AI工作台 / 優先建構 / beta
AI與LLM工具。
提供給使用語言模型開發的人，以及網站內容會被這些模型讀取的人：設計提示詞與工具結構描述、修復模型回傳的JSON、查看文件如何切分以供檢索，並決定哪些AI爬蟲可以讀取你的頁面。最後一組工具會在瀏覽器中執行小型模型，因此照片或掃描檔不會離開你的裝置。
現在可用
使用LLM建構
提示詞、工具呼叫結構描述，以及模型回傳的結構化輸出。
系統提示詞產生器
建立含XML區段的結構化LLM系統提示詞，並產生格式化的OpenAI／Claude工具呼叫JSON結構描述。
JSON 修復
不必與伺服器往返傳輸，即可修復由LLM產生的截斷、格式錯誤、單引號或未逸出的JSON。
JS物件轉JSON
將未加引號的JS物件字面值、單引號和結尾逗號轉換為嚴格JSON資料。
JSON Schema產生器
從範例JSON資料自動推導並產生JSON Schema定義。
JSON Schema
在瀏覽器中於本機驗證JSON資料是否符合JSON Schema宣告，並清楚顯示錯誤路徑。
RAG文字分塊工具
在瀏覽器中視覺化RAG向量索引的文字分割策略、token／字元分塊大小與重疊內容。
讓網站容易被AI讀取
AI爬蟲可以擷取哪些內容，以及擷取後會找到什麼。
在自己的裝置上執行AI
在瀏覽器分頁中執行的模型，因此檔案永遠不會上傳。
取得可供程式解析的輸出
LLM功能最常見的問題不是答案錯誤，而是無法使用：回覆被包在散文中、結尾多了一個逗號、鍵使用單引號，或是用完token上限後物件只完成一半。請使用JSON Schema描述所需的格式——JSON轉JSON Schema產生器可以根據範例建立Schema——並將它傳給模型的結構化輸出或工具呼叫功能，不要只用散文要求模型輸出JSON。
如果回覆仍然損壞，LLM JSON修復工具可以修正機械性錯誤，JS物件轉JSON轉換器可以處理JavaScript風格的常值，而JSON Schema驗證工具會在程式依賴結果前確認格式是否相符。系統提示詞產生器則能以一致的格式集中管理這些指示與工具定義。
為檢索進行分塊
檢索系統會根據找到的分塊回答，因此切分方式決定模型能看見什麼。分塊太小，會遺失賦予內容意義的句子；分塊太大，相關句子會埋在無關內容中，而且嵌入與傳送成本更高。重疊內容能讓跨越邊界的句子從兩側都被找到，但代價是必須儲存兩次。
RAG文字分塊工具會精確顯示文件在指定大小與重疊設定下的切分位置，比起從糟糕的回答一路追查到造成問題的切分方式，速度快得多。
決定AI爬蟲可以讀取什麼
訓練爬蟲、AI搜尋爬蟲，以及代表使用者發出的擷取請求，會使用不同的User-agent標記，因此網站可以拒絕訓練用途，同時繼續出現在AI回答中。AI爬蟲檢查工具會針對十個標記讀取網站的robots.txt並逐一說明；robots.txt檢查工具則會顯示完整檔案。
如果有些頁面確實希望被讀取，llms.txt檔案可以將模型導向最有用的文件，而結構化資料會清楚說明頁面的主題。兩者都不是保證，但成本都很低。
留在瀏覽器中的模型
OCR與照片工具會在頁面內執行模型。第一次使用時會下載模型——幾MB——之後便由你的處理器在本機完成工作：掃描合約、護照照片或螢幕截圖都能被讀取和處理，不會上傳到任何地方。
取捨是舊裝置上的速度，以及小型模型本身的限制。圖片轉文字和掃描PDF轉文字能妥善處理列印文字，但不擅長手寫內容；護照照片製作工具會自動找出臉部和背景，但你仍需依照所在國家的規定檢查結果。