Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Esimerkki: Maksuseuranta

Oppitunti 12 / 14 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Kokonainen end-to-end-projekti
  2. Data
  3. Liiketoimintafunktiot
  4. JSON-määritykset
  5. Reitityssanakirja
  6. Keskustelusilmukka
  7. Mitä keskustelu paljastaa
  8. Keskeiset asiat

Kokonainen end-to-end-projekti

Aiemmissa tunneissa käsittelimme jokaista mekanismia erikseen: työkalumääritykset, kutsusykli, virheenkäsittely ja turvallisuus. Nyt on aika koota ne yhteen. Rakennat täydellisen keskustelevan maksuseurannan, jossa käyttäjät esittävät kysymyksiä luonnollisella kielellä ja järjestelmä hakee tietoja Pandas-DataFramesta funktion kutsujen avulla. Tämä käyttötapa perustuu suoraan Mistralin viralliseen dokumentaatioon. Se mahtuu noin sataan riviin ja esittelee todellisen sovelluksen viisi rakennuspalikkaa: data, liiketoimintafunktiot, JSON-määritykset, reititys ja keskustelusilmukka.

Data

Viiden tapahtuman DataFrame kattaa kiinnostavat skenaariot: asiakas, jolla on useita maksuja, odottava maksu ja epäonnistunut maksu.

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)

Liiketoimintafunktiot

Neljä funktiota kattaa tyypilliset maksuseurannan tarpeet. Kolme ensimmäistä toimii yksittäisen tapahtuman tasolla ja eroavat tarkkuudeltaan: vain tila, vain päivämäärä tai kaikki tiedot. Tämä näennäinen redundanssi on tarkoituksellista – se antaa mallille mahdollisuuden pyytää vain sitä, mitä se tarvitsee, vähentäen tarpeetonta dataa kontekstissa. Neljäs funktio vaihtaa näkökulmaa ja toimii asiakaskohtaisesti.

Huomaa yhteinen sopimus: kaikki palauttavat JSON-merkkijonon, myös virhetilanteissa, ja kaikki käsittelevät puuttuvat tunnisteet sen sijaan, että antaisivat Pandasin heittää poikkeuksen tyhjästä indeksistä.

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})

Muunnos float(row["payment_amount"]) ansaitsee toisen katsauksen: ilman sitä json.dumps epäonnistuu NumPy-tyypeille. Tämä on sellainen yksityiskohta, jonka huomaa vasta ajonaikaisesti.

JSON-määritykset

Malli ei näe yllä olevaa koodia lainkaan. Se tuntee vain nämä kuvaukset. Mahdollisten tilojen nimeäminen eksplisiittisesti funktiossa retrieve_payment_status ja mallin muistuttaminen muodosta T1001 jokaisen parametrin kuvauksessa mahdollistaa sen, että malli valitsee oikean funktion ja poimii tunnisteen oikein.

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"]
            }
        }
    }
]

Reitityssanakirja

Tässä on juoni: funktiosi odottavat df:ää ensimmäisenä argumenttina, mutta malli ei koskaan tarjoa sitä – se ei tiedä sen olemassaolosta, ja se on ihan ok. functools.partial ratkaisee tämän eleganssitesti sitomalla DataFrame ennalta, jolloin jokainen sanakirjan merkintä voidaan kutsua vain niillä argumenteilla, jotka malli tuottaa.

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),
}

Keskustelusilmukka

Järjestelmäviesti määrittää roolin, kielen ja odotetun muotoilun summille. Funktio chat orkestroi loput, ja sen rakenne ansaitsee tarkkaa huomiota: silmukka while message.tool_calls käsittelee yksittäisen kutsun, useita rinnakkaisia kutsuja tai ketjun, jossa malli pyytää toista funktiota nähtyään ensimmäisen tuloksen. Sisempi silmukka suorittaa kaikki kutsut nykyiselle vuorolle; ulompi silmukka kutsuu mallia uudelleen niin kauan kuin se pyytää työkaluja.

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

Mitä keskustelu paljastaa

Testaa tätä neljällä peräkkäisellä vuorolla. Toinen on opettavaisin: ”tämä tapahtuma” ei sisällä tunnistetta, silti malli kutsuu funktiota retrieve_payment_details arvolla T1001. Se ratkaisi anaforan käyttämällä viestilistaan messages tallennettua historiaa, mikä olisi mahdotonta, jos nollaisit listan jokaisella kutsulla. Neljäs vuoro näyttää toisen puolen: mikään funktio ei etsi epäonnistuneita maksuja, mutta malli kysyy asiaankuuluvalta asiakkaalta ja suodattaa tuloksen itse.

# 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."

Summien muotoilu desimaalipisteellä ja päivämäärien kirjoittaminen auki eivät tule mistään koodirivistä: ne seuraavat järjestelmäkehotteesta. Tämä on tämän luvun hyödyllisin oivallus – puolet koetusta laadusta tapahtuu kuvauksissa ja järjestelmäviestissä, ei kutsumekaniikassa.

Keskeiset asiat

  • Täydellinen maksuseuranta vaatii 4 funktiota, jotka kattavat tärkeimmät käyttötapaukset
  • functools.partial sitoo DataFrame funktioihin siistiä reititystä varten
  • Silmukka while message.tool_calls käsittelee automaattisesti peräkkäiset ja rinnakkaiset kutsut
  • Järjestelmäviesti ohjaa mallia sävyssä, kielessä ja muotoilussa
  • Testaa monivaiheisilla keskusteluilla varmistaaksesi, että malli säilyttää kontekstin