Comparações / JevModel
Nó Text Classifier do n8n: integrado vs chamar Jev em um workflow
Compare o nó Text Classifier do n8n com uma chamada HTTP ao Jev para rótulos tipados, limiares de confiança e ramos de revisão humana no triage de suporte.
Última atualização:
Resposta rápida: nó de roteamento vs API de decisão tipada
- O Text Classifier do n8n é um nó cluster LangChain: categorias com descrição, modelo de chat anexado e um ramo por categoria (Other opcional).
- Chamar o Jev via HTTP Request devolve Choice tipado (e Score/Noul) para limiares em IF/Switch antes de efeitos colaterais.
- Use o nó integrado para roteamento rápido; use o Jev quando precisar de abstenção calibrada, schemas estáveis ou a mesma API fora do n8n.
O que o nó Text Classifier do n8n faz
Pela documentação do n8n, o Text Classifier classifica cada item com categorias (nome + descrição). O prompt costuma referenciar text ou chatInput. Você anexa um subnó de chat (OpenAI, OpenRouter etc.). Cada categoria vira um handle de saída. Opções: multiclasse, descartar ou ramo Other, template de system prompt com {{categories}} e auto-fix se o schema falhar.
Route customer support with JevHow to classify text with the JevModel APIPontos fortes do integrado e limites comuns
Brilha para roteamento dentro do n8n: um ticket entra, N ramos saem. Descrições guiam melhor que só nomes. Auto-fix reduz JSON quebrado. Limites: (1) confiança limiarizável entre modelos, (2) mesmo contrato fora do n8n, (3) abstenção antes de reembolso/PII, (4) rubricas Score/Noul. Confiança do vendor é sinal fraco até medir nos seus tickets.
Jev probability, confidence and human-review thresholdsRoute customer support with JevComparação: Text Classifier integrado vs HTTP → Jev
Nenhum caminho substitui avaliar com seus rótulos. A tabela contrasta forma do fluxo e contrato de decisão, não notas de marketing.
How to classify text with the JevModel APIJev probability, confidence and human-review thresholds| Dimensão | Text Classifier n8n (integrado) | HTTP Request → Jev / JevModel |
|---|---|---|
| Função principal | Rotear itens para ramos de categoria no canvas | Devolver respostas tipadas para qualquer consumidor |
| Modelo anexado | Subnó de chat (você escolhe provedor/modelo) | typesafe/jev-1.13 via OpenRouter na API JevModel |
| Fiação de saída | Um handle por categoria (+ Other opcional) | Respostas JSON; ramos com IF/Switch |
| Confiança / abstenção | Depende do modelo e scores opcionais; calibre você | Desenhe limiares + revisão humana antes de efeitos |
| Reuso fora do n8n | A lógica fica no grafo do workflow | Mesma API em apps, Batch ou outros orquestradores |
Quando o nó integrado basta
Fique no integrado se há poucas categorias estáveis, erro de rota é barato, tudo roda no n8n e você quer fiação visual. Descreva bem, use Other e auto-fix. Registre rota + id do modelo para detectar drift.
Chamar o Jev no n8n (padrão HTTP)
Padrão comum: Trigger/webhook → normalizar texto em state → HTTP Request POST em /api/v1/systemone com Choice (2–12 rótulos) → IF/Switch → efeitos só com alta confiança → fila humana senão. Segredos em credentials. Orçamento: ~8000 caracteres após validação, 1–8 perguntas, cota diária em contas gratuitas verificadas. JevModel hospeda typesafe/jev-1.13 via OpenRouter; não instala pesos no n8n.
JevModel API: request and responseJevModel pricing and free Jev runsJev é multimodal / baixável? O que o JevModel realmente éLimiares de confiança e ramo de revisão humana
Calibre qualquer confiança—scores opcionais do nó ou Score/Noul do Jev—num amostra rotulada. Política: autoaplicar rótulos seguros acima de limiar alto; faixa média para humanos com sugestões; abaixo do piso, revisão forçada. Ligue essas faixas antes de escritas. Veja confidence-and-abstention e support-triage.
Jev probability, confidence and human-review thresholdsRoute customer support with JevClassificação e roteamento de tickets Zendesk AI: Intelligent Triage nativo vs classificador próprioChecklist antes de publicar
1) Congele um dicionário de rótulos com casos-limite. 2) Other vs descartar. 3) Integrado vs API Jev conforme reuso e abstenção. 4) Chaves só em credentials. 5) Meça precisão/recall em holdout após cada mudança. 6) Ações destrutivas atrás de limiares e humanos.
Evaluate a Jev workflowAI Decision Flows with Jev and human reviewRoute customer support with JevHow to classify text with the JevModel APIJev probability, confidence and human-review thresholdsJevModel API: request and responseJev é multimodal / baixável? O que o JevModel realmente éPerguntas frequentes
O Text Classifier do n8n substitui uma API de classificação tipada?
Não. É um ótimo roteador no canvas. Uma API tipada como o Jev continua útil quando vários sistemas compartilham o contrato de rótulos, ou para Score/Noul e abstenção fora do n8n.
Posso combinar o nó integrado e o Jev no mesmo workflow?
Sim. Alguns usam o Text Classifier para departamentos e o Jev no ramo de cobrança/reembolso. Mantenha uma única fonte de verdade para rótulos finos.
Scores de confiança do n8n são seguros para autoaplicar?
Não até calibrar. Números absolutos de um modelo de chat são sinal fraco; o ranking relativo ajuda. Avalie em holdout e mantenha faixa média humana.
Onde colocar a API key do JevModel no n8n?
Use Credentials do n8n (Header Auth etc.) no HTTP Request. Não fixe chaves em expressões nem no git.
JevModel é independente e não é afiliado à TypeSafe AI.