Clasificación de texto automatizada mediante BART-MNLI

Esta skill proporciona un motor de clasificación de texto zero-shot robusto para agentes de IA. Aprovechando el modelo Facebook BART-Large-MNLI a través de la API de inferencia de Hugging Face, resuelve el problema de categorizar datos no estructurados sin necesidad de datos de entrenamiento personalizados ni ajuste fino. Permite a los desarrolladores definir taxonomías dinámicas al instante y recibir resultados con puntuaciones de confianza de forma inmediata.

Qué hace

En términos generales, la skill toma texto de entrada o archivos y los mapea contra una lista de etiquetas personalizable. Gestiona la comunicación con la API, los estados de carga del modelo y la persistencia de resultados. A diferencia del prompting directo, que puede ser inconsistente o generar etiquetas alucinadas, esta skill utiliza un modelo NLI (Inferencia de Lenguaje Natural) especializado, diseñado específicamente para la implicación entre etiquetas.

Por qué usar esta skill

• Consistencia: Devuelve puntuaciones de confianza matemáticas y estructuradas para cada etiqueta proporcionada.
• Escalabilidad: Procesa cadenas individuales o archivos de texto completos en lote mediante un simple indicador.
• Persistencia: Registra automáticamente cada ejecución de clasificación en una base de datos JSON local (~/.hf-zero-shot/) para auditorías o análisis posteriores.
• Eficiencia: Utiliza endpoints de inferencia especializados en lugar de tokens de LLM generales para tareas de clasificación.

Herramientas compatibles

• API de inferencia de Hugging Face (BART-Large-MNLI)
• Ejecución basada en Python para la seguridad de datos locales
• Salida estructurada en formato JSON