Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Ροές εργασίας και αγωγοί αυτοματοποίησης

Μάθημα 12 / 12 Ενημερώθηκε 30 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Μετάβαση σε παραγωγικό περιβάλλον
  2. Ροή εργασίας: επεξεργασία εγγράφων
  3. Αγωγός επικύρωσης δεδομένων
  4. Αρχιτεκτονική αγωγού πολλαπλών βημάτων
  5. Βέλτιστες πρακτικές για παραγωγικό περιβάλλον
  6. Σύνοψη μαθήματος
  7. Βασικά σημεία
  8. Δοκιμάστε τις γνώσεις σας

Μετάβαση σε παραγωγικό περιβάλλον

Τα προηγούμενα μαθήματα κάλυψαν τα βασικά και μεμονωμένες περιπτώσεις χρήσης. Αυτό το τελικό μάθημα συνδυάζει όλα τα παραπάνω για τη δημιουργία αυτοματοποιημένων ροών εργασίας και αγωγών επικύρωσης έτοιμων για παραγωγική χρήση.

Ροή εργασίας: επεξεργασία εγγράφων

Ένας πλήρης αγωγός για την αυτόματη επεξεργασία εισερχόμενων εγγράφων:

from pydantic import BaseModel
from typing import Literal

# Step 1: Document classification
class ClassificationDocument(BaseModel):
    type: Literal["facture", "contrat", "devis", "courrier", "autre"]
    langue: str
    urgence: Literal["basse", "normale", "haute"]
    departement: Literal["comptabilite", "juridique", "commercial", "direction"]

# Step 2: Extraction by type
class DonneesFacture(BaseModel):
    numero: str
    date_emission: str
    date_echeance: str
    emetteur: str
    montant_ht: float
    montant_ttc: float
    lignes: list[dict]

# Step 3: Validation
class ResultatValidation(BaseModel):
    document_valide: bool
    champs_manquants: list[str]
    anomalies: list[str]
    score_confiance: float
    action_recommandee: str

async def traiter_document(texte: str):
    # Classify
    _, classification = client.chat.parse(
        model="grok-4.20-0309-reasoning",
        messages=[{"role": "user", "content": f"Classify this document: {texte}"}],
        response_format=ClassificationDocument
    )

    # Extract by type
    if classification.type == "facture":
        _, donnees = client.chat.parse(
            model="grok-4.20-0309-reasoning",
            messages=[{"role": "user", "content": f"Extract data from this invoice: {texte}"}],
            response_format=DonneesFacture
        )

    # Validate
    _, validation = client.chat.parse(
        model="grok-4.20-0309-reasoning",
        messages=[{
            "role": "user",
            "content": f"Validate this extracted data: {donnees.model_dump_json()}"
        }],
        response_format=ResultatValidation
    )

    return classification, donnees, validation

Αγωγός επικύρωσης δεδομένων

Χρησιμοποιήστε δομημένες εξόδους για την επικύρωση και την τυποποίηση εισερχόμενων δεδομένων:

class AdresseNormalisee(BaseModel):
    ligne_1: str
    ligne_2: str | None
    code_postal: str
    ville: str
    pays: str
    format_valide: bool

class ContactNormalise(BaseModel):
    prenom: str
    nom: str
    email_valide: bool
    telephone_normalise: str | None
    adresse: AdresseNormalisee

class ResultatNormalisation(BaseModel):
    contacts: list[ContactNormalise]
    nombre_traites: int
    nombre_erreurs: int
    erreurs: list[str]

Αυτός ο αγωγός λαμβάνει επαφές σε διάφορες μορφές και τις τυποποιεί σε μια ενιαία δομή.

Αρχιτεκτονική αγωγού πολλαπλών βημάτων

Ακολουθεί ο σκελετός ενός εύρωστου αγωγού παραγωγής:

class PipelineResult(BaseModel):
    etape: str
    succes: bool
    donnees: dict
    erreurs: list[str]
    duree_ms: int

def pipeline_complet(texte: str) -> list[PipelineResult]:
    resultats = []

    # Each step uses a dedicated schema
    etapes = [
        ("extraction", SchemaExtraction, "Extract data from this text"),
        ("enrichissement", SchemaEnrichi, "Enrich this data"),
        ("validation", SchemaValidation, "Validate this data"),
        ("formatage", SchemaFinal, "Format the final result"),
    ]

    donnees_courantes = texte
    for nom, schema, instruction in etapes:
        try:
            _, parsed = client.chat.parse(
                model="grok-4.20-0309-reasoning",
                messages=[{
                    "role": "user",
                    "content": f"{instruction}: {donnees_courantes}"
                }],
                response_format=schema
            )
            resultats.append(PipelineResult(
                etape=nom, succes=True,
                donnees=parsed.model_dump(),
                erreurs=[], duree_ms=0
            ))
            donnees_courantes = parsed.model_dump_json()
        except Exception as e:
            resultats.append(PipelineResult(
                etape=nom, succes=False,
                donnees={}, erreurs=[str(e)], duree_ms=0
            ))
            break

    return resultats

Βέλτιστες πρακτικές για παραγωγικό περιβάλλον

Ιδιοδυναμία (Idempotence)

Σχεδιάστε τους αγωγούς σας ώστε να μπορούν να εκτελεστούν ξανά χωρίς παρενέργειες. Το ίδιο έγγραφο που επεξεργάζεται δύο φορές πρέπει να παράγει το ίδιο αποτέλεσμα.

