zusätzliche Ressource, auf die sich die KI beziehen kann, um spezifische Informationen oder Funktionen zu erhalten, wenn sie auf eine Anfrage antwortet. Das KI-Modell kann ein Tool verwenden, um mit externen Systemen zu interagieren oder bestimmte, fokussierte Aufgaben zu erledigen.
• KI-Vektorspeicher: Vektorspeicher oder Vektordatenbanken sind Datenbanken, die zum Speichern numerischer Darstellungen von Informationen, sogenannten Einbettungen, entwickelt wurden.
• API: APIs (Application Programming Interfaces) bieten programmgesteuerten Zugriff auf die Daten und Funktionen eines Dienstes. APIs erleichtern es Software, mit externen Systemen zu interagieren. Sie werden oft als Alternative zu herkömmlichen, benutzerorientierten Schnittstellen angeboten, auf die über Webbrowser oder die Benutzeroberfläche zugegriffen wird.
• Canvas (Localmind Automate): Der Canvas ist die Hauptschnittstelle zum Erstellen von Workflows in der Editor-Benutzeroberfläche von Localmind Automate. Sie verwenden den Canvas, um Knoten hinzuzufügen und zu verbinden, um Workflows zusammenzustellen.
• Cluster-Knoten (Localmind Automate): In Localmind Automate sind Cluster-Knoten Gruppen von Knoten, die zusammenarbeiten, um Funktionen in einem Workflow bereitzustellen. Sie bestehen aus einem Stammknoten und einem oder mehreren Unterknoten, die die Funktionalität des Knotens erweitern.
• Anmeldeinformationen (Localmind Automate): In Localmind Automate speichern Anmeldeinformationen Authentifizierungsinformationen, um eine Verbindung mit bestimmten Apps und Diensten herzustellen. Nachdem Sie Anmeldeinformationen mit Ihren Authentifizierungsinformationen (Benutzername und Passwort, API-Schlüssel, OAuth-Geheimnisse usw.) erstellt haben, können Sie den zugehörigen App-Knoten verwenden, um mit dem Dienst zu interagieren.
• Daten-Pinning (Localmind Automate): Mit dem Daten-Pinning können Sie die Ausgabedaten eines Knotens während der Workflow-Entwicklung vorübergehend einfrieren. Auf diese Weise können Sie Workflows mit vorhersehbaren Daten entwickeln, ohne wiederholte Anfragen an externe Dienste zu stellen. Produktions-Workflows ignorieren angeheftete Daten und fordern bei jeder Ausführung neue Daten an.
• Editor (Localmind Automate): Mit der Localmind Automate-Editor-Benutzeroberfläche können Sie Workflows erstellen und verwalten. Der Hauptbereich ist der Canvas, auf dem Sie Workflows erstellen können, indem Sie Knoten hinzufügen, konfigurieren und verbinden. Über die Seiten- und oberen Bereiche können Sie auf andere Bereiche der Benutzeroberfläche zugreifen, z. B. auf Anmeldeinformationen, Vorlagen, Variablen, Ausführungen und mehr.
• Evaluierung (Localmind Automate): In Localmind Automate ermöglicht die Evaluierung das Taggen und Organisieren des Ausführungsverlaufs und den Vergleich mit neuen Ausführungen. Sie können dies verwenden, um zu verstehen, wie sich Ihr Workflow im Laufe der Zeit entwickelt, während Sie Änderungen vornehmen. Dies ist insbesondere bei der Entwicklung von KI-zentrierten Workflows nützlich.
• Ausdruck (Localmind Automate): In Localmind Automate ermöglichen Ausdrücke das dynamische Ausfüllen von Knotenparametern durch die Ausführung von JavaScript-Code. Anstatt einen statischen Wert anzugeben, können Sie die Localmind Automate-Ausdruckssyntax verwenden, um den Wert mithilfe von Daten von vorherigen Knoten, anderen Workflows oder Ihrer Localmind Automate-Umgebung zu definieren.
• LangChain: LangChain ist ein KI-Entwicklungsframework, das für die Arbeit mit großen Sprachmodellen (LLMs) verwendet wird. LangChain bietet ein standardisiertes System für die Arbeit mit einer Vielzahl von Modellen und anderen Ressourcen sowie für die Verknüpfung verschiedener Komponenten zum Erstellen komplexer Anwendungen.
• Große Sprachmodelle (LLMs): Große Sprachmodelle oder LLMs sind KI-Maschinenlernmodelle, die sich durch natürliche Sprachverarbeitung (NLP) auszeichnen. Sie werden durch das Trainieren mit großen Datenmengen erstellt, um probabilistische Modelle von Sprache und anderen Daten zu entwickeln.
• Knoten (Localmind Automate): In Localmind Automate sind Knoten einzelne Komponenten, die Sie zusammenstellen, um Workflows zu erstellen. Knoten definieren, wann der Workflow ausgeführt werden soll, ermöglichen das Abrufen, Senden und Verarbeiten von Daten, können die Ablaufsteuerungslogik definieren und eine Verbindung zu externen Diensten herstellen.
• Projekt (Localmind Automate): Localmind Automate-Projekte ermöglichen es Ihnen, Workflows, Variablen und Anmeldeinformationen zur einfacheren Verwaltung in separate Gruppen zu unterteilen. Projekte erleichtern die Zusammenarbeit für Teams, indem sie verwandte Ressourcen gemeinsam nutzen und unterteilen.
• Stammknoten (Localmind Automate): Jeder Localmind Automate-Clusterknoten enthält einen einzelnen Stammknoten, der die Hauptfunktionalität des Clusters definiert. Ein oder mehrere Unterknoten werden an den Stammknoten angehängt, um seine Funktionalität zu erweitern.
• Unterknoten (Localmind Automate): Localmind Automate-Clusterknoten bestehen aus einem oder mehreren Unterknoten, die mit einem Stammknoten verbunden sind. Unterknoten erweitern die Funktionalität des Stammknotens und bieten Zugriff auf bestimmte Dienste oder Ressourcen oder bieten bestimmte Arten von dedizierter Verarbeitung, z. B. Taschenrechnerfunktionen.
• Trigger-Knoten (Localmind Automate): Ein Trigger-Knoten ist ein spezieller Knoten, der für die Ausführung des Workflows als Reaktion auf bestimmte Bedingungen verantwortlich ist. Alle Produktions-Workflows benötigen mindestens einen Trigger, um zu bestimmen, wann der Workflow ausgeführt werden soll.
• Workflow (Localmind Automate): Ein Localmind Automate-Workflow ist eine Sammlung von Knoten, die einen Prozess automatisieren. Workflows beginnen mit der Ausführung, wenn eine Triggerbedingung eintritt, und werden sequenziell ausgeführt, um komplexe Aufgaben zu erledigen.