Mudelli kumplessi: listi mbejjna, enums, unions
F'din il-paġna
Mudelli kumplessi: listi mbejjna, enums, unions
Il-każijiet sempliċi ta’ estrazzjoni (oġġett ċatt b’qasam tat-test) huma faċli biex jiġu ttrattati. L-isfidi veri jibdew bi strutturi kumplessi: listi ta’ oġġetti mbejjna, tipi kondizzjonali, u qasam polimorfiku. Din il-lezzjoni turi kif tiddisinja skemi robusti għal dawn il-każijiet avvanzati.
Listi mbejjna
L-aktar mudell komuni fil-produzzjoni jinvolvi l-estrazzjoni ta’ lista ta’ oġġetti fejn kull oġġett fih is-listi tiegħu stess. L-iskema hawn taħt tiddeskrivi programm ta’ taħriġ b’tliet livelli: l-oġġett tal-programm bit-titlu u t-tul tiegħu, array ta’ moduli kull wieħed b’titlu u oġġettivi tat-test, u finalment il-lezzjonijiet għal kull modulu, deskritti b’titlu, tul f’minuti, u tip ristrett minn enum.
X’għandu jirnexxi lill-mudell hawn imur lil hinn mill-qari: irid iwaħħal kull lezzjoni mal-modulu korrett, jiġifieri jrid jifhem ġerarkija xi drabi kkomunikata biss mil-livelli tal-intestatura. Għalhekk il-qasam konkret ħafna fit-tielet livell—tul f’minuti minflok “tul” ġeneriku espress xi drabi f’sigħat, xi drabi f’sessjonijiet. Aktar ma jkunu preċiżi n-nodi tal-weraq tas-siġra, inqas jissuspetta l-mudell.
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
}
Enums biex tirrestrinġi l-valuri
L-enums huma l-aktar mod affidabbli biex tillimita l-valuri possibbli ta’ qasam. L-Output Istrukturat japplikahom fil-livell tal-ġenerazzjoni: kuntrarju għal istruzzjoni miktuba fil-prompt, ma jistgħux jiġu injorati f’jum ta’ għeja statistikali. Dan jagħmilhom prezzjużi meta l-valur estratt jitriegħa f’dikjarazzjoni switch, kolonna indiċjata, jew regola ta’ routing—tliet postijiet fejn valur mhux mistenni ma jikkawżax żball iebsor, iżda pjuttost silenzju.
L-iskema ta’ klassifikazzjoni li ġejja tissortja talbiet li jaslu tul erba’ assi: categorie_principale tpoġġi d-dipartiment rilevanti, sous_categorie tirfinaha f’dak id-dipartiment, priorite isservi għas-sortjar tal-kju, u action_requise tiddetermina x’għandu jsir bit-ticket. Punt tad-disinn jixraq attenzjoni: it-tnax-il valur ta’ sous_categorie huma ċċattjati minflok imwaħħla mal-kategorija ġenitur tagħhom, għax il-modalità stretta ma toffrix dipendenza kondizzjonali bejn żewġ enums. Xejn għalhekk ma jipprevjeni l-kombinazzjoni “juridique” u “recrutement”, u din il-konsistenza trid tiġi vverifikata wara r-riċeviment.
# 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
}
Simulazzjoni ta’ unions tat-tip
JSON Schema jappoġġja anyOf għal tipi kondizzjonali, iżda l-Output Istrukturat strett ta’ OpenAI għandu limitazzjonijiet. Il-mudell irrakkomandat huwa li tuża qasam diskriminatorju: tiddefinixxi oġġett wieħed, wiesa’ biżżejjed biex ikopri l-każijiet kollha, u qasam type jindika liema qed tiddeskrivi.
# 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
}
Il-ħila hi li tagħmel kull qasam speċifiku għal tip wieħed nullabbli, bl-użu tan-notazzjoni "type": ["string", "null"]. Għal laqgħa, participants u lieu huma mimlija; għal tfakkira, huma ugwali għal null. Il-kodiċi tiegħek imbagħad jaqra d-diskriminatur l-ewwel u minnufih jaf liema ċwievet jagħmlu sens—eżattament il-qari li tagħmel ta’ union ittikkettat f’lingwa ttajpjata. Il-prezz li tħallas, skema aktar verbali u nulls biex tiġġestixxi, tibqa’ preferibbli għal tliet sejħiet separati.
Oġġetti rikorsivi
Għal strutturi tas-siġar—menijiet, ċartijiet organizzattivi, threads ta’ diskussjoni—uża $defs għal referenzi rikorsivi. Il-prinċipju huwa li tsemmi l-forma li tirrepeti darba, imbagħad tirreferenzjaha minn ġewwa nnifisha. Hawnhekk, kumment fih array ta’ tweġibiet fejn kull element huwa minnu nnifsu kumment: il-fond mhuwiex iffissat fil-ħin tal-kitba, isegwi dak tad-dokument analizzat. Din hija l-unika raġuni biex tipproċessa thread ta’ diskussjoni mingħajr ma tkun taf minn qabel jekk għandux żewġ livelli ta’ tweġibiet jew sebgħa.
# Structure of a comment with nested replies
comment_schema = {
"type": "object",
"properties": {
"commentaires": {
"type": "array",
"items": {"$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
}
}
}
Mudell: estrazzjoni multi-entità
Meta test ikun fih tipi multipli ta’ entitajiet, it-tentazzjoni hija li tmexxi estrazzjoni waħda għal kull familja. L-iskema multi-entità tagħmel aħjar: titlob nies, organizzazzjonijiet, dati, u ammonti f’daqqa waħda. Il-benefiċċju mhuwiex biss li tiffranka sejħiet; huwa li l-mudell jara t-test darba u jista’ jgħaqqad dak li jsib hemm—iwaħħal persuna mal-organizzazzjoni tagħha, jassoċja ammont mal-kuntest li jagħtih tifsira.
Id-duplikazzjoni fuq id-dati, date_brute u date_iso, tixraq li tinżamm hekk kif inhi fl-iskemi tiegħek stess: iżżomm il-frażi oriġinali għall-awditjar filwaqt li tipