Быстрый старт в Workflows
Быстрый старт в Workflows
Это руководство проведёт вас через создание первого ML-пайплайна в Arka AI. Следуя семи шагам, вы построите работающую цепочку обработки данных — от выбора готового шаблона до просмотра результата выполнения.
Шаг 1: Открыть редактор
Перейдите в раздел ML-пайплайнов по адресу /{username}/dashboard/workflows. Вы увидите список существующих пайплайнов (если они есть) и кнопку «Создать» в верхней части страницы.
Нажмите «Создать» — откроется визуальный редактор с пустым полотном (canvas) и панелью узлов слева.
Шаг 2: Выбрать шаблон
В редакторе вы можете начать с нуля или выбрать готовый шаблон из галереи:
- Нажмите «Галерея шаблонов» в верхней панели редактора
- Просмотрите доступные шаблоны — они сгруппированы по сценариям (RAG, чат-боты, анализ данных и др.)
- Выберите подходящий — например, «Простой чат-бот» для первого знакомства combust
- Нажмите «Использовать» — шаблон загрузится на полотно с уже расставленными узлами
Подробный обзор доступных шаблонов — в разделе Галерея шаблонов.
Шаг 3: Добавить узлы
Если вы начали с пустого полотна, добавьте узлы из панели слева:
- Перетащите узел нужного типа на полотно
- Узлы сгруппированы по категориям: Ввод, Модель, Трансформация, Вывод
Для минимального пайплайна вам понадобятся как минимум один узел ввода (например, «Текстовый ввод») и один узел модели (например, «Вызов LLM»).
Полный справочник по узлам и их параметрам — в разделе Узлы (Nodes).
Шаг 4: Соединить узлы
Соедините узлы в цепочку обработки:
- Наведите курсор на выходной порт узла (маленький кружок справа) — он подсветится
- Потяните линию к входному порту следующего узла (кружок слева)
- Отпустите — соединение зафиксируется, и данные будут передаваться по этому пути
Порядок соединений определяет логику пайплайна: данные из узла ввода поступают в модель, результат модели может пройти через трансформацию и попасть в узел вывода.
Шаг 5: Настроить параметры
Кликните на каждый узел, чтобы открыть панель настройки параметров:
- Узел ввода: задайте имя переменной и значение по умолчанию
- Узел модели: выберите модель из каталога (например, DeepSeek-R1), настройте температуру (0.0–2.0), максимальное число токенов, системный промпт
- Узел трансформации: укажите шаблон форматирования или условие фильтрации
- Узел вывода: выберите формат результата — текст, JSON или сохранение в датасет
Ключевые параметры модели: температура (temperature) определяет случайность ответов (0 = детерминированные, 1 = творческие), max_tokens ограничивает длину вывода.
Шаг 6: Запустить
Когда пайплайн готов, запустите его:
- Нажмите кнопку «Запустить» в верхней панели редактора
- Платформа проверит конфигурацию и начнёт выполнение узлов по очереди
- В панели статуса вы увидите прогресс: каждый узел подсвечивается зелёным (успех), жёлтым (в процессе) или красным (ошибка)
Если запуск завершился ошибкой, проверьте логи конкретного узла — кликните на красный узел🍊, и вы увидите сообщение об ошибке на вкладке «Логи».
Шаг 7: Просмотреть результат
После завершения пайплайна:
- Кликните на узел вывода, чтобы увидеть результат в панели справа
- Результат отображается в зависимости от формата: текст, таблица, JSON
- Если вы выбрали сохранение в датасет — проверьте созданный датасет в разделе Датасеты
Полную историю всех запусков с логами и возможностью повтора смотрите в разделе История запусков.
Что дальше
- Изучите все категории узлов и их параметры для построения сложных пайплайнов
- Ознакомьтесь с API Workflows для программного создания и запуска пайплайнов
- Просмотрите галерею шаблонов для вдохновения и быстрого старта для типовых задач