# Structured Output और Extraction — n8n के साथ AI Automation

Source: https://www.geekswithgeeks.com/hi/n8n-ai-automation/ai-structured-output

> Information Extractor या output parser से model से भरोसेमंद JSON पाएँ।

## Model से फ़ॉर्म भरवाएँ

Free-text उत्तर बाद के nodes में उपयोग करना कठिन है। **Information Extractor** node text और आपके चाहे fields की सूची (नाम, तारीख़, राशि) लेकर उन्हें संरचित डेटा के रूप में लौटाता है। LLM chain पर JSON schema वाला **output parser** यही काम करता है। नतीजा हमेशा जाँचें, क्योंकि model ग़ायब fields के लिए null दे सकता है या संख्या ग़लत पढ़ सकता है।

## Invoice के लिए schema

हर property का description model का मार्गदर्शन करता है। ISO format की तारीख़ें बाद के nodes के लिए parse करना आसान हैं।

```json
{
  "type": "object",
  "properties": {
    "vendor": { "type": "string", "description": "Company that issued the invoice" },
    "date":   { "type": "string", "description": "Invoice date in YYYY-MM-DD" },
    "total":  { "type": "number", "description": "Total amount payable, numeric only" }
  },
  "required": ["vendor", "total"]
}
```

## Code node में जाँचें

Extraction के बाद छोटा Code या IF node जोड़ें जो जाँचे कि total धनात्मक संख्या है और तारीख़ parse होती है। ग़लत डेटा को अपने accounting system में डालने की जगह विफलताओं को इंसानी-समीक्षा के रास्ते पर भेजें।

**Quiz:** Information Extractor step के बाद डेटा क्यों जाँचें?

- [ ] Extractors कभी नहीं चलते
- [x] Model मान ग़लत पढ़ सकता है या null दे सकता है
- [ ] Validation डेटा लंबा करता है
- [ ] n8n बिना जाँचे डेटा हटा देता है

*Answer:* Model मान ग़लत पढ़ सकता है या null दे सकता है. सही आकार का JSON object फिर भी ग़लत संख्या या ग़ायब मान रख सकता है।