Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Πρότυπα σύνθετης δομής: εμφωλευμένες λίστες, απαριθμήσεις, ενώσεις

Μάθημα 12 / 16 Ενημερώθηκε 28 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Πρότυπα σύνθετης δομής: εμφωλευμένες λίστες, απαριθμήσεις, ενώσεις
  2. Εμφωλευμένες λίστες
  3. Απαριθμήσεις (Enums) για τον περιορισμό τιμών
  4. Προσομοίωση ενώσεων τύπων (Type Unions)
  5. Αναδρομικά αντικείμενα
  6. Πρότυπο: Εξαγωγή πολλαπλών οντοτήτων
  7. Βέλτιστες πρακτικές για σύνθετα σχήματα
  8. Η περίπτωση που τα δοκιμάζει όλα: το οργανόγραμμα
  9. Βασικά σημεία

Πρότυπα σύνθετης δομής: εμφωλευμένες λίστες, απαριθμήσεις, ενώσεις

Οι απλές περιπτώσεις εξαγωγής (ένα επίπεδο αντικείμενο με πεδία κειμένου) είναι εύκολο να διαχειριστούν. Οι πραγματικές προκλήσεις εμφανίζονται με σύνθετες δομές: λίστες εμφωλευμένων αντικειμένων, υπό συνθήκη τύποι και πολυμορφικά πεδία. Αυτό το μάθημα σας δείχνει πώς να σχεδιάζετε εύρωστα σχήματα για αυτές τις προηγμένες περιπτώσεις.

Εμφωλευμένες λίστες

Το πιο κοινό πρότυπο στην παραγωγή περιλαμβάνει την εξαγωγή μιας λίστας αντικειμένων, όπου κάθε αντικείμενο περιέχει τις δικές του υπο-λίστες. Το παρακάτω σχήμα περιγράφει ένα πρόγραμμα κατάρτισης με τρία επίπεδα: το αντικείμενο του προγράμματος με τον τίτλο και τη διάρκειά του, έναν πίνακα ενοτήτων με τίτλο και κειμενικούς στόχους, και τέλος τα μαθήματα για κάθε ενότητα, που περιγράφονται από έναν τίτλο, μια διάρκεια σε λεπτά και έναν τύπο περιορισμένο από μια enum.

Αυτό στο οποίο πρέπει να επιτύχει το μοντέλο εδώ ξεπερνά την απλή ανάγνωση: πρέπει να συνδέσει κάθε μάθημα με τη σωστή ενότητα, πράγμα που σημαίνει ότι πρέπει να κατανοήσει μια ιεραρχία που μερικές φορές μεταφέρεται μόνο μέσω των επιπέδων των επικεφαλίδων. Εξ ου και τα πολύ συγκεκριμένα πεδία στο τρίτο επίπεδο—μια διάρκεια σε λεπτά αντί για μια γενική «διάρκεια» που εκφράζεται άλλοτε σε ώρες και άλλοτε σε συνεδρίες. Όσο πιο ακριβείς είναι οι κόμβοι-φύλλα του δέντρου, τόσο λιγότερο διστάζει το μοντέλο.

import json
from openai import OpenAI

client = OpenAI()

# Schema: extract a training program with modules and lessons
formation_schema = {
    "type": "object",
    "properties": {
        "titre": {"type": "string"},
        "duree_totale_heures": {"type": "number"},
        "modules": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "titre_module": {"type": "string"},
                    "objectifs": {
                        "type": "array",
                        "items": {"type": "string"}
                    },
                    "lecons": {
                        "type": "array",
                        "items": {
                            "type": "object",
                            "properties": {
                                "titre_lecon": {"type": "string"},
                                "duree_minutes": {"type": "integer"},
                                "type": {
                                    "type": "string",
                                    "enum": ["theorie", "pratique",
                                             "évaluation"]
                                }
                            },
                            "required": ["titre_lecon",
                                         "duree_minutes", "type"],
                            "additionalProperties": False
                        }
                    }
                },
                "required": ["titre_module", "objectifs", "lecons"],
                "additionalProperties": False
            }
        }
    },
    "required": ["titre", "duree_totale_heures", "modules"],
    "additionalProperties": False
}

