Munkafolyamatok és folyamatcsövek automatizálása
Ezen az oldalon
Éles környezetbe helyezés
Az előző leckék az alapokat és az egyes használati eseteket tárgyalták. Ez a záró lecke mindent egybefog, hogy automatizált munkafolyamatokat és ellenőrzési folyamatcsöveket építs, amelyek készen állnak az éles környezetre.
Munkafolyamat: dokumentumfeldolgozás
Egy teljes folyamatcső a beérkező dokumentumok automatikus feldolgozásához:
from pydantic import BaseModel
from typing import Literal
# 1. lépés: Dokumentumosztályozás
class ClassificationDocument(BaseModel):
type: Literal["facture", "contrat", "devis", "courrier", "autre"]
langue: str
urgence: Literal["basse", "normale", "haute"]
departement: Literal["comptabilite", "juridique", "commercial", "direction"]
# 2. lépés: Kinyerés típus szerint
class DonneesFacture(BaseModel):
numero: str
date_emission: str
date_echeance: str
emetteur: str
montant_ht: float
montant_ttc: float
lignes: list[dict]
# 3. lépés: Érvényesítés
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):
# Osztályozás
_, classification = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=[{"role": "user", "content": f"Classify this document: {texte}"}],
response_format=ClassificationDocument
)
# Kinyerés típus szerint
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
)
# Érvényesítés
_, 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
Adatellenőrzési folyamatcső
Használj strukturált kimeneteket a beérkező adatok ellenőrzésére és normalizálására:
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]
Ez a folyamatcső különböző formátumú kapcsolatokat vesz át, és egységes szerkezetbe normalizálja azokat.
Többlépéses folyamatcső-architektúra
Íme egy robusztus, éles környezeti folyamatcső váza:
class PipelineResult(BaseModel):
etape: str
succes: bool
donnees: dict
erreurs: list[str]
duree_ms: int
def pipeline_complet(texte: str) -> list[PipelineResult]:
resultats = []
# Minden lépés dedicated sémát használ
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
Éles környezeti legjobb gyakorlatok
Idempotencia
Úgy tervezd meg a folyamatcsöveidet, hogy mellékhatások nélkül újra lefuttathatók legyenek. Ugyanannak a dokumentumnak kétszeri feldolgozása ugyanazt az eredményt kell hogy produkálja.
Strukturált naplózás
Minden hívást naplózz a használt sémával, a tokenek számával és a válaszidővel.
Újrapróbálkozás exponenciális várakozással (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
Monitorozás
Kövesd nyomon ezeket a metrikákat minden folyamatcsőnél:
- Sikerráta lépésenként
- Átlagos feldolgozási idő
- Felhasznált tokenek száma
- Tartalék megoldások (fallback) gyakorisága
A kurzus összefoglalása
Ezen 12 lecke során megtanultad:
- Megérteni a strukturált kimeneteket és azok garanciáit
- Elsajátítani a támogatott típusokat és azok korlátait
- Használni a
parse()metódust és aresponse_formatparamétert az igényeid szerint - Meghatározni sémákat Pydantic (Python) és Zod (JavaScript) segítségével
- Kombinálni a strukturált kimeneteket webes kereséssel és kódvégrehajtással
- Felépíteni kinyerési, osztályozási és ellenőrzési folyamatcsöveket
A strukturált kimenetek a beszélgető eszközökből megbízható szoftverkomponensekké alakítják az LLM-eket, amelyek bármilyen architektúrába integrálhatók.
Főbb megállapítások
- A többlépéses munkafolyamatok lépésenként dedikált sémát használnak
- A keresztellenőrzés összehasonlítja a kinyert eredményeket referenciaforrásokkal
- Éles környezetben: idempotencia, strukturált naplózás, újrapróbálkozás exponenciális várakozással, monitorozás
- A strukturált kimenetek bármely megbízható AI-folyamatcső alapjai
- Kombináld a sémákat (szerkezet) + az utasításokat (tartalom) + az eszközöket (adat) az optimális eredmények érdekében
Teszteld a tudásod
Garantált JSON, sémák, folyamatcsövek: strukturált kimenet, Grok verzió.
1. Mit garantál a séma szerinti strukturált kimenet?
Válasz: Szigorúan a deklarált JSON-sémának megfelelő kimenetet – típusok, mezők, szerkezet –, amely védekező elemzés nélkül használható a kódban: a formátum már generálás során korlátozva van.
2. Mit ad hozzá a parse() metódus a kézi response_formathez képest?
Válasz: A teljesen automatizált ciklust: a Pydantic-modell (vagy JS-ben a Zod) deklarálja a sémát, és a válasz már ellenőrizve és objektumként típusozva érkezik vissza – nulla extra kódolás szükséges.
3. Miért fontos ismerni a nem támogatott típusokat?
Válasz: Mert a nem támogatott konstrukciókat használó séma meghibásodik vagy degradálódik: a modelljeidet az elfogadott részhalmazon belül tervezed meg, és kimenetkor ellenőrzöd azokat.
4. Mit tesz lehetővé a strukturált kimenetek + webes keresés vagy kódvégrehajtás kombinálása?
Válasz: Olyan folyamatcsöveket, ahol a keresés vagy számítás táplálja a strukturált kimenetet: a friss vagy kiszámított információk közvetlenül a típusozott mezőidbe kerülnek.
5. Nevezz meg két tipikus használati esetet éles környezetben.
Válasz: Entitáskinyerés és osztályozás (dokumentumok, jegyek, tartalmak) a rendszereidhez kapcsolva – automatizált munkafolyamatok, ahol az AI struktúrákat tölt ki, nem bekezdéseket.
Deklarált séma, korlátozott generálás, kimenet-ellenőrzés: a strukturált kimenet a felület a Grok és a szoftvered között – kezeld is úgy.