Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Extrakce a ověření pomocí nástrojů

Lekce 10 z 12 Aktualizováno 30. července 2026 Vývojář
Na této stránce
  1. Budování spolehlivých extrakčních pipeline
  2. Vzor: obohacená extrakce
  3. Vzor: křížová validace
  4. Vzor: výpočty a strukturování
  5. Architektura robustní pipeline
  6. Zpracování chyb v produkci
  7. Klíčové poznatky

Budování spolehlivých extrakčních pipeline

Kombinací strukturovaných výstupů s nástroji (webové vyhledávání, spouštění kódu) můžeš vytvořit robustní pipeline pro extrakci a ověřování dat. Tato lekce ti ukáže, jak tyto pipeline navrhnout pro nasazení v produkci.

Vzor: obohacená extrakce

Nejběžnějším vzorem je obohacení extrakce dat pomocí webového vyhledávání. Začneš se surovým textem, model extrahuje entity a následně je obohatí o informace nalezené na internetu.

from pydantic import BaseModel

class EntrepriseEnrichie(BaseModel):
    nom: str
    secteur: str
    pays_siege: str
    site_web: str | None
    description_courte: str
    nombre_employes_estime: str | None
    technologies_utilisees: list[str]

class ExtractionEnrichie(BaseModel):
    entreprises: list[EntrepriseEnrichie]
    relations: list[str]
    contexte: str

response, parsed = client.chat.parse(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": """Extract and enrich the companies mentioned in this text:

        'Mistral AI announced a partnership with Scaleway to
        host its models in France. Meanwhile, Hugging Face
        continues to collaborate with OVHcloud on open source
        infrastructure.'"""
    }],
    response_format=ExtractionEnrichie,
    tools=[{"type": "web_search"}]
)

Vzor: křížová validace

Křížová validace využívá webové vyhledávání k ověření informací extrahovaných z dokumentu:

class FactCheck(BaseModel):
    affirmation: str
    verifie: bool
    source: str | None
    correction: str | None
    confiance: float

class RapportValidation(BaseModel):
    document_original: str
    verifications: list[FactCheck]
    fiabilite_globale: float
    resume: str

response, parsed = client.chat.parse(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": """Verify the facts in this text:
        'France has 68 million inhabitants. Paris is the
        largest city in Europe. France's GDP is the 7th
        largest worldwide.'"""
    }],
    response_format=RapportValidation,
    tools=[{"type": "web_search"}]
)

for v in parsed.verifications:
    status = "Verified" if v.verifie else "Unverified"
    print(f"[{status}] {v.affirmation}")
    if v.correction:
        print(f"  → Correction: {v.correction}")

Vzor: výpočty a strukturování

Zkombinuj spouštění kódu pro výpočty a strukturované výstupy pro formátování:

class LigneFacture(BaseModel):
    description: str
    quantite: int
    prix_unitaire_ht: float
    montant_ht: float
    tva: float
    montant_ttc: float

class Facture(BaseModel):
    lignes: list[LigneFacture]
    total_ht: float
    total_tva: float
    total_ttc: float

response, parsed = client.chat.parse(
    model="grok-4.20-0309-reasoning",
    messages=[{
        "role": "user",
        "content": """Calculate the invoice:
        - 3x Pro License at 299 EUR excl. VAT (VAT 20%)
        - 1x Training at 1500 EUR excl. VAT (VAT 20%)
        - 12x Monthly Support at 49 EUR excl. VAT (VAT 20%)"""
    }],
    response_format=Facture,
    tools=[{"type": "code_interpreter"}]
)

print(f"Total excl. VAT: {parsed.total_ht} EUR")
print(f"Total incl. VAT: {parsed.total_ttc} EUR")

Architektura robustní pipeline

Pro nasazení v produkci strukturovej svou pipeline do jednotlivých kroků:

# Step 1: Raw extraction
class ExtractionBrute(BaseModel):
    entites: list[str]
    dates: list[str]
    montants: list[str]

# Step 2: Enrichment
class EntiteEnrichie(BaseModel):
    nom: str
    type: str
    details: str

# Step 3: Validation
class ResultatValide(BaseModel):
    entites: list[EntiteEnrichie]
    score_qualite: float
    alertes: list[str]

Každý krok využívá samostatné volání s přizpůsobeným schématem. Tento modulární přístup zjednodušuje ladění a monitorování.

Zpracování chyb v produkci

try:
    response, parsed = client.chat.parse(
        model="grok-4.20-0309-reasoning",
        messages=messages,
        response_format=MonSchema,
        tools=[{"type": "web_search"}]
    )
except Exception as e:
    # Fallback without web search
    response, parsed = client.chat.parse(
        model="grok-4.20-0309-reasoning",
        messages=messages,
        response_format=MonSchema
    )

Klíčové poznatky

  • Obohacená extrakce kombinuje webové vyhledávání se strukturovanými výstupy pro získání úplných dat.
  • Křížová validace ověřuje fakta pomocí webového vyhledávání.
  • Spouštění kódu zajišťuje přesné výpočty ve finančních pipeline.
  • Rozdělení do samostatných kroků zvyšuje robustnost a usnadňuje ladění.
  • Vždy plánuj záložní řešení pro případ selhání nástrojů.