KNIME 现在提供了扩展的大型语言模型范围，包括 IBM Granite 和 Microsoft Phi 3.5 上的 Databricks 模型和 GPT4All 模型。使用可帮助您更新向量存储的新节点，维护检索增强生成 （RAG） 知识库也变得更加容易。
信任 AI 并使 AI 工作流程真正可靠是依赖 LLM 的用户和负责管理风险的团队的共同关注点。KNIME 现在通过一组 Giskard 节点提供更强大的评估功能，这些节点可以检测 LLM 输出和 RAG 系统是否显示偏差、幻觉、数据泄漏等的证据。
除了 AI 之外，5.4 版本还提供了一系列 UI 增强功能和新功能，让您可以更轻松地执行复杂的数据操作，更快地查找和配置所需的节点，使用 Tableau 等其他工具简化您的工作，并在支持 SVG 的报表中创建更清晰的可视化效果。
更易于访问的 AI 伴侣，可推荐现有解决方案以供重用
KNIME 的 AI 伴侣 （K-AI） 现在可以帮助您直接在工作流画布中构建更好的工作流，并且默认安装，并可选择通过首选项禁用它。
要从 K-AI 构建模式中受益，您需要将连接从节点的端口拖动到画布上，并提示 K-AI 从那里继续构建工作流。
K-AI 为您记录工作流程步骤，以便您了解它的作用并轻松仔细检查。
在问答模式下，K-AI 从 KNIME Community Hub 上的公共内容中推荐相关工作流程和组件。这些建议可以在 K-AI 答案的 “其他资源” 部分看到。这使您比以往任何时候都更容易发现现有解决方案并基于社区贡献进行构建，而无需从头开始，因此您可以更快地向前发展。
使用 UI 增强功能更快地查找和配置节点
侧面板中的节点配置对话框
现在，您可以使用侧面板中的对话框更快地配置节点。要启用此对话框，请转到 KNIME Modern UI → Node Configuration 对话框模式→首选项“，然后选择 Embedded Inside Application。
在 Tree （树） 视图中更快地查找节点
您还可以选择切换到节点存储库中的 Tree （树） 视图，从而更轻松地按类别发现节点。
表格中的可扩展单元格，便于查看
在表视图中，您可以展开包含字符串、XML、JSON 或图像数据类型的单个单元格，以查看详细内容，同时保持紧凑的表布局。
产品提示可更快地引导新用户
首次使用 KNIME Analytics Platform 的用户现在将收到产品提示，以简化入门流程并更快地开始使用。
改进的 AI 扩展，扩展了 LLM 支持、系统消息和更快的提示处理
支持 IBM Granite 和 Microsoft Phi 3.5 上的 GPT4All 模型
依赖基于云的 AI 模型可能会引发对数据隐私和成本的担忧，使组织难以在敏感或资源受限的环境中使用 AI。
您现在可以在 IBM Granite 和 Microsoft Phi 3.5 上使用 GPT4All 模型，为您提供更多本地 AI 模型选项来创建工作流，同时保持数据隐私并避免高额的云费用。
与 Databricks 中的模型集成
使用 Databricks 的团队通常需要依赖自定义编码或外部 API 来连接和使用 Databricks 在其工作流中提供的模型。借助 KNIME，您现在可以使用 Databricks 聊天模型连接器和 Databricks 嵌入模型连接器节点将 Databricks 工作区中的聊天和嵌入模型直接集成到 KNIME 工作流中，而无需任何编码或 API 专业知识。
- Databricks 聊天模型连接器节点
- Databricks Embedding Connector 节点
GenAI 数据处理的增强功能
新版本附带两项增强功能，可以更轻松、更快速地将 GenAI 应用于数据表。
首先是在 LLM Prompter 中为聊天模型引入了系统消息，这简化了许多用例的提示过程。系统消息为 LLM 设置了明确的指示和上下文，以指导其工作并调整对特定任务的响应。
