AgentVivo

Próbálj ki n8n-ben egy nem LLM-alapú modellt négy kész sablonnal

Útmutató: Jim Le négy letölthető n8n-sablont mutat a Jev modellel (ügyfélszolgálati triázs, RAG-újrarangsorolás, webes kutatás, tartalomszűrő), mindegyikhez saját értékeléssel.

Ezzel készült: n8n

érintettútmutató

Mit csinált?

A szerző a typesafe.ai Jev nevű, automatizálásra szánt modelljét próbálta ki n8n-ben, OpenRouteren keresztül, és négy sablont tett közzé: (1) ügyfélszolgálati jegyek triázsa egy régebbi sablonja átírásával, LLM nélküli eszközhívással; (2) RAG-ágens találatainak újrarangsorolása; (3) kétlépcsős webes kutatás Apifyjal, ahol a Jev a kérdéshez illeszkedés szerint rangsorol; (4) NSFW- és promptbiztonsági szűrő.

Hogyan sikerült?

A szerző saját értékelése: a triázs gyorsabb és alaposabb lett; az újrarangsorolás a legkönnyebb, legnagyobb hatású csere, de alcsomópontként rosszabb lehet, jobb közvetlenül a találatokon futtatni; a kutatás LLM-mel is megoldható, csak nem ilyen gyorsan és olcsón; a szűrő ígéretes. Mért számokat nem közöl.

Amit érdemes tudni

Útmutató: a sablonok letölthetők, de összehasonlító mérés nincs bennük, ezért a saját adataidon érdemes tesztelni. A szerző jelzi, hogy a poszt nem szponzorált. Érintett: a szerző a posztban saját termékét (Ragextract.com) és saját n8n-sablonjait is ajánlja.

Próbáld ki

saját prompt

In n8n, duplicate my existing support-triage workflow and replace the LLM classification step with <alternative model> via OpenRouter. Run both versions on the same 20 past tickets (read-only, no replies sent) and compare category accuracy against my labels, latency, and cost per run. Do not activate the new workflow or connect it to live inboxes. Stop after a comparison table and your recommendation.

Forrás

n8n Community fórum · 2026-09 · 2026-09-19 · Jim Le (Jim_Le) · Eredeti forrás ↗

Kapcsolódó gyakori példák

Az összes gyakori példa