Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Příklad z praxe: Sledování plateb

Lekce 12 z 14 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Komplexní end-to-end projekt
  2. Data
  3. Obchodní funkce
  4. JSON specifikace
  5. Slovník pro směrování
  6. Konverzační smyčka
  7. Co konverzace odhaluje
  8. Klíčové poznatky

Komplexní end-to-end projekt

V předchozích lekcích jsme si rozebrali jednotlivé mechanismy: definice nástrojů, cyklus volání, zpracování chyb a bezpečnost. Nyní je čas vše spojit dohromady. Vytvoříš kompletní konverzační systém pro sledování plateb, kde uživatelé kladou otázky přirozeným jazykem a systém dotazuje Pandas DataFrame prostřednictvím volání funkcí. Tento případ použití přímo vychází z oficiální dokumentace Mistral. Vejde se přibližně do sta řádků kódu a odhaluje pět stavebních kamenů reálné aplikace: data, obchodní funkce, JSON specifikace, směrování a konverzační smyčku.

Data

DataFrame s pěti transakcemi pokrývá zajímavé scénáře: zákazník s více platbami, čekající platba a neúspěšná platba.

import pandas as pd
import json
import os
from mistralai.client import Mistral
from functools import partial

# Transactions DataFrame
data = {
    "transaction_id": ["T1001", "T1002", "T1003", "T1004", "T1005"],
    "customer_id": ["C001", "C002", "C003", "C002", "C001"],
    "payment_amount": [125.50, 89.99, 350.00, 45.00, 210.75],
    "payment_date": ["2026-03-15", "2026-03-16", "2026-03-17", "2026-03-17", "2026-03-18"],
    "payment_status": ["paid", "paid", "pending", "paid", "failed"]
}
df = pd.DataFrame(data)

Obchodní funkce

Čtyři funkce pokrývají typické potřeby sledování plateb. První tři pracují s jednou transakcí a liší se granularity: pouze stav, pouze datum nebo všechny podrobnosti. Tato zdánlivá redundance je záměrná – umožňuje modelu vyžádat si pouze to, co potřebuje, a snížit tak množství zbytečných dat v kontextu. Čtvrtá funkce mění perspektivu a pracuje na úrovni zákazníka.

Všimni si společné smlouvy: všechny vracejí JSON řetězec, a to i v případě chyby, a všechny ošetřují chybějící identifikátory místo toho, aby nechaly Pandas vyhodit výjimku při prázdném indexu.

def retrieve_payment_status(df: pd.DataFrame, transaction_id: str) -> str:
    """Retrieves the status of a payment."""
    if transaction_id in df["transaction_id"].values:
        row = df[df["transaction_id"] == transaction_id].iloc[0]
        return json.dumps({
            "transaction_id": transaction_id,
            "status": row["payment_status"]
        })
    return json.dumps({"error": f"Transaction {transaction_id} not found"})


def retrieve_payment_date(df: pd.DataFrame, transaction_id: str) -> str:
    """Retrieves the date of a payment."""
    if transaction_id in df["transaction_id"].values:
        row = df[df["transaction_id"] == transaction_id].iloc[0]
        return json.dumps({
            "transaction_id": transaction_id,
            "date": row["payment_date"]
        })
    return json.dumps({"error": f"Transaction {transaction_id} not found"})


def retrieve_payment_details(df: pd.DataFrame, transaction_id: str) -> str:
    """Retrieves all details of a payment."""
    if transaction_id in df["transaction_id"].values:
        row = df[df["transaction_id"] == transaction_id].iloc[0]
        return json.dumps({
            "transaction_id": transaction_id,
            "customer_id": row["customer_id"],
            "amount": float(row["payment_amount"]),
            "date": row["payment_date"],
            "status": row["payment_status"]
        })
    return json.dumps({"error": f"Transaction {transaction_id} not found"})


def list_customer_transactions(df: pd.DataFrame, customer_id: str) -> str:
    """Lists all transactions for a given customer."""
    customer_df = df[df["customer_id"] == customer_id]
    if customer_df.empty:
        return json.dumps({"error": f"Customer {customer_id} not found"})

    transactions = []
    for _, row in customer_df.iterrows():
        transactions.append({
            "transaction_id": row["transaction_id"],
            "amount": float(row["payment_amount"]),
            "date": row["payment_date"],
            "status": row["payment_status"]
        })
    return json.dumps({"customer_id": customer_id, "transactions": transactions})

Konverze float(row["payment_amount"]) si zaslouží druhý pohled: bez ní by json.dumps selhal na typech NumPy. To je ten druh detailu, který odhalíš až za běhu.