Απαριθμήσεις (Enums) για τον περιορισμό τιμών

Οι απαριθμήσεις (enums) είναι ο πιο αξιόπιστος τρόπος για να περιορίσετε τις πιθανές τιμές ενός πεδίου. Η Δομημένη Έξοδος τις εφαρμόζει σε επίπεδο παραγωγής: σε αντίθεση με μια οδηγία γραμμένη στο prompt, δεν μπορούν να αγνοηθούν σε μια μέρα στατιστικής κόπωσης. Αυτό τις καθιστά πολύτιμες όταν η εξαγόμενη τιμή τροφοδοτεί μια εντολή switch, μια ευρετηριασμένη στήλη ή έναν κανόνα δρομολόγησης—τρία σημεία όπου μια απροσδόκητη τιμή δεν προκαλεί σφάλμα διακοπής, αλλά μάλλον σιωπή.

Το σχήμα ταξινόμησης που ακολουθεί sortάρει τις εισερχόμενες αιτήσεις κατά μήκος τεσσάρων αξόνων: το categorie_principale εντοπίζει το σχετικό τμήμα, το sous_categorie το διευκρινίζει εντός αυτού του τμήματος, το priorite χρησιμεύει για την ταξινόμηση της ουράς και το action_requise καθορίζει τι πρέπει να γίνει με το εισιτήριο. Ένα σημείο σχεδιασμού αξίζει προσοχή: οι δώδεκα τιμές του sous_categorie είναι ισοπεδωμένες αντί να είναι προσαρτημένες στην κατηγορία γονέα τους, επειδή η αυστηρή λειτουργία (strict mode) δεν προσφέρει υπό συνθήκη εξάρτηση μεταξύ δύο enums. Τίποτα λοιπόν δεν εμποδίζει τον συνδυασμό «juridique» και «recrutement», και αυτή η συνοχή πρέπει να επαληθεύεται μετά τη λήψη.

# Multi-level classification system
classification_schema = {
    "type": "object",
    "properties": {
        "categorie_principale": {
            "type": "string",
            "enum": ["technique", "commercial", "juridique",
                     "rh", "finance"]
        },
        "sous_categorie": {
            "type": "string",
            "enum": [
                "bug", "feature", "performance",
                "devis", "facturation", "contrat",
                "recrutement", "conge", "formation",
                "budget", "audit", "conformite"
            ]
        },
        "priorite": {
            "type": "string",
            "enum": ["critique", "haute", "moyenne", "basse"]
        },
        "action_requise": {
            "type": "string",
            "enum": ["repondre", "escalader", "archiver",
                     "planifier", "deleguer"]
        }
    },
    "required": ["categorie_principale", "sous_categorie",
                  "priorite", "action_requise"],
    "additionalProperties": False
}

Προσομοίωση ενώσεων τύπων (Type Unions)

Το JSON Schema υποστηρίζει το anyOf για υπό συνθήκη τύπους, αλλά η αυστηρή Δομημένη Έξοδος της OpenAI έχει περιορισμούς. Το συνιστώμενο πρότυπο είναι η χρήση ενός πεδίου διακριτικού (discriminator field): ορίζετε ένα μοναδικό αντικείμενο, αρκετά ευρύ για να καλύψει όλες τις περιπτώσεις, και ένα πεδίο type υποδεικνύει ποια περιγράφετε.

# Pattern: an event can be a meeting, a task, or a reminder
event_schema = {
    "type": "object",
    "properties": {
        "type": {
            "type": "string",
            "enum": ["reunion", "tache", "rappel"]
        },
        "titre": {"type": "string"},
        "date": {"type": "string"},
        "heure_debut": {"type": ["string", "null"]},
        "heure_fin": {"type": ["string", "null"]},
        "participants": {
            "type": "array",
            "items": {"type": "string"}
        },
        "lieu": {"type": ["string", "null"]},
        "priorite": {
            "type": ["string", "null"],
            "enum": ["haute", "moyenne", "basse", None]
        },
        "description": {"type": "string"}
    },
    "required": ["type", "titre", "date", "heure_debut",
                  "heure_fin", "participants", "lieu",
                  "priorite", "description"],
    "additionalProperties": False
}

Το κόλπο είναι να κάνετε κάθε πεδίο ειδικό για έναν μόνο τύπο να δέχεται null, χρησιμοποιώντας τον συμβολισμό "type": ["string", "null"]. Για μια συνάντηση, τα participants και lieu συμπληρώνονται· για μια υπενθύμιση, ισούνται με null. Ο κώδικάς σας διαβάζει τότε πρώτα το διακριτικό και γνωρίζει αμέσως ποια κλειδιά έχουν νόημα—ακριβώς η ανάγνωση που θα κάνατε σε μια επισημασμένη ένωση (tagged union) σε μια γλώσσα με τύπους. Το τίμημα που πληρώνετε, ένα πιο verbose σχήμα και nulls προς διαχείριση, παραμένει προτιμότερο από τρεις ξεχωριστές κλήσεις.

