Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Složeni obrasci: ugniježđene liste, nabrajanja, unije

Lekcija 12 od 16 Ažurirano 28. srpnja 2026. Programer
Na ovoj stranici
  1. Složeni obrasci: ugniježđene liste, nabrajanja, unije
  2. Ugniježđene liste
  3. Nabrajanja za ograničavanje vrijednosti
  4. Simuliranje unija tipova
  5. Rekurzivni objekti
  6. Obrazac: ekstrakcija više entiteta
  7. Najbolje prakse za složene sheme
  8. Slučaj koji testira sve: organizacijska shema
  9. Ključne točke

Složeni obrasci: ugniježđene liste, nabrajanja, unije

Jednostavni slučajevi ekstrakcije (ravni objekt s tekstualnim poljima) lako se rješavaju. Pravi izazovi nastaju sa složenim strukturama: ugniježđenim listama objekata, uvjetnim tipovima i polimorfnim poljima. Ova lekcija pokazuje ti kako dizajnirati robusne sheme za ove napredne slučajeve.

Ugniježđene liste

Najčešći obrazac u proizvodnji uključuje ekstrakciju liste objekata gdje svaki objekt sadrži vlastite pod-liste. Shema u nastavku opisuje program osposobljavanja s tri razine: objekt programa s naslovom i trajanjem, niz modula od kojih svaki ima naslov i tekstualne ciljeve, te konačno lekcije za svaki modul, opisane naslovom, trajanjem u minutama i tipom ograničenim pomoću enum.

Ono u čemu model ovdje mora uspjeti nadilazi čitanje: mora pridružiti svaku lekciju ispravnom modulu, što znači da mora razumjeti hijerarhiju koja je ponekad prenesena samo razinama naslova. Stoga vrlo konkretna polja na trećoj razini—trajanje u minutama umjesto generičkog „trajanje“ izraženog ponekad u satima, ponekad u sesijama. Što su listovi stabla precizniji, to model manje oklijeva.

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
}

Nabrajanja za ograničavanje vrijednosti

Nabrajanja (enums) najpouzdaniji su način za ograničavanje mogućih vrijednosti polja. Strukturirani izlaz primjenjuje ih na razini generiranja: za razliku od uputa zapisanih u promptu, ne mogu se ignorirati danima statističkog umora. To ih čini vrijednima kada ekstrahirana vrijednost napaja switch naredbu, indeksirani stupac ili pravilo usmjeravanja—tri mjesta gdje neočekivana vrijednost ne uzrokuje kritičnu pogrešku, već tišinu.

Shema klasifikacije koja slijedi sortira dolazne zahtjeve duž četiri osi: categorie_principale locira relevantan odjel, sous_categorie ga precizira unutar tog odjela, priorite služi za sortiranje reda čekanja, a action_requise određuje što učiniti s tikom. Jedna točka dizajna zaslužuje pozornost: dvanaest vrijednosti sous_categorie izravnano je umjesto da su pričvršćene na svoju nadređenu kategoriju jer strogi način ne nudi uvjetnu ovisnost između dva enum. Ništa stoga ne sprječava kombinaciju „juridique“ i „recrutement“, a tu dosljednost treba provjeriti nakon prijema.

# 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
}

Simuliranje unija tipova

JSON Schema podržava anyOf za uvjetne tipove, ali OpenAI-jev strogi Strukturirani izlaz ima ograničenja. Preporučeni obrazac je korištenje polja diskriminatora: definiraš jedan objekt, dovoljno širok da pokrije sve slučajeve, a polje type označava koji opisuješ.

# 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
}

Trik je učiniti svako polje specifično za jedan tip nulabilnim, koristeći notaciju "type": ["string", "null"]. Za sastanak, participants i lieu su popunjeni; za podsjetnik, jednaki su null. Tvoj kod zatim prvo čita diskriminator i odmah zna koje ključevi imaju smisla—točno onakvo čitanje kakvo bi učinio s označenom unijom u tipiziranom jeziku. Cijena koju plaćaš, opširnija shema i rukovanje s null vrijednostima, ostaje poželjnija od tri odvojena poziva.

