Extract personal data with a self-hosted LLM Mistral NeMo

工作流名称

Extract personal data with a self-hosted LLM Mistral NeMo

主要功能和亮点

该工作流利用自托管的大语言模型（LLM）Mistral NeMo，通过聊天消息触发，智能提取用户的个人信息数据。其亮点在于结合了结构化输出解析和自动修正机制，保证提取的数据符合预定的JSON格式规范，提升数据准确性和可靠性。

解决的核心问题

传统信息提取往往难以保证结构化和准确性，且对敏感的个人数据处理要求高。此工作流通过自托管模型确保数据安全，同时通过多轮自动校验修正，解决了信息提取不规范、数据错误率高的问题。

应用场景

• 客服聊天机器人中自动提取客户联系方式和交流内容
• 用户信息登记及管理系统的自动数据采集
• 需要从非结构化对话中抽取个人关键数据的场景，如销售线索捕获、客户关系管理（CRM）等

主要流程步骤

1. 接收聊天消息触发：通过Webhook监听并触发聊天消息输入。
2. 调用Mistral NeMo模型：使用Ollama Chat Model节点调用自托管的Mistral NeMo大语言模型进行文本理解和信息提取。
3. 基础LLM链解析：将消息内容输入基础LLM链，生成初步的JSON格式数据。
4. 结构化输出解析：对模型输出进行结构化JSON格式校验，确保字段完整规范。
5. 自动修正输出：若结构化解析失败，自动调用修正机制，重复请求模型纠正输出。
6. 提取最终JSON数据：最终输出符合规范的个人信息数据，供后续系统使用。

涉及的系统或服务

• 自托管大语言模型：Mistral NeMo（通过Ollama平台调用）
• n8n核心节点：Webhook触发器、LLM调用节点、结构化输出解析、自动修正输出解析、数据设置节点

适用人群或使用价值

本工作流适合需要高效、准确、合规地从文本对话中抽取个人信息的企业和开发者，尤其是注重数据隐私保护、希望自托管AI模型以降低外部依赖的技术团队。它能显著提升客户信息采集的自动化水平，减少人工干预，提高业务流程效率。