Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Zpracování chyb a záložní řešení

Lekce 4 z 20 Vývojář
Na této stránce
  1. Zpracování chyb a záložní řešení
  2. Vracení chyb modelu
  3. Opakování s exponenciálním backoffem
  4. Časové limity pro jednotlivé funkce
  5. Záložní přepínání mezi funkcemi
  6. Jistič (Circuit Breaker)
  7. Kompletní robustní smyčka
  8. Klíčové poznatky

Zpracování chyb a záložní řešení

Volání funkcí přináší výzvu, se kterou se klasický kód nepotýká: když funkce selže, mají tuto chybu dva příjemce. Tvou aplikaci jako obvykle – a model, který čeká na výsledek, aby mohl pokračovat. Zapomenutí na tuto skutečnost vytváří v produkci ten nejmatoucí příznak: konverzace, která se bez vysvětlení zcela zastaví, protože výjimka byla na straně serveru polknuta a model stále čeká.

Pravidlo, které strukturuje celou tuto lekci, zní: vždy vrať function_call_output, a to i při selhání. Model informovaný o nedostupnosti API může navrhnout alternativu, požádat o upřesnění nebo situaci uživateli vysvětlit. Model, který nedostane nic, nemůže udělat nic.

Vracení chyb modelu

Formát chyby je stejně důležitý jako samotné její odeslání. Holé „Error“ modelu nic neřekne; objekt JSON, který rozlišuje typ chyby, zda je přechodná nebo trvalá, a navrhuje další kroky, umožňuje modelu se rozhodnout. To je kontraintuitivní: píšeš chybové zprávy určené k tomu, aby je četl uvažující stroj, nikoliv aby se logovaly pro lidi.

import json
from openai import OpenAI

client = OpenAI()

def execute_function(name: str, arguments: str, call_id: str) -> dict:
    try:
        args = json.loads(arguments)
        result = dispatcher[name](**args)
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps(result)
        }
    except KeyError:
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps({
                "error": "unknown_function",
                "message": f"The function '{name}' does not exist"
            })
        }
    except json.JSONDecodeError:
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps({
                "error": "invalid_arguments",
                "message": "The JSON arguments are malformed"
            })
        }
    except Exception as e:
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps({
                "error": "internal_error",
                "message": str(e)
            })
        }

Opakování s exponenciálním backoffem

Opakování má smysl pouze u problémů, které se mohou při druhém pokusu vyřešit: výpadky sítě, stavové kódy 429 nebo dočasné nedostupnosti. Opakování požadavku zamítnutého kvůli neplatné autentizaci nebo nesprávným parametrům pouze oddálí selhání a zároveň znásobí počet volání. Proto kód níže explicitně filtruje chyby – filtrování dělá hlavní práci, zatímco backoff je jen zdvořilost, kterou dlužíš vzdálené službě.

import time
import random

def execute_with_retry(func, args, max_retries=3, base_delay=1.0):
    """Opakování s exponenciálním backoffem a jitterem."""
    for attempt in range(max_retries + 1):
        try:
            return func(**args)
        except (ConnectionError, TimeoutError) as e:
            if attempt == max_retries:
                raise
            delay = base_delay * (2 ** attempt) + random.uniform(0, 0.5)
            time.sleep(delay)
        except ValueError:
            # Chyba dat: neopakovat
            raise

def execute_function_robust(name, arguments, call_id):
    args = json.loads(arguments)
    try:
        result = execute_with_retry(dispatcher[name], args)
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps(result)
        }
    except Exception as e:
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps({
                "error": type(e).__name__,
                "message": str(e),
                "retries_performed": 3
            })
        }

Časové limity pro jednotlivé funkce

Jediný časový limit pro všechny funkce je vždy špatně nastavený: příliš krátký zabije náročné zpracování; příliš dlouhý nutí uživatele čekat na jednoduché vyhledání v mezipaměti. Každou hodnotu založ na pozorovaných dobách trvání za běžných podmínek s rezervou – ne na nejhorším myslitelném případě, což by v praxi znamenalo nemít žádný časový limit vůbec.

import signal
from functools import wraps

TIMEOUTS = {
    "search_client": 5,
    "generate_report": 30,
    "send_email": 10,
}

def with_timeout(func, timeout_seconds):
    """Spustí funkci s časovým limitem."""
    import concurrent.futures
    with concurrent.futures.ThreadPoolExecutor(max_workers=1) as executor:
        future = executor.submit(func)
        try:
            return future.result(timeout=timeout_seconds)
        except concurrent.futures.TimeoutError:
            raise TimeoutError(
                f"Function interrupted after {timeout_seconds}s"
            )

def execute_with_timeout(name, arguments, call_id):
    args = json.loads(arguments)
    timeout = TIMEOUTS.get(name, 10)  # Ve výchozím nastavení 10 s

    try:
        result = with_timeout(
            lambda: dispatcher[name](**args),
            timeout
        )
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps(result)
        }
    except TimeoutError as e:
        return {
            "type": "function_call_output",
            "call_id": call_id,
            "output": json.dumps({
                "error": "timeout",
                "message": str(e),
                "suggestion": "Retry with more specific criteria"
            })
        }