Δομημένη καταγραφή συμβάντων (Logging)

Καταγράφετε κάθε κλήση με το σχήμα που χρησιμοποιήθηκε, τον αριθμό των tokens και τον χρόνο απόκρισης.

Επαναληπτική προσπάθεια με εκθετική καθυστέρηση (Retry with backoff)

import time

def appel_avec_retry(messages, schema, max_retries=3):
    for tentative in range(max_retries):
        try:
            return client.chat.parse(
                model="grok-4.20-0309-reasoning",
                messages=messages,
                response_format=schema
            )
        except Exception as e:
            if tentative < max_retries - 1:
                time.sleep(2 ** tentative)
            else:
                raise

Παρακολούθηση (Monitoring)

Παρακολουθείτε τις ακόλουθες μετρικές για κάθε αγωγό:

  • Ποσοστό επιτυχίας ανά βήμα
  • Μέσος χρόνος επεξεργασίας
  • Αριθμός καταναλωθέντων tokens
  • Συχνότητα χρήσης εναλλακτικών λύσεων (fallback)

Σύνοψη μαθήματος

Σε αυτά τα 12 μαθήματα, μάθατε να:

  • Κατανοείτε τις δομημένες εξόδους και τις εγγυήσεις τους
  • Κυριαρχείτε στους υποστηριζόμενους τύπους και τα όριά τους
  • Χρησιμοποιείτε τις parse() και response_format ανάλογα με τις ανάγκες σας
  • Ορίζετε σχήματα με Pydantic (Python) και Zod (JavaScript)
  • Συνδυάζετε δομημένες εξόδους με αναζήτηση στον ιστό και εκτέλεση κώδικα
  • Δημιουργείτε αγωγούς εξαγωγής, ταξινόμησης και επικύρωσης

Οι δομημένες έξοδοι μετατρέπουν τα LLM από εργαλεία συνομιλίας σε αξιόπιστα στοιχεία λογισμικού ενσωματώσιμα σε οποιαδήποτε αρχιτεκτονική.

Βασικά σημεία

  • Οι ροές εργασίας πολλαπλών βημάτων χρησιμοποιούν ένα αφιερωμένο σχήμα ανά βήμα
  • Η διασταυρούμενη επικύρωση συγκρίνει τα αποτελέσματα εξαγωγής με πηγές αναφοράς
  • Σε παραγωγικό περιβάλλον: ιδιοδυναμία, δομημένη καταγραφή συμβάντων, επαναληπτική προσπάθεια με εκθετική καθυστέρηση, παρακολούθηση
  • Οι δομημένες έξοδοι αποτελούν τη βάση κάθε αξιόπιστου αγωγού ΤΝ
  • Συνδυάστε σχήματα (δομή) + prompts (περιεχόμενο) + εργαλεία (δεδομένα) για βέλτιστα αποτελέσματα

Δοκιμάστε τις γνώσεις σας

Εγγυημένο JSON, σχήματα, αγωγοί: δομημένη έξοδος, έκδοση Grok.

1. Τι εγγυάται η δομημένη έξοδος μέσω σχήματος;

Απάντηση: Έξοδο αυστηρά συμβατή με το δηλωμένο σχήμα JSON—τύπους, πεδία, δομή—χρήσιμη από κώδικα χωρίς αμυντική ανάλυση: η μορφή περιορίζεται κατά τη generation.

2. Τι προσθέτει η μέθοδος parse() σε σύγκριση με το χειροκίνητο response_format;

Απάντηση: Τον πλήρως αυτοματοποιημένο βρόχο: το μοντέλο Pydantic (ή Zod σε JS) δηλώνει το σχήμα και η απόκριση επιστρέφει ήδη επικυρωμένη και τυποποιημένη ως αντικείμενο—μηδενική πολυπλοκότητα σύνδεσης.

3. Γιατί είναι σημαντικό να γνωρίζετε τους μη υποστηριζόμενους τύπους;

Απάντηση: Επειδή ένα σχήμα που χρησιμοποιεί μη υποστηριζόμενες κατασκευές αποτυγχάνει ή υποβαθμίζεται: σχεδιάζετε τα μοντέλα σας εντός του αποδεκτού υποσυνόλου και επικυρώνετε την έξοδο.

4. Τι επιτρέπει ο συνδυασμός δομημένων εξόδων + αναζήτηση στον ιστό ή εκτέλεση κώδικα;

Απάντηση: Αγωγούς όπου η αναζήτηση ή ο υπολογισμός τροφοδοτούν μια δομημένη έξοδο: φρέσκες ή υπολογισμένες πληροφορίες καταλήγουν απευθείας στα τυποποιημένα πεδία σας.

5. Αναφέρετε δύο τυπικές περιπτώσεις χρήσης σε παραγωγικό περιβάλλον.

Απάντηση: Εξαγωγή οντοτήτων και ταξινόμηση (έγγραφα, αιτήματα, περιεχόμενο) συνδεδεμένα με τα συστήματά σας—αυτοματοποιημένες ροές εργασίας όπου η ΤΝ συμπληρώνει δομές, όχι παραγράφους.

Δηλωμένο σχήμα, περιορισμένη generation, επικύρωση εξόδου: η δομημένη έξοδος είναι η διεπαφή μεταξύ του Grok και του λογισμικού σας—αντιμετωπίστε την ως τέτοια.