Extracción y validación con herramientas
En esta página
Construcción de canalizaciones de extracción fiables
Al combinar salidas estructuradas con herramientas (búsqueda web, ejecución de código), puedes construir canalizaciones de extracción y validación robustas. Esta lección muestra cómo arquitecturar estas canalizaciones para su uso en producción.
Patrón: extracción enriquecida
El patrón más común consiste en enriquecer la extracción de datos mediante búsqueda web. Comienzas con texto sin procesar; el modelo extrae las entidades y luego las enriquece con información encontrada en línea.
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": """Extrae y enriquece las empresas mencionadas en este texto:
'Mistral AI anunció una asociación con Scaleway para
alojar sus modelos en Francia. Mientras tanto, Hugging Face
continúa colaborando con OVHcloud en infraestructura de código
abierto.'"""
}],
response_format=ExtractionEnrichie,
tools=[{"type": "web_search"}]
)
Patrón: validación cruzada
La validación cruzada utiliza la búsqueda web para verificar la información extraída de un documento:
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": """Verifica los hechos de este texto:
'Francia tiene 68 millones de habitantes. París es la
ciudad más grande de Europa. El PIB de Francia es el 7.º
mayor del mundo.'"""
}],
response_format=RapportValidation,
tools=[{"type": "web_search"}]
)
for v in parsed.verifications:
status = "Verificado" if v.verifie else "No verificado"
print(f"[{status}] {v.affirmation}")
if v.correction:
print(f" → Corrección: {v.correction}")
Patrón: cálculo y estructuración
Combina la ejecución de código para los cálculos y las salidas estructuradas para el formato:
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": """Calcula la factura:
- 3x Licencia Pro a 299 EUR sin IVA (IVA 20 %)
- 1x Formación a 1500 EUR sin IVA (IVA 20 %)
- 12x Soporte mensual a 49 EUR sin IVA (IVA 20 %)"""
}],
response_format=Facture,
tools=[{"type": "code_interpreter"}]
)
print(f"Total sin IVA: {parsed.total_ht} EUR")
print(f"Total con IVA: {parsed.total_ttc} EUR")
Arquitectura de una canalización robusta
Para su uso en producción, estructura tu canalización en pasos:
# Paso 1: Extracción bruta
class ExtractionBrute(BaseModel):
entites: list[str]
dates: list[str]
montants: list[str]
# Paso 2: Enriquecimiento
class EntiteEnrichie(BaseModel):
nom: str
type: str
details: str
# Paso 3: Validación
class ResultatValide(BaseModel):
entites: list[EntiteEnrichie]
score_qualite: float
alertes: list[str]
Cada paso utiliza una llamada independiente con un esquema adaptado. Este enfoque modular simplifica la depuración y el monitoreo.
Gestión de errores en producción
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:
# Alternativa sin búsqueda web
response, parsed = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=messages,
response_format=MonSchema
)
Puntos clave
- La extracción enriquecida combina búsqueda web + salidas estructuradas para obtener datos completos
- La validación cruzada verifica hechos mediante búsqueda web
- La ejecución de código garantiza cálculos exactos en canalizaciones financieras
- Estructura en pasos separados para lograr robustez y facilitar la depuración
- Planifica siempre una alternativa por si fallan las herramientas