Αναδρομικά αντικείμενα

Για δομές δέντρου—μενού, οργανογράμματα, νήματα συζήτησης—χρησιμοποιήστε το $defs για αναδρομικές αναφορές. Η αρχή είναι να ονομάσετε το επαναλαμβανόμενο σχήμα μία φορά και στη συνέχεια να το αναφέρετε από μέσα στον εαυτό του. Εδώ, ένα σχόλιο περιέχει έναν πίνακα απαντήσεων όπου κάθε στοιχείο είναι με τη σειρά του ένα σχόλιο: το βάθος δεν είναι σταθερό κατά τη στιγμή της εγγραφής, ακολουθεί εκείνο του αναλυόμενου εγγράφου. Αυτός είναι ο μόνος λογικός τρόπος επεξεργασίας ενός νήματος συζήτησης χωρίς να γνωρίζετε εκ των προτέρων αν έχει δύο επίπεδα απαντήσεων ή επτά.

# Structure of a comment with nested replies
comment_schema = {
    "type": "object",
    "properties": {
        "commentaires": {
            "type": "array",
            "items": {"$ref": "#/$defs/comment"}
        }
    },
    "required": ["commentaires"],
    "additionalProperties": False,
    "$defs": {
        "comment": {
            "type": "object",
            "properties": {
                "auteur": {"type": "string"},
                "contenu": {"type": "string"},
                "sentiment": {
                    "type": "string",
                    "enum": ["positif", "negatif", "neutre"]
                },
                "reponses": {
                    "type": "array",
                    "items": {"$ref": "#/$defs/comment"}
                }
            },
            "required": ["auteur", "contenu", "sentiment",
                          "reponses"],
            "additionalProperties": False
        }
    }
}

Πρότυπο: Εξαγωγή πολλαπλών οντοτήτων

Όταν ένα κείμενο περιέχει πολλαπλούς τύπους οντοτήτων, ο πειρασμός είναι να εκτελέσετε μία εξαγωγή ανά οικογένεια. Το σχήμα πολλαπλών οντοτήτων κάνει κάτι καλύτερο: ζητά άτομα, οργανισμούς, ημερομηνίες και ποσά σε ένα μόνο πέρασμα. Το όφελος δεν είναι απλώς η εξοικονόμηση κλήσεων· είναι ότι το μοντέλο βλέπει το κείμενο μία φορά και μπορεί να συσχετίσει ό,τι βρίσκει εκεί—συνδέοντας ένα άτομο με τον οργανισμό του, συσχετίζοντας ένα ποσό με το πλαίσιο που του δίνει νόημα.

Ο διπλασιασμός στις ημερομηνίες, date_brute και date_iso, αξίζει να διατηρηθεί ως έχει στα δικά σας σχήματα: διατηρεί την αρχική διατύπωση για έλεγχο (auditing) παρέχοντας ταυτόχρονα μια κανονικοποιημένη τιμή. Το πεδίο contexte, παρόν στις ημερομηνίες και τα ποσά, παίζει τον ίδιο ρόλο: χωρίς αυτό, κανείς δεν θα ξέρει αν τα 12.000 ευρώ ήταν μια προσφορά, μια ποινή ή ένας ετήσιος προϋπολογισμός.