JSON specifikace

Model nevidí žádný z výše uvedeného kódu. Znají pouze tyto popisy. Explicitní výčet možných stavů v retrieve_payment_status a připomenutí formátu T1001 v každém popisu parametru umožňuje modelu vybrat správnou funkci a správně extrahovat identifikátor.

tools = [
    {
        "type": "function",
        "function": {
            "name": "retrieve_payment_status",
            "description": "Retrieves the status of a payment (paid, pending, failed)",
            "parameters": {
                "type": "object",
                "properties": {
                    "transaction_id": {
                        "type": "string",
                        "description": "Transaction identifier (e.g., T1001)"
                    }
                },
                "required": ["transaction_id"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "retrieve_payment_date",
            "description": "Retrieves the date of a payment",
            "parameters": {
                "type": "object",
                "properties": {
                    "transaction_id": {
                        "type": "string",
                        "description": "Transaction identifier (e.g., T1001)"
                    }
                },
                "required": ["transaction_id"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "retrieve_payment_details",
            "description": "Retrieves all details of a payment: amount, date, status, customer",
            "parameters": {
                "type": "object",
                "properties": {
                    "transaction_id": {
                        "type": "string",
                        "description": "Transaction identifier (e.g., T1001)"
                    }
                },
                "required": ["transaction_id"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "list_customer_transactions",
            "description": "Lists all transactions for a given customer",
            "parameters": {
                "type": "object",
                "properties": {
                    "customer_id": {
                        "type": "string",
                        "description": "Customer identifier (e.g., C001)"
                    }
                },
                "required": ["customer_id"]
            }
        }
    }
]

Slovník pro směrování

Tady je ten háček: tvé funkce očekávají df jako první argument, ale model ho nikdy neposkytne – neví, že existuje, a to je v pořádku. functools.partial to elegantně řeší předběžným svázáním DataFrame, takže každá položka ve slovníku se stane volatelnou pouze s argumenty, které model vyprodukuje.

available_functions = {
    "retrieve_payment_status": partial(retrieve_payment_status, df),
    "retrieve_payment_date": partial(retrieve_payment_date, df),
    "retrieve_payment_details": partial(retrieve_payment_details, df),
    "list_customer_transactions": partial(list_customer_transactions, df),
}

Konverzační smyčka

Systémová zpráva nastavuje roli, jazyk a očekávané formátování částek. Funkce chat orchestruje zbytek a její struktura si zaslouží pozornost: smyčka while message.tool_calls zpracovává jedno volání, více paralelních volání nebo řetězec, kde model požaduje další funkci po získání prvního výsledku. Vnitřní smyčka provede všechna volání pro aktuální tah; vnější smyčka znovu vyvolá model, dokud bude požadovat nástroje.

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
model = "mistral-large-latest"

messages = [
    {
        "role": "system",
        "content": "You are a payment tracking assistant. "
                   "Respond in English. Use the available tools "
                   "to answer questions about transactions. "
                   "Format amounts in euros with 2 decimal places."
    }
]


def chat(user_input: str) -> str:
    """Complete conversation turn with tool_calls handling."""
    messages.append({"role": "user", "content": user_input})

    response = client.chat.complete(
        model=model, messages=messages, tools=tools
    )
    message = response.choices[0].message

    # Loop while the model wants to call functions
    while message.tool_calls:
        messages.append(message)

        for tool_call in message.tool_calls:
            fn_name = tool_call.function.name
            fn_params = json.loads(tool_call.function.arguments)

            if fn_name in available_functions:
                result = available_functions[fn_name](**fn_params)
            else:
                result = json.dumps({"error": f"Unknown function {fn_name}"})

            messages.append({
                "role": "tool",
                "name": fn_name,
                "content": result,
                "tool_call_id": tool_call.id
            })

        response = client.chat.complete(
            model=model, messages=messages, tools=tools
        )
        message = response.choices[0].message

    messages.append(message)
    return message.content

Co konverzace odhaluje

Otestuj to čtyřmi po sobě jdoucími tahy. Druhý je nejpoučnější: „tato transakce“ neobsahuje žádný identifikátor, přesto model zavolá retrieve_payment_details s T1001. Vyřešil anafóru pomocí historie uložené v messages, což by bylo nemožné, pokud bys seznam při každém volání resetoval. Čtvrtý tah ukazuje druhou stranu mince: žádná funkce nehledá neúspěšné platby, ale model sám dotáže příslušného zákazníka a výsledek filtrovat.

# Turn 1
print(chat("What is the status of payment T1001?"))
# -> "Payment T1001 has status: paid."

# Turn 2
print(chat("Give me all the details for this transaction."))
# -> "Here are the details for payment T1001:
#     - Customer: C001
#     - Amount: 125.50 euros
#     - Date: March 15, 2026
#     - Status: paid"

# Turn 3
print(chat("What are all the transactions for customer C002?"))
# -> "Customer C002 has 2 transactions:
#     - T1002: 89.99 euros (paid, March 16, 2026)
#     - T1004: 45.00 euros (paid, March 17, 2026)"

# Turn 4
print(chat("Are there any failed payments?"))
# -> "Yes, payment T1005 for customer C001 (210.75 euros) failed."

Formátování částek s desetinnou tečkou a datumů vypsaných celými slovy nepochází z žádného řádku kódu: vyplývá ze systémového promptu. To je nejužitečnější závěr této kapitoly – polovina vnímané kvality vzniká v popisech a systémové zprávě, nikoliv v mechanice volání.

Klíčové poznatky

  • Kompletní sledovač plateb vyžaduje 4 funkce pokrývající hlavní případy použití
  • functools.partial sváže DataFrame s funkcemi pro čisté směrování
  • Smyčka while message.tool_calls automaticky zpracovává sekvenční i paralelní volání
  • Systémová zpráva vede model ohledně tónu, jazyka a formátování
  • Testuj s vícekolovými konverzacemi, abys ověřil, že model udržuje kontext