Záložní přepínání mezi funkcemi

Záložní řešení je kompromis, nikoliv reflex: obsloužení šest hodin starých dat z mezipaměti je pro dashboard lepší než nic, ale pro zůstatek na účtu je to mnohem horší než nic. Když degraduješ kvalitu, řekni to – ve výsledku vráceném modelu, aby mohl uživatele upozornit, místo aby prezentoval zastaralá data jako čerstvá.

async def search_product(term: str) -> dict:
    """Vyhledávání se záložním řešením: primární API -> mezipaměť -> lokální databáze."""
    # Pokus 1: Katalogové API
    try:
        return await api_catalog.search(term)
    except Exception:
        pass

    # Pokus 2: Mezipaměť Redis
    try:
        cached = await redis_client.get(f"product:{term}")
        if cached:
            result = json.loads(cached)
            result["_source"] = "cache"
            result["_warning"] = "Data may be outdated"
            return result
    except Exception:
        pass

    # Pokus 3: Lokální databáze SQLite
    try:
        row = db.execute(
            "SELECT * FROM products WHERE name LIKE ?",
            (f"%{term}%",)
        ).fetchone()
        if row:
            return {
                "name": row["name"],
                "price": row["price"],
                "_source": "local_db",
                "_warning": "Data from last synchronization"
            }
    except Exception:
        pass

    return {
        "error": "unavailable",
        "message": "No data source accessible for this search"
    }

Jistič (Circuit Breaker)

Jistič řeší to, co opakování nezvládne: službu, která je dlouhodobě nedostupná. Po N selháních se přepne a okamžitě vrátí chybu, aniž by se vůbec pokoušel o volání, a poté občas umožní projít testovacímu požadavku, aby zkontroloval obnovu. Zisk je dvojnásobný – tvoji uživatelé přestanou u každého požadavku čekat na vypršení časového limitu a trpící služba nebude udržována v nedostupnosti tvými opakovanými pokusy.

from datetime import datetime, timedelta

class CircuitBreaker:
    def __init__(self, failure_threshold=5, open_duration=60):
        self.threshold = failure_threshold
        self.duration = open_duration
        self.failures = 0
        self.last_failure = None
        self.state = "closed"  # closed, open, half-open

    def can_execute(self) -> bool:
        if self.state == "closed":
            return True
        if self.state == "open":
            if datetime.now() - self.last_failure > timedelta(seconds=self.duration):
                self.state = "half-open"
                return True
            return False
        return True  # half-open: allow one test attempt

    def record_success(self):
        self.failures = 0
        self.state = "closed"

    def record_failure(self):
        self.failures += 1
        self.last_failure = datetime.now()
        if self.failures >= self.threshold:
            self.state = "open"

# Jeden jistič pro každou externí službu
breakers = {
    "weather_api": CircuitBreaker(failure_threshold=3, open_duration=30),
    "catalog_api": CircuitBreaker(failure_threshold=5, open_duration=60),
}

Kompletní robustní smyčka

Celý vzorec spojuje pět výše uvedených mechanismů. Jedna opatrnost ji činí skutečně bezpečnou a je snadné ji přehlédnout: omez počet iterací. Model, který donekonečna volá funkci, jejíž výsledek se mu nelíbí, je vzácný, ale bez stropu spálí tvůj rozpočet až do vyčerpání – a to je typ incidentu, který zjistíš až z faktury.

def robust_loop(prompt, tools, max_turns=10):
    messages = prompt
    for turn in range(max_turns):
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=messages,
            tools=tools
        )

        calls = [i for i in response.output if i.type == "function_call"]
        if not calls:
            return response.output_text

        results = []
        for call in calls:
            result = execute_function_robust(
                call.name, call.arguments, call.call_id
            )
            results.append(result)

        messages = response.output + results

    return "Workflow interrupted: turn limit reached"

Klíčové poznatky

  • Vždy vrať function_call_output, a to i při chybě
  • Strukturoj chyby jako JSON, aby je model mohl využít
  • Opakuj pouze přechodné chyby s exponenciálním backoffem
  • Implementuj záložní přepínání mezi zdroji dat
  • Použij jistič k ochraně selhávajících služeb