Haladó használati esetek
Ezen az oldalon
Túl az egyszerű példákon
Már elsajátítottad a Pydanticot, a Zodot és a client.chat.parse() metódust. A következő három eset kilép a négy mezős egyszerű sémák világából, és olyan forgatókönyveket mutat be, amelyekkel vállalati környezetben találkozhatsz: számviteli dokumentumok feldolgozása, részletes ügyfélvélemény-elemzés, valamint olyan szövegek kategorizálása, amelyek egyszerre több osztályba is tartoznak. Mindegyik eset egy másik modellezési technikát illusztrál.
Számla adatok kinyerése
A dokumentumfeldolgozás a beágyazott sémák természetes terepe. Egy számla nem lapos objektum: tartalmaz egy fejlécet, egy végösszegeket tartalmazó láblécet, valamint változó számú soros tételt, amelyek saját struktúrával rendelkeznek. Ezért a LineItem osztályt külön modellezzük, majd egy listán belül hivatkozunk rá. A pénznemhez enumerációt (enum) használunk, ami megakadályozza, hogy a modell a dokumentum szövegezésétől függően hol "euros", hol "€" értéket adjon vissza.
from pydantic import BaseModel, Field
from typing import Optional
from enum import Enum
class Currency(str, Enum):
eur = "EUR"
usd = "USD"
gbp = "GBP"
class LineItem(BaseModel):
description: str = Field(description="Line item description")
quantity: float = Field(description="Quantity")
unit_price: float = Field(description="Unit price excluding tax")
vat_rate: float = Field(description="VAT rate as a percentage (e.g., 20.0)")
total_ht: float = Field(description="Line total excluding tax")
class InvoiceData(BaseModel):
invoice_number: str = Field(description="Invoice number")
date: str = Field(description="Invoice date in YYYY-MM-DD format")
due_date: Optional[str] = Field(default=None, description="Due date")
vendor_name: str = Field(description="Vendor name")
vendor_address: Optional[str] = Field(default=None)
client_name: str = Field(description="Client name")
line_items: list[LineItem] = Field(description="Invoice line items")
subtotal_ht: float = Field(description="Subtotal excluding tax")
total_vat: float = Field(description="Total VAT amount")
total_ttc: float = Field(description="Total including tax")
currency: Currency = Field(description="Currency")
payment_method: Optional[str] = Field(default=None)
# Extraction
response = client.chat.parse(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": """You are an accounting expert. Extract data from the invoice.
Be precise with amounts. Calculate totals if necessary.
Dates must be in YYYY-MM-DD format."""
},
{"role": "user", "content": invoice_text}
],
response_format=InvoiceData,
temperature=0
)
invoice = response.choices[0].message.parsed
print(f"Invoice {invoice.invoice_number} — {invoice.vendor_name}")
print(f"Total incl. tax: {invoice.total_ttc} {invoice.currency.value}")
for item in invoice.line_items:
print(f" - {item.description}: {item.quantity} x {item.unit_price}€ = {item.total_ht}€ excl. tax")
A rendszerüzenetben (system prompt) kikényszerített dátumformátum nem apróság: enélkül egy francia dokumentum 12/03/2026 formátumot eredményezhet, míg egy amerikai 03/12/2026-ot, ami az adatbázisod számára két megkülönböztethetetlen karakterláncot jelent. A TypeScript verzió ugyanerre az architektúrára épül, ahol a formátumot a .describe() metódussal dokumentáljuk.
import { z } from "zod";
const LineItemSchema = z.object({
description: z.string(),
quantity: z.number(),
unitPrice: z.number().describe("Unit price excluding tax"),
vatRate: z.number().describe("VAT rate in %"),
totalHt: z.number(),
});
const InvoiceSchema = z.object({
invoiceNumber: z.string(),
date: z.string().describe("Format YYYY-MM-DD"),
dueDate: z.string().nullable(),
vendorName: z.string(),
clientName: z.string(),
lineItems: z.array(LineItemSchema),
subtotalHt: z.number(),
totalVat: z.number(),
totalTtc: z.number(),
currency: z.enum(["EUR", "USD", "GBP"]),
});
const response = await client.chat.parse({
model: "mistral-large-latest",
messages: [
{ role: "system", content: "Extract invoice data precisely." },
{ role: "user", content: invoiceText },
],
responseFormat: InvoiceSchema,
temperature: 0,
});
const invoice = response.choices[0].message.parsed!;
console.log(`Invoice ${invoice.invoiceNumber} — Total: ${invoice.totalTtc} ${invoice.currency}`);
Vélemények szempont szerinti elemzése
Egy valós ügyfélvélemény ritkán egységesen pozitív vagy negatív. Az alábbi szállodai értékelés dicséri a szobát és a reggelit, elítéli a parkolást és a Wi-Fi-t, valamint árnyalt képet fest a személyzetről: egyetlen globális pontszám elveszítené ezt az összes információt. A megoldás egy újrahasználható AspectSentiment modell létrehozása, és egy lista kérése belőlük. Az evidence (bizonyíték) mező a séma legérdekesebb része – azzal, hogy idézetet követelsz a szövegből, arra kényszeríted a modellt, hogy megalapozza az ítéletét, és számodra is lehetővé teszi annak ellenőrzését.
from pydantic import BaseModel, Field
class AspectSentiment(BaseModel):
aspect: str = Field(description="The aspect analyzed (quality, price, service, delivery, etc.)")