Rekurzivni objekti

Za strukture stabala—izbornike, organizacijske sheme, niti rasprava—koristi $defs za rekurzivne reference. Princip je imenovati ponavljajući oblik jednom, a zatim ga referencirati iznutra. Ovdje komentar sadrži niz odgovora gdje je svaki element zauzvrat komentar: dubina nije fiksna u vrijeme pisanja, već prati dubinu analiziranog dokumenta. Ovo je jedini razuman način obrade niti rasprave bez unaprijed poznatog broja razina odgovora, bilo da ih ima dvije ili sedam.

# 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
        }
    }
}

Obrazac: ekstrakcija više entiteta

Kada tekst sadrži više vrsta entiteta, napast je pokrenuti jednu ekstrakciju po obitelji. Shema za više entiteta radi bolje: traži ljude, organizacije, datume i iznose u jednom prolazu. Prednost nije samo u uštedi poziva; stvar je u tome što model vidi tekst jednom i može povezati ono što tamo pronađe—pridružiti osobu njezinoj organizaciji, povezati iznos s kontekstom koji mu daje smisao.

Duplikacija kod datuma, date_brute i date_iso, zaslužuje da se zadrži kakva jest u tvojim vlastitim shemama: čuva izvorno formuliranje za reviziju dok pruža normaliziranu vrijednost. Polje contexte, prisutno kod datuma i iznosa, igra istu ulogu: bez njega nitko neće znati je li 12.000 eura bila ponuda, kazna ili godišnji proračun.

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
}

Najbolje prakse za složene sheme

Četiri navike izbjegavaju većinu razočaranja. Kreni jednostavno: validiraj ravni objekt na svojim stvarnim podacima prije dodavanja bilo kakvog ugnježđivanja, inače nećeš znati proizlazi li neuspjeh iz sheme ili težine zadatka. Zatim, odustani od opcionalnog polja, što strogi način zabranjuje, i umjesto toga ga učini nulabilnim. Također poštuj empirijsko ograničenje—preko tri ili četiri razine ugnježđivanja kvaliteta opada, i bolje je podijeliti ekstrakciju u dva prolaza: prvo lista modula, zatim jedan poziv po modulu za detaljiziranje njegovih lekcija. Konačno, imaj na umu podjelu rada: shema i njezina nabrajanja ograničavaju strukturu, sistemski prompt usmjerava sadržaj. Ako model ispravno sortira, ali ekstrahira pogrešne informacije, prompt je ono što trebaš prilagoditi.

Slučaj koji testira sve: organizacijska shema

Prihvati se rekurzivnog slučaja, najedukativnijeg dijela lekcije. Definiraj shemu za ekstrakciju organizacijske sheme tvrtke, gdje svaki zaposlenik može imati podređene koji su sami zaposlenici. Testiraj je na tekstu koji opisuje organizaciju od petnaest do dvadeset ljudi, napisanom u prozi, a ne kao listu: ovdje model mora zaključiti linije izvještavanja iz fraza poput „izvještava“ ili „unutar tima“.

Provjeri jesu li hijerarhijski odnosi ispravno ugniježđeni, pazeći na ljude spomenute daleko od njihovog menadžera—ovo je uobičajena točka loma. Konačno, dodaj nabrajanja na uloge (izvršni, menadžment, operativni) i promatraj poboljšava li ograničenje liniju izvještavanja ili je degradira: forsiranje kategorizacije može pomoći modelu ili ga gurnuti prema arbitrarnim izborima kod hibridnih profila.

Ključne točke

  • Ugniježđene liste najčešći su obrazac u proizvodnji
  • Nabrajanja se primjenjuju na razini generiranja—iskoristi ih
  • Simuliraj unije s poljem diskriminatora i nulabilnim poljima
  • $defs omogućuje rekurzivne strukture (komentari, stabla)
  • Ograniči dubinu ugnježđivanja na 3-4 razine