Integraciones
Conecte Potato con modelos de IA, plataformas de crowdsourcing y exporte a sus frameworks de ML favoritos.
Integración con IA y LLM
Potencie la anotación con asistencia de IA
OpenAI
GPT-4, GPT-3.5 for intelligent hints, auto-suggestions, and keyword highlighting.
Ver documentación →Anthropic Claude
Claude 3 models for nuanced annotation assistance and quality checking.
Ver documentación →Google Gemini
Gemini Pro for multimodal annotation support across text and images.
Ver documentación →Local LLMs (Ollama)
Run AI-assisted annotation with local LLMs using Ollama. Keep your data completely private.
Ver documentación →HuggingFace
Access open-source models via HuggingFace Inference API for flexible AI assistance.
Ver documentación →OpenRouter
Access multiple AI providers through a single API with OpenRouter integration.
Ver documentación →vLLM
Self-hosted high-performance inference with vLLM for maximum control and speed.
Ver documentación →LangChain
Automatic trace ingestion from LangChain agents via callback handler. Capture full agent runs as annotation-ready traces.
Ver documentación →OpenAI Vision
GPT-4o and GPT-4 Vision for multimodal annotation assistance on images and screenshots.
Ver documentación →Anthropic Vision
Claude 3 Vision models for image and screenshot annotation assistance.
Ver documentación →Funciones con IA
- Sugerencias inteligentes de etiquetas
- Resaltado automático de palabras clave
- Asistencia en control de calidad
- Preanotación para revisión
- Generación de explicaciones
- Verificación de consistencia
Opciones de equipo de trabajo
Use su propio equipo o escale con crowdsourcing
Su propio equipo
Recomendado para datos sensiblesEjecute Potato de forma local o en sus propios servidores con sus anotadores internos. Perfecto para datos sensibles que no pueden compartirse externamente, estudios aprobados por el comité de ética o cuando ya tiene un equipo de anotación capacitado.
Beneficios
O escale con plataformas de crowdsourcing
Prolific
Academic-friendly crowdsourcing with quality participants. Full integration with completion URLs and participant tracking.
Características
Amazon MTurk
Scale to thousands of annotators with Mechanical Turk integration. Supports qualifications and approval workflows.
Características
Formatos de datos soportados
Importe datos en cualquier formato común
Text
.txt, .json, .jsonl
Images
.jpg, .png, .gif, .webp
Audio
.mp3, .wav, .ogg, .m4a
Video
.mp4, .webm, .mov
Documents
.pdf, .html
Formatos de exportación
Exporte anotaciones a formatos populares de ML
General
- JSON
Native Potato format with full annotation data
- JSONL
Line-delimited JSON for streaming and large datasets
- CSV
Tabular export for spreadsheet analysis
NLP
- CoNLL
Standard format for NER and sequence labeling
- Hugging Face
Direct export to HF Datasets format
- spaCy
Training data format for spaCy models
Computer Vision
- COCO
MS COCO format for object detection
- YOLO
YOLO format for real-time detection
- Pascal VOC
XML format for image classification
Agent Trace Formats
Import agent traces from 13 frameworks for annotation. Convert via CLI or ingest in real-time via webhook.
Agent Frameworks
- LangChain / LangSmith
Hierarchical runs, tool calls
- Langfuse
Observation spans, scores
- OpenAI
Function calling, assistants
- Anthropic Claude
Tool use, thinking blocks
- MCP
Model Context Protocol sessions
- OpenTelemetry
Distributed span hierarchy
- ATIF
Standard interchange format
Web Agents
- WebArena
Screenshots, element targeting
- Raw Browser
HAR + screenshots
Coding Agents
- Claude Code
Anthropic Messages API with tool_use
- Aider
Markdown chat with edit blocks
- SWE-Agent
Thought/action/observation trajectories
General
- ReAct
Generic thought/action/observation
- Multi-Agent
CrewAI, AutoGen, LangGraph
Agent Training Exports
Export agent annotations directly to training pipeline formats
API de Python y CLI
Acceso programático para automatización
Línea de comandos
# Start annotation server potato start config.yaml # Export annotations potato export --format coco # Validate configuration potato validate config.yaml
API de Python
from potato import Potato
# Load project
project = Potato("config.yaml")
# Get annotations
annotations = project.get_annotations()
# Export to DataFrame
df = project.to_dataframe()¿Listo para comenzar?
Instale Potato y comience a integrar con sus herramientas favoritas en minutos.