Acciones de IA personalizadas

Cree acciones de IA reutilizables para texto seleccionado, como búsqueda en diccionario, reescritura, resúmenes y lectura estructurada.

Descripción general

Las acciones de IA personalizadas convierten un mensaje en una pequeña herramienta que puede ejecutar una y otra vez.

La idea central es simple. Después de seleccionar el texto, Read Frog envía ese texto a AI con una configuración fija.

Cada acción tiene:

un proveedor de LLM
indicaciones
campos de salida

Esto es diferente de un cuadro de chat normal. El resultado es más estable. Funciona bien para tareas de lectura repetidas, como búsquedas en diccionarios, explicaciones, reescrituras y resúmenes.

Antes de utilizar esta función, asegúrese de haber habilitado al menos un proveedor de LLM que admita salida estructurada y pueda conectarse correctamente. Si no está seguro de si su modelo admite salida estructurada, consulte AI SDK Model Capabilities o los documentos oficiales del proveedor del modelo.

Acciones de IA integradas

La versión actual incluye tres plantillas:

Diccionario: busque una palabra y devuelva el término, fonética, parte de la oración, definición, texto de párrafo, traducción de párrafo y dificultad del MCER
Mejorar la escritura: analiza los problemas de escritura y devuelve una versión mejorada
En blanco: empezar desde cero

Notas:

La página Acciones personalizadas de IA ya incluye una acción predeterminada de Diccionario. Puede estudiarlo para aprender cómo se diseñan las indicaciones y los campos de salida.
Si desea un ayudante de escritura, haga clic en Agregar acción de IA y elija Mejorar la escritura.

Aprenda del diccionario incorporado

Si es la primera vez que utiliza la función, comience con el diccionario integrado.

Configure y habilite un proveedor de LLM para tareas de lectura.
Abra Acciones AI personalizadas y asegúrese de que Diccionario esté habilitado.
Si su proveedor no está disponible, cámbielo a un proveedor LLM habilitado.
Vuelve a cualquier página web y selecciona una palabra o frase corta.
Haga clic en el icono del diccionario en la barra de herramientas de selección.

Dictionary in the selection toolbar

Verás resultados estructurados como estos:

- Term
- Phonetic
- Part of Speech
- Definition
- Paragraphs
- Paragraphs Translation
- Difficulty

Personaliza tu propia acción de IA

Abra la configuración de Read Frog.
Vaya a Acciones personalizadas de IA.
Haga clic en Agregar acción de IA.
Elija una plantilla: Diccionario, Mejorar la escritura o En blanco.
Complete los campos requeridos.
Mantenga la acción habilitada para que aparezca en la barra de herramientas de selección.

El editor admite estos campos:

Nombre: el nombre de la acción
Icono: puede buscar íconos en icon-sets.iconify.design y copiar el nombre del ícono
Proveedor: elija un proveedor de LLM que admita resultados estructurados
Mensaje del sistema: define la función, el objetivo, las reglas y los ejemplos
Mensaje: defina el formato de entrada y explique lo que recibe el modelo
Esquema de salida: define los campos estructurados en el resultado

Fichas de aviso

Tanto el indicador del sistema como el indicador principal admiten estos tokens:

{{selection}}: el texto seleccionado
{{paragraphs}}: los párrafos alrededor de la selección, unidos con líneas en blanco, hasta 2000 caracteres
{{targetLanguage}}: el idioma de destino del usuario
{{webTitle}}: el título de la página

Cómo funciona el esquema de salida

Cada campo de salida incluye:

Nombre del campo
Tipo de campo: string o number
Descripción del campo
Habilitar hablar: el panel muestra un botón de hablar y el usuario puede leer este campo en voz alta

Notas:

La función de habla depende de la función Texto a voz.
Asegúrese de que el idioma de la voz sea correcto o la reproducción puede fallar.

El esquema de salida tiene dos trabajos:

Le dice al modelo qué campos deben devolverse.
Le dice a Read Frog cómo mostrar el resultado.

La descripción del campo también es importante. No es sólo una nota para los humanos. También se pasa a las reglas de salida estructuradas. Puede usarlo para definir el idioma, la longitud, el formato y otras restricciones.

Guardar resultados en Notebase

Cuando haya iniciado sesión, puede usar la sección Notebase Conexión al editar una acción de IA.

Para consultar la versión completa, la configuración de Notebase, el mapeo de campos y el flujo de prueba, consulte Notebase Guide.