LLM Prompter 现在还可以通过并行调用支持的 GenAI 模型（例如，来自 OpenAI 的模型）来在相同的时间内处理更多提示。
增强的 GenAI 治理能力，具有更强的评估能力
LLM 漏洞（例如错误信息、敏感信息泄露和偏见）可能会产生严重影响，从损害客户信任到严厉的法律处罚。
KNIME Analytics Platform 现在附带了一组由 Giskard 库提供支持的新节点，用于评估和验证 GenAI 工作流是否存在此类陷阱。
- Giskard LLM 扫描仪
- Giskard RAGET 评估器
- Giskard RAGET 测试集生成器
这些节点使您能够自动检测潜在问题，例如幻觉、有害内容、稳健性、数据泄漏等，从而帮助您创建可靠且安全的 GenAI 应用程序。
简化检索增强生成 （RAG） 的 GenAI 模型维护
在 RAG 工作流程中管理和更新载体存储可能既复杂又耗时，需要手动操作以确保知识库保持准确并与不断发展的数据保持一致。
KNIME 分析平台现在带有一个新的 Vector Store Data Extractor 节点，用于更新和迁移矢量存储，以帮助您简化 RAG 工作流程中使用的知识库的维护，确保您的数据保持最新且工作流程保持高效。
高级筛选、变量处理和表达式中结果的重用
随 KNIME Analytics Platform 5.3 发布的 Expressions 节点现在支持多个表达式，使您能够重用早期表达式的结果以进行更复杂的数据操作。这使您可以快速执行相关的自定义数据操作，同时实时预览结果。
新的 Tableau Reader 节点，可更轻松地访问 Tableau 数据
新的 Tableau Reader （Labs） 节点允许您直接从 Tableau Hyper 文件中提取数据到 KNIME 工作流中，从而更轻松地在 KNIME 中处理 Tableau 数据。该节点将自动下载位于远程文件系统上的文件，从而简化在云和本地存储系统中使用 Tableau 文件的过程。
Tableau Writer 节点现在支持 Apple Silicon 处理器，为 Mac 用户提供了改进的兼容性和性能。
轻松访问 Box 文件
KNIME Analytics Platform 现已在 Box Marketplace 上提供。有了这个功能，您现在可以使用 “User authentication” 选项直接在 Box Authenticator 节点中进行身份验证，而无需设置您自己的身份验证应用程序。
更安全地替换外部 SSH Tool 节点
新的 SSH 命令执行程序节点是外部 SSH 工具节点的更安全和增强的替代品。它使您能够通过安全连接在远程计算机上运行命令。该节点提供了许多新设置，例如可选的输入和输出文件，使其适用于更广泛的使用案例。该节点使用最新的安全机制，并附带一系列高级安全设置，使节点的使用更加安全。
增强的可视化效果，可以更轻松地筛选图例项并支持 SVG
现在，您可以通过双击快速筛选视图中的图例项。
您还可以在支持 SVG 的报表中创建更清晰、更高质量的可视化效果。
升级的数据库框架，具有安全更新和 Databricks 连接
通过新的 Databricks SQL 仓库连接器节点，您可以直观地创建 SQL 语句，以使用 KNIME 数据库框架将数据处理的执行向下推送到 Databricks SQL 仓库中。
在此版本中，您可以使用 Databricks 工作区连接器节点连接到各种受支持的 Databricks 服务，例如聊天模型、向量嵌入、仓库、计算集群、文件系统和 REST API。
所有 Database Connector 节点（如 Athena 和 BigQuery）现在都支持自动驱动程序更新，不再需要您手动更新工作流。
Snowflake Connector 节点现在支持 OpenSSL V3 加密的私钥，增强了身份验证安全性和可自定义的帐户域，从而允许与独特的网络配置进行更灵活的集成。它还附带了最新的 JDBC 驱动程序。
