Премини към основното съдържание
Български— Изберете език
Меню

Ръчен response_format

Урок 5 от 12 Обновен 30 юли 2026 г. Програмист
На тази страница
  1. По-голям контрол с response_format
  2. Работен процес
  3. Пълен пример
  4. Разлики спрямо parse()
  5. Анализиране без Pydantic
  6. Кога да изберете response_format
  7. Обработка на грешки
  8. Ключови изводи

По-голям контрол с response_format

Ръчният метод чрез response_format Ви осигурява пълен контрол над анализирането (parsing). За разлика от parse(), който връща типизиран обект, този подход връща JSON низ, който анализирате сами – Pydantic моделът предоставя само схемата (model_json_schema()) и извършва валидация след това. Изберете този метод, когато имате нужда от гъвкавост или когато работите в среда без Pydantic.

Работен процес

При използване на response_format процесът протича на две стъпки:

  1. API връща JSON като низ в response.choices[0].message.content
  2. Вие анализирате този низ по избран от Вас метод

Пълен пример

from openai import OpenAI
from pydantic import BaseModel

client = OpenAI(
    api_key="your-xai-key",
    base_url="https://api.x.ai/v1"
)

class MovieReview(BaseModel):
    title: str
    rating: float
    summary: str
    recommend: bool

response = client.chat.completions.create(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": "Review the movie Inception"
    }],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "movie_review",
            "schema": MovieReview.model_json_schema()
        }
    }
)

# Съдържанието е JSON низ
json_string = response.choices[0].message.content
print(type(json_string))  # <class 'str'>
print(json_string)
# {"title": "Inception", "rating": 9.2, "summary": "...", "recommend": true}

# Ръчно анализиране с Pydantic
parsed = MovieReview.model_validate_json(json_string)
print(parsed.title)  # "Inception"

Разлики спрямо parse()

Аспектparse()response_format
Връщана стойност(Response, ParsedModel)Само Response
АнализиранеАвтоматичноРъчно
Достъп до данниparsed.fieldjson.loads() или model_validate_json()
ГъвкавостСтандартнаМаксимална
Обработка на грешкиВграденаВаша отговорност

Анализиране без Pydantic

Не е задължително да използвате Pydantic, за да анализирате резултата. Стандартният модул json също работи:

import json

response = client.chat.completions.create(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": "Analyze this text and extract entities"
    }],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "entities",
            "schema": {
                "type": "object",
                "properties": {
                    "people": {
                        "type": "array",
                        "items": { "type": "string" }
                    },
                    "places": {
                        "type": "array",
                        "items": { "type": "string" }
                    }
                }
            }
        }
    }
)

data = json.loads(response.choices[0].message.content)
print(data["people"])  # ["Marie Curie", "Pierre Curie"]
print(data["places"])      # ["Paris", "Warsaw"]

Кога да изберете response_format

response_format блести винаги, когато трябва да видите или инспектирате JSON, преди той да се превърне в обект. Най-честият случай е логирането: в производствена среда запазването на суровия JSON преди трансформация често е изискване за одит или отстраняване на грешки, а parse() не Ви предоставя тази точка на прихващане. Следва въпросът със схемата: ако Вашият договор за интерфейс е сурова JSON схема – споделена с други екипи, генерирана от инструмент, версионирана независимо от Python кода – нейното директно налагане е по-вярно от реконструирането ѝ като Pydantic модел. Накрая, не всеки проект оперира в екосистемата на Pydantic: ако валидацията Ви преминава през друг фреймуърк или през междинна стъпка на обработка, специфична за Вашия конвейер, response_format Ви предава JSON както си е и Ви оставя контрола над следващите действия.

Обработка на грешки

При ръчния метод трябва сами да обработвате грешки при анализирането:

import json

try:
    data = json.loads(response.choices[0].message.content)
except json.JSONDecodeError as e:
    print(f"Parsing error: {e}")

На практика тази грешка никога не би трябвало да възниква, тъй като API гарантира валиден JSON. Въпреки това, защитната обработка остава добра практика в производствена среда.

Ключови изводи

  • response_format връща JSON низ в response.choices[0].message.content
  • Анализирането е Ваша отговорност: json.loads(), model_validate_json() или друг метод
  • Можете да използвате сурова JSON схема вместо Pydantic модел
  • По-голяма гъвкавост от parse(), но изисква повече код
  • Върнатият JSON е гарантирано валиден – грешки при анализирането не би трябвало да възникват