Integrações
Conecte o Potato a modelos de IA e plataformas de crowdsourcing, e exporte para seus frameworks de ML favoritos.
Integração de IA e LLM
Turbine a anotação com assistência de IA
OpenAI
GPT-4, GPT-3.5 for intelligent hints, auto-suggestions, and keyword highlighting.
Ver documentação →Anthropic Claude
Claude 3 models for nuanced annotation assistance and quality checking.
Ver documentação →Google Gemini
Gemini Pro for multimodal annotation support across text and images.
Ver documentação →Local LLMs (Ollama)
Run AI-assisted annotation with local LLMs using Ollama. Keep your data completely private.
Ver documentação →HuggingFace
Access open-source models via HuggingFace Inference API for flexible AI assistance.
Ver documentação →OpenRouter
Access multiple AI providers through a single API with OpenRouter integration.
Ver documentação →vLLM
Self-hosted high-performance inference with vLLM for maximum control and speed.
Ver documentação →LangChain
Automatic trace ingestion from LangChain agents via callback handler. Capture full agent runs as annotation-ready traces.
Ver documentação →OpenAI Vision
GPT-4o and GPT-4 Vision for multimodal annotation assistance on images and screenshots.
Ver documentação →Anthropic Vision
Claude 3 Vision models for image and screenshot annotation assistance.
Ver documentação →Recursos com tecnologia de IA
- Sugestões inteligentes de rótulos
- Destaque automático de palavras-chave
- Assistência para verificação de qualidade
- Pré-anotação para revisão
- Geração de explicações
- Verificação de consistência
Opções de mão de obra
Use sua própria equipe ou escale com crowdsourcing
Sua própria equipe
Recomendado para dados sensíveisRode o Potato localmente ou nos seus próprios servidores com seus anotadores internos. Ideal para dados sensíveis que não podem ser compartilhados externamente, estudos aprovados por comitês de ética ou quando você já tem uma equipe de anotação treinada.
Benefícios
Ou escale com plataformas de crowdsourcing
Prolific
Academic-friendly crowdsourcing with quality participants. Full integration with completion URLs and participant tracking.
Recursos
Amazon MTurk
Scale to thousands of annotators with Mechanical Turk integration. Supports qualifications and approval workflows.
Recursos
Formatos de dados suportados
Importe dados em qualquer formato comum
Text
.txt, .json, .jsonl
Images
.jpg, .png, .gif, .webp
Audio
.mp3, .wav, .ogg, .m4a
Video
.mp4, .webm, .mov
Documents
.pdf, .html
Formatos de exportação
Exporte anotações para 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
Formatos de rastros de agentes
Importe rastros de agentes de 13 frameworks para anotação. Converta via CLI ou ingira em tempo real 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
Exportações de treino de agentes
Exporte anotações de agentes direto para os formatos do pipeline de treino
API e CLI em Python
Acesso programático para automação
Linha de comando
# Start annotation server potato start config.yaml # Export annotations potato export --format coco # Validate configuration potato validate config.yaml
API em Python
from potato import Potato
# Load project
project = Potato("config.yaml")
# Get annotations
annotations = project.get_annotations()
# Export to DataFrame
df = project.to_dataframe()Pronto para começar?
Instale o Potato e comece a integrar com suas ferramentas favoritas em minutos.