I nodi per lavorare coi modelli linguistici: RAG e automazioni AI dentro i workflow — l'LLM come un nodo qualsiasi.
L'estensione AI di KNIME tratta i modelli linguistici come nodi: connettori per OpenAI, Azure, modelli locali (Ollama/GPT4All), nodi per prompt su tabelle intere, embedding e vector store per il RAG. L'automazione GenAI — classifica questi mille ticket, estrai i campi da queste fatture — si costruisce trascinando.
Mille documenti processati con log, costi e retry: la GenAI da processo, non da chat.
Campioni verificati e metriche di qualità: l'output AI controllato come ogni dato.
Manuali e contratti interrogabili: l'indice costruito nel workflow, i permessi rispettati.
Token contati e modello giusto per compito: l'AI in bolletta, sotto controllo.
L'estensione AI porta gli LLM nei workflow: i nodi connettono i provider (OpenAI, Azure, Anthropic, modelli locali via Ollama/GPT4All), i prompt si costruiscono coi dati del flusso (la riga diventa contesto), il RAG si assembla a nodi (embedding, vector store, retrieval), gli agenti orchestrano tool e decisioni; il valore: l'AI DENTRO la pipeline dati esistente — classificare ticket, arricchire anagrafiche, estrarre da documenti — con la governance del Hub.
Ticket, email e fatture smistati dall'LLM.
I campi dai PDF alla tabella, in flusso.
Descrizioni e categorie generate a scala.