multi_entity_schema = {
    "type": "object",
    "properties": {
        "personnes": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "nom": {"type": "string"},
                    "role": {"type": "string"},
                    "organisation": {"type": ["string", "null"]}
                },
                "required": ["nom", "role", "organisation"],
                "additionalProperties": False
            }
        },
        "organisations": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "nom": {"type": "string"},
                    "type": {
                        "type": "string",
                        "enum": ["entreprise", "association",
                                 "administration", "autre"]
                    },
                    "secteur": {"type": ["string", "null"]}
                },
                "required": ["nom", "type", "secteur"],
                "additionalProperties": False
            }
        },
        "dates": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "date_brute": {"type": "string"},
                    "date_iso": {"type": "string"},
                    "contexte": {"type": "string"}
                },
                "required": ["date_brute", "date_iso", "contexte"],
                "additionalProperties": False
            }
        },
        "montants": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "valeur": {"type": "number"},
                    "devise": {"type": "string"},
                    "contexte": {"type": "string"}
                },
                "required": ["valeur", "devise", "contexte"],
                "additionalProperties": False
            }
        }
    },
    "required": ["personnes", "organisations", "dates", "montants"],
    "additionalProperties": False
}

Βέλτιστες πρακτικές για σύνθετα σχήματα

Τέσσερις συνήθειες αποφεύγουν τις περισσότερες απογοητεύσεις. Ξεκινήστε απλά: επικυρώστε ένα επίπεδο αντικείμενο στα πραγματικά σας δεδομένα πριν προσθέσετε οποιαδήποτε εμφώλευση, διαφορετικά δεν θα ξέρετε αν μια αποτυχία προέρχεται από το σχήμα ή τη δυσκολία του έργου. Στη συνέχεια, εγκαταλείψτε το προαιρετικό πεδίο, το οποίο η αυστηρή λειτουργία (strict mode) απαγορεύει, και κάντε το αντίθετα nullable. Επίσης, σεβαστείτε ένα εμπειρικό όριο—πέρα από τρία ή τέσσερα επίπεδα εμφώλευσης η ποιότητα πέφτει, και είναι καλύτερα να χωρίσετε την εξαγωγή σε δύο περάσματα: πρώτα τη λίστα των ενοτήτων, μετά μία κλήση ανά ενότητα για λεπτομέρειες των μαθημάτων της. Τέλος, έχετε κατά νου τον καταμερισμό εργασίας: το σχήμα και οι απαριθμήσεις του (enums) περιορίζουν τη δομή, το prompt συστήματος καθοδηγεί το περιεχόμενο. Αν το μοντέλο ταξινομεί σωστά αλλά εξάγει λάθος πληροφορίες, είναι το prompt που πρέπει να προσαρμόσετε.

Η περίπτωση που τα δοκιμάζει όλα: το οργανόγραμμα

Αντιμετωπίστε την αναδρομική περίπτωση, το πιο εκπαιδευτικό μέρος του μαθήματος. Ορίστε ένα σχήμα για την εξαγωγή ενός οργανογράμματος εταιρείας, όπου κάθε υπάλληλος μπορεί να έχει υφισταμένους που είναι οι ίδιοι υπάλληλοι. Δοκιμάστε το σε ένα κείμενο που περιγράφει έναν οργανισμό δεκαπέντε έως είκοσι ατόμων, γραμμένο σε πεζό λόγο και όχι ως λίστα: εδώ είναι που το μοντέλο πρέπει να συμπεράνει γραμμές αναφοράς από φράσεις όπως «αναφέρεται σε» ή «εντός της ομάδας του».

Επαληθεύστε ότι οι ιεραρχικές σχέσεις είναι σωστά εμφωλευμένες, προσέχοντας για άτομα που αναφέρονται μακριά από τον διευθυντή τους—αυτό είναι το συνηθισμένο σημείο θραύσης. Τέλος, προσθέστε enums στους ρόλους (διευθυντικό στέλεχος, διοίκηση, επιχειρησιακό) και παρατηρήστε αν ο περιορισμός βελτιώνει ή υποβαθμίζει τη γραμμή αναφοράς: η επιβολή μιας κατηγοριοποίησης μπορεί να βοηθήσει το μοντέλο ή να το ωθήσει προς αυθαίρετες επιλογές σε υβριδικά προφίλ.

Βασικά σημεία

  • Οι εμφωλευμένες λίστες είναι το πιο κοινό πρότυπο στην παραγωγή
  • Οι απαριθμήσεις (enums) εφαρμόζονται σε επίπεδο παραγωγής—εκμεταλλευτείτε τες
  • Προσομοιώστε ενώσεις με ένα πεδίο διακριτικού και πεδία που δέχονται null
  • Το $defs επιτρέπει αναδρομικές δομές (σχόλια, δέντρα)
  • Περιορίστε το βάθος εμφώλευσης σε 3-4 επίπεδα