← AI 動態
Simon Willison
Datasette 推出 LLM 插件新版：強化 AI 資料處理流程的身份稽核與追蹤
Simon Willison 發布 datasette-enrichments-llm 0.2a1，重點更新在於將觸發動作的執行者資訊傳遞至 LLM 方法。這項改進提升了資料豐富化過程中的透明度，讓系統能更精確地追蹤 AI 任務的來源。
Datasette
資料工程
身份稽核
Datasette 是一款廣受歡迎的開源數據探索與發布工具，而其擴充插件 datasette-enrichments-llm 則讓使用者能輕鬆調用大型語言模型來「豐富化」資料庫內容。例如，使用者可以撰寫 Prompt 來自動為數千筆資料進行分類、摘要或實體辨識，將繁瑣的資料處理工作自動化。
在最新的 0.2a1 預覽版本中，技術核心改動在於將「執行者（actor）」身份納入處理流程。現在當 enrichment 動作被觸發時，系統會將操作者資訊傳遞給內部的 llm.mode 方法。這對於企業環境下的資料治理極具意義，開發者可以藉此建立更完善的稽核日誌，確保每一筆由 AI 產出的資料內容都能追溯到特定的觸發者。
這類工具的進化展示了 LLM 如何深度整合進傳統的 ETL（提取、轉換、加載）流程中。對於資料工程師而言，這不僅僅是自動化處理，更是邁向「負責任的 AI」與安全資料鏈管理的重要一步，有助於建構更可靠、透明的企業級數據工作流。