sentiment: str = Field(description="positive, negative, or neutral")
score: float = Field(description="Score between -1.0 (very negative) and 1.0 (very positive)")
evidence: str = Field(description="Quote or excerpt from the text justifying the sentiment")
class ReviewAnalysis(BaseModel):
overall_sentiment: str = Field(description="Overall sentiment: positive, negative, mixed, or neutral")
overall_score: float = Field(description="Overall score between -1.0 and 1.0")
aspects: list[AspectSentiment] = Field(description="Aspect-by-aspect analysis")
recommendation: bool = Field(description="Does the author recommend the product/service?")
key_strengths: list[str] = Field(description="Identified strengths")
key_weaknesses: list[str] = Field(description="Identified weaknesses")
review_text = """
The hotel is magnificent; the room was spacious and clean. The breakfast is excellent
with a wide selection. However, the parking is outrageously expensive (€35/night) and the Wi-Fi was
unstable throughout the stay. The reception staff was very welcoming,
but room service took over an hour to deliver our order.
"""
response = client.chat.parse(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": "Analyze this customer review by detailing each mentioned aspect."
},
{"role": "user", "content": review_text}
],
response_format=ReviewAnalysis,
temperature=0
)
review = response.choices[0].message.parsed
print(f"Overall sentiment: {review.overall_sentiment} ({review.overall_score:+.1f})")
for aspect in review.aspects:
print(f" [{aspect.score:+.1f}] {aspect.aspect}: {aspect.sentiment}")
Szövegek besorolása több kategóriába
Az egyszerű osztályozással ellentétben, ahol csak egyetlen címkét rendelünk hozzá, a többcímkés (multi-label) osztályozás felismeri, hogy egy szöveg több kategóriába is tartozhat. Az alább leírt incidens egyszerre érinti a biztonságot, a pénzügyeket, a csalást és az adatvédelmet: egyetlen címke kikényszerítése szegényesebbé tenné az útvonalválasztási logikát.
A séma két eleme külön figyelmet érdemel. A reasoning (indoklás) mező minden címkéhez indoklást kér, ami javítja a pontszámok minőségét. A requires_human_review (emberi felülvizsgálat szükséges) mező a modell bizonytalanságát működési jellé alakítja: ahelyett, hogy utólag derülne ki, hogy egy besorolás kétes volt, automatikusan emberi felülvizsgálatra escalárod az esetet, amikor a bizonyosság 0,7 alá csökken.
from pydantic import BaseModel, Field
class LabelScore(BaseModel):
label: str = Field(description="Category name")
confidence: float = Field(description="Confidence score between 0.0 and 1.0")
reasoning: str = Field(description="One-sentence justification")
class MultiLabelClassification(BaseModel):
primary_label: str = Field(description="Primary category")
all_labels: list[LabelScore] = Field(
description="All applicable categories with their confidence scores"
)
requires_human_review: bool = Field(
description="True if classification is uncertain (confidence < 0.7)"
)
text = """
Our mobile payment application has a security vulnerability allowing
access to banking data. Several customers have reported unauthorized
transactions. The technical team is currently investigating.
"""
response = client.chat.parse(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": """Classify this text among the following categories (multiple possible):
security, finance, technical, legal, customer_support, compliance, fraud, data_privacy.
Assign a confidence score to each applicable category."""
},
{"role": "user", "content": text}
],
response_format=MultiLabelClassification,
temperature=0
)
result = response.choices[0].message.parsed
print(f"Primary category: {result.primary_label}")
print(f"Human review required: {'Yes' if result.requires_human_review else 'No'}")
for label in result.all_labels:
print(f" [{label.confidence:.0%}] {label.label} — {label.reasoning}")
A hívás faktorizálása
Ez a három példa ugyanazt a mechanikát követi: egy rendszerüzenet, egy szöveg, egy séma és a temperature=0 beállítás. Ahelyett, hogy minden új esetben másolnád a hívást, érdemes azt egy általános függvénybe kiemelni. A BaseModel-hez kötött TypeVar megőrzi a típusokat: a visszatérési objektum típusa megegyezik az argumentumként átadott séma típusával, és az IDE-d is ismeri ezt.
from typing import TypeVar, Type
from pydantic import BaseModel
T = TypeVar("T", bound=BaseModel)
def extract(client, text: str, schema: Type[T], system_prompt: str = "") -> T:
"""Reusable structured extraction."""
messages = []
if system_prompt:
messages.append({"role": "system", "content": system_prompt})
messages.append({"role": "user", "content": text})
response = client.chat.parse(
model="mistral-large-latest",
messages=messages,
response_format=schema,
temperature=0
)
return response.choices[0].message.parsed
# Usage
invoice = extract(client, invoice_text, InvoiceData, "Extract invoice data.")
review = extract(client, customer_review, ReviewAnalysis, "Analyze this customer review.")
classification = extract(client, ticket, MultiLabelClassification, "Classify this text.")
Három nagyon különböző használati eset, amelyek mindegyike mindössze egyetlen sor kóddal hívható meg: ez a jó séma-modellezés kézzelfogható előnye.
Főbb megállapítások
- A beágyazott sémák (
list[LineItem],list[AspectSentiment]) lehetővé teszik a komplex elemzéseket - Az enumerációk (
Currency, kategóriák) korlátozzák a lehetséges értékeket - Az
evidence(bizonyíték) vagyreasoning(indoklás) mező arra kényszeríti a modellt, hogy indokolja meg választásait - Egy általános wrapper csökkenti a kódismétlést
- A
temperature=0beállítás kötelező ezekben a produkciós használati esetekben