Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Extraktio ja validointi työkalujen avulla

Oppitunti 10 / 12 Päivitetty 30. heinäkuuta 2026 Kehittäjä
Tällä sivulla
  1. Luotettavien ekstraktioputkien rakentaminen
  2. Malli: rikastettu ekstraktio
  3. Malli: ristivalidointi
  4. Malli: laskenta ja jäsennys
  5. Robustin putken arkkitehtuuri
  6. Virheenkäsittely tuotannossa
  7. Keskeiset asiat

Luotettavien ekstraktioputkien rakentaminen

Yhdistämällä jäsennetyt tulosteet työkaluihin (kuten verkkohakuun tai koodin suorittamiseen) voit rakentaa robusteja ekstraktio- ja validointiputkia. Tämä oppitunti näyttää, miten suunnittelet nämä putket tuotantokäyttöön.

Malli: rikastettu ekstraktio

Yleisin malli on datan ekstraktion rikastaminen verkkohaulla. Aloitat raakatekstistä, josta malli poimii entiteetit ja rikastaa niitä verkosta löydetyillä tiedoilla.

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"}]
)

Malli: ristivalidointi

Ristivalidoinnissa käytetään verkkohakua dokumentista poimittujen tietojen varmentamiseen:

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}")

Malli: laskenta ja jäsennys

Yhdistä koodin suoritus laskentatehtäviin ja jäsennetyt tulosteet muotoiluun:

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")

Robustin putken arkkitehtuuri

Jäsennä putkesi vaiheisiin tuotantokäyttöä varten:

# Vaihe 1: Raakaekstraktio
class ExtractionBrute(BaseModel):
    entites: list[str]
    dates: list[str]
    montants: list[str]

# Vaihe 2: Rikastus
class EntiteEnrichie(BaseModel):
    nom: str
    type: str
    details: str

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

Jokainen vaihe käyttää erillistä kutsua räätälöidyllä skeemalla. Tämä modulaarinen lähestymistapa helpottaa vianetsintää ja seurantaa.

Virheenkäsittely tuotannossa

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:
    # Varasuunnitelma ilman verkkohakua
    response, parsed = client.chat.parse(
        model="grok-4.20-0309-reasoning",
        messages=messages,
        response_format=MonSchema
    )

Keskeiset asiat

  • Rikastettu ekstraktio yhdistää verkkohaun ja jäsennetyt tulosteet täydellisen datan saamiseksi
  • Ristivalidointi varmentaa faktat verkkohaulla
  • Koodin suoritus varmistaa tarkat laskelmat talousputkissa
  • Jäsennä prosessi erillisiin vaiheisiin robustiuden ja vianetsinnän helpottamiseksi
  • Suunnittele aina varasuunnitelma siltä varalta, että työkalut epäonnistuvat