Activepieces + Ertas
在 Activepieces 上使用 Ertas 訓練的模型建構智慧自動化工作流程,在每個步驟中實現自託管、隱私優先的 AI 處理。
Overview
Activepieces 是一個開源自動化平台,提供視覺化工作流程建構器,用於連接應用程式和自動化商業流程。與 Zapier 和 Make 等商業替代方案類似,Activepieces 提供觸發器-動作模型,並擁有數百個預建連接器。其獨特之處在於自託管部署模式:組織可以在自己的基礎設施上運行 Activepieces,確保所有流經自動化工作流程的資料都留在其網路範圍內。
這種 自託管架構使 Activepieces 非常適合需要 AI 自動化但無法將資料傳送到第三方服務的組織。與本地部署的 Ertas 訓練模型結合使用時,整個自動化管線——觸發器、AI 處理和動作——都在組織的基礎設施內運行。電子郵件內容、客戶資料或商業文件在任何時候都不會離開網路。這一點在醫療、法律和金融領域格外重要,因為資料保護規範往往讓敏感工作流程無法使用雲端 AI 自動化平台。
How Ertas Integrates
Ertas 訓練的模型透過 HTTP 請求元件或自訂程式碼元件連接到 Activepieces。在內部網路上透過 Ollama 或任何 OpenAI 相容伺服器部署微調模型後,您可以在 Activepieces 流程中新增一個 HTTP POST 步驟,呼叫模型的聊天完成端點。由於 Activepieces 和推理伺服器都在您的基礎設施上運行,AI 呼叫是本地網路請求——快速、免費且完全私密。
Ertas-Activepieces 技術堆疊建立了一個完全自託管的 AI 自動化平台。以一家需要自動分類傳入案件文件、擷取關鍵實體並將其路由到適當業務群組的律師事務所為例。Activepieces 監控電子信箱或檔案共享以獲取新文件,Ertas 訓練的法律模型處理每份文件進行分類和擷取,Activepieces 將結果路由到正確的團隊頻道——整個工作流程在本地運行,零外部 API 呼叫。事務所可以逐步檢視整個流程,自行決定資料保留期限,處理的文件也不會經過任何外部 AI 服務商。同樣的模式適用於處理轉介的醫療機構、分類交易的金融公司,以及任何需要對敏感資料進行智慧自動化的組織。
Getting Started
- 1
在 Ertas Studio 中微調模型
針對您的特定自動化任務訓練模型——文件分類、實體擷取、內容生成或文字分析。
- 2
在本地同時部署 Activepieces 和您的模型
透過 Docker 在您的基礎設施上運行 Activepieces。透過 Ollama 在同一網路上部署 Ertas 訓練的模型,實現低延遲的私密推理。
- 3
建立帶有觸發器的工作流程
從觸發器開始建構 Activepieces 流程——新電子郵件、檔案上傳、webhook、排程任務或任何受支援的事件來源。
- 4
新增 HTTP 請求步驟進行 AI 處理
新增一個 HTTP 請求元件,向您的本地模型端點發送 POST 請求。將請求主體結構化為 OpenAI 相容的聊天完成呼叫,包含觸發器資料。
- 5
將 結果路由到下游動作
使用模型的回應驅動後續流程步驟——路由文件、更新資料庫、發送通知或觸發額外處理。
{
"step": "HTTP Request",
"method": "POST",
"url": "http://ollama-server:11434/v1/chat/completions",
"headers": {
"Content-Type": "application/json"
},
"body": {
"model": "ertas-classifier-7b",
"messages": [
{
"role": "system",
"content": "Classify the document into one of: contract, invoice, correspondence, legal-filing. Return JSON: {category, confidence, summary}"
},
{
"role": "user",
"content": "{{trigger.document_text}}"
}
],
"temperature": 0.0,
"max_tokens": 200
}
}Benefits
- 自動化與推理皆自行託管,工作流程資料留在您的基礎設施內
- 開源,無每個工作流程或每次執行的費用
- 本地網路 AI 呼叫快速、免費且完全私密
- 視覺化流程建構器讓非技術團隊成員也能輕鬆使用
- 每個流程都有可逐步檢視的執行紀錄
- 不斷增長的連接器庫,包含社群貢獻的整合
Related Resources
Fine-Tuning(微調)
Inference(推論)
GGUF
LoRA
Privacy-Conscious AI Development: Fine-Tune in the Cloud, Run on Your Terms
GDPR-Compliant AI: How to Use LLMs Without Sharing User Data
Running AI Models Locally: The Complete Guide to Local LLM Inference
Self-Hosted AI for Indie Apps: Replace GPT-4 with Your Own Model
Fine-Tune AI Without Code: 6 Visual Steps
Ollama
Ertas for Legal
Ertas for Healthcare
Ertas for Finance
Ertas for AI Automation Agencies
Ertas for Data Extraction
Ship AI that runs on your users' devices.
Start free with 150 credits after card verification. Paid plans from $20/mo USD.