Notebase field mapping

Aquí puedes:

elige una base de notas
asignar campos de acción de IA a campos de la base de notas
guardar resultados estructurados desde el panel de selección

Save to Notebase

Esto es muy útil si desea convertir los resultados del diccionario en su propia lista de vocabulario.

En el futuro, estas palabras guardadas admitirán la revisión con el algoritmo FSRS.

Compilación uno: acción de resumen de lectura

Si desea crear su primera acción personalizada, comience con En blanco y cree una herramienta de resumen de lectura.

Summary action demo

Aviso del sistema

You are a summary assistant for learners and researchers.

## Goal

Read the given article content and produce a clear and accurate summary that matches the required output object.

## Rules
1. Only use information from the given content. Do not add new facts.
2. Focus on the main topic, the core summary, the key points, and important details.
3. Stay faithful to the original meaning.
4. Use clear and simple language that is good for reading and review.
5. Do not rewrite the full text line by line. Extract information instead.
6. Keep important technical or academic terms when needed.
7. Important details should help the reader understand the text better.
8. If a field cannot be determined from the text, return an empty string.
9. Use {{targetLanguage}} for every field except original source content.
10. Keep the output tightly related to the input text.

## Examples

### Example 1

Input:
Selection: hybrid models
Paragraphs: Remote work has changed how companies operate. It gives employees more flexibility, reduces commuting time, and can improve work-life balance. However, it also creates challenges in communication, team cohesion, and performance management. Many companies are now trying hybrid models to balance flexibility and collaboration.
Target language: English

Output:
- Topic: The impact of remote work on companies and employees
- Summary: The text explains that remote work brings flexibility and efficiency benefits, but it also creates problems in communication, team cohesion, and performance management, so many companies now use hybrid work as a practical balance.
- Key Points:
1. Remote work gives employees more flexibility.\r\n
2. Remote work reduces commuting time.\r\n
3. Remote work can improve work-life balance.\r\n
4. Remote work can cause communication and teamwork problems.\r\n
5. Hybrid work is a common way to balance flexibility and collaboration.\r\n
- Details:
1. The text covers both employee benefits and management challenges.\r\n
2. The main problems are communication, team cohesion, and performance management.\r\n
3. Hybrid work is presented as a practical solution, not just a theory.\r\n

### Example 2

Input:
Selection: 誤分類が依然として多かった
Paragraphs: この論文では、画像認識における小規模データ問題を解決するために、事前学習済みモデルの転移学習を活用した。実験の結果、少量データ環境でも高い精度が得られたが、特定のカテゴリでは誤分類が依然として多かった。今後はデータ拡張とモデル軽量化が課題である。
Target language: English

Output:
- Topic: The effect of transfer learning on small-scale image recognition
- Summary: The text explains that transfer learning with a pre-trained model helps improve image recognition in small-data settings, but some categories still have many misclassifications, so data augmentation and model compression remain important future tasks.
- Key Points:
1. The study aims to solve the small-data problem in image recognition.\r\n
2. It uses transfer learning with a pre-trained model.\r\n
3. The results show high accuracy even with limited data.\r\n
4. Some categories still have clear misclassification problems.\r\n
5. Future work includes data augmentation and model compression.\r\n
- Details:
1. The method is effective specifically in low-data settings.\r\n
2. The results are not equally stable across all categories.\r\n
3. The text clearly gives future improvement directions instead of only reporting results.\r\n

rápido

Selection: {{selection}}

Paragraphs: {{paragraphs}}

Target language: {{targetLanguage}}

Esquema de salida

Nombre del campo	Tipo de campo	Descripción
Tema	Texto	Resuma el tema central relacionado con `{{selection}}`.
Resumen	Texto	Explique el significado central de `{{selection}}` en una oración.
Puntos clave	Texto	Extraiga de 3 a 5 puntos más relevantes relacionados con `{{selection}}`, separados por `\r\n`.
Detalles	Texto	Enumere detalles importantes que son fáciles de pasar por alto pero que ayudan al lector a comprender `{{selection}}`.

Esto le brinda una ayuda de lectura reutilizable para artículos, documentos y tutoriales.

Consejos prácticos

Comience con menos campos. Menos campos normalmente significan resultados más estables.
Utilice el Mensaje del sistema para guiar el modelo y dar ejemplos.
Utilice el Mensaje para definir el formato de entrada actual.
Si el resultado es inestable, primero elimine los campos y simplifique las reglas.
Para usar el diccionario, seleccione una palabra o frase corta, no una oración completa.