Cloudflare 已在 AI 執行平台 Workers AI 預覽推出 AI 模型「Clairic」，可從文件中擷取指定欄位的值。使用者指定訂單編號、請款金額等欄位名稱後，模型便會依照指定格式回傳欄位值與信心度。開放權重（模型權重資料）也預計近期公開，並展示了與 LLM 結合的處理範例。
不是撰寫文章的 AI，而是擷取欄位的 AI
說到生成式 AI，許多人想到的應該是能流暢撰寫文章的工具。然而，Clairic 的特性幾乎與此相反。它的功能僅限於擷取特定欄位，例如「從發票中找出總金額」或「從電子郵件中找出訂單編號」。
它的運作方式也很特別。一般 LLM 會逐字（以 token 為單位）串接並輸出文字，但 Clairic 不採用這種生成方式，而是在一次處理中回傳所有指定欄位的答案。如果文件中沒有相符的值，就會回傳「null」（無符合項目），不會勉強編造答案，也因此更適合實務應用。
據稱，除了擷取資料之外，它也能進行簡單的計算、估算與預測。換句話說，與其把 Clairic 看成負責撰寫文章的角色，不如將它理解為負責把零散資訊整理成易用格式的「前置整理人員」。
由不同模型分工處理客戶詢問
Cloudflare 展示的應用範例頗具啟發性，題材是客戶的抱怨郵件。首先由 Clairic 從郵件中擷取訂單編號、金額和損壞情況，並估算維修費用。
接著登場的是用於判斷的模型「Clef」。它會依據公司內部規範，決定要退款還是安排維修。最後則由 LLM GLM-5.3 撰寫給客戶的回覆。
有意思的是，這套流程並未把所有工作都交給單一大型模型。若以人類職場來比喻，這就像是由接待人員整理資訊、負責判斷的人決定方針，再由擅長寫作的人撰寫回覆的團隊合作模式。Cloudflare 將這類負責快速處理的小型模型稱為「System One」模型，並設想與 LLM 串接使用。
我個人認為，這種思路才是此次發布的核心。導入 AI 時，人們往往容易把目光放在「挑選最聰明的一個模型」上。然而，拆解工作內容後就會發現，並非每個環節都需要動用最強大的能力。依照不同職責搭配不同工具的設計，未來可能會成為業務 AI 的標準做法。
速度數據顯示分工的效果
也來看看令人關注的數據。根據 Cloudflare 的比較，前述由三個階段串接而成的處理流程耗時 19.3 秒。若改由 GLM-5.3 單獨完成相同的三個步驟，則需要 61.7 秒，費用也幾乎會增加到兩倍。
不過，這些數據來自特定的處理範例。並非所有業務都會出現相同差距，較適合將其視為「分工可能帶來如此變化」的參考。即便如此，耗時相差逾三倍，仍足以讓人思考拆分處理流程的價值。
Cloudflare 也明確指出了限制。Clairic 目前還無法穩定處理長串的連續計算。據稱，短期內這類處理仍需由開發者自行撰寫程式執行。
即便如此，若能有一系列專業模型，各自快速且低成本地處理擅長的工作，對實務工作現場仍相當有吸引力。像發票處理或客戶詢問等每天大量湧入的例行工作，應該最能受惠於這種分工。讓 LLM 專注於只有 LLM 才能勝任的工作。Clairic 讓我們一窺這樣的未來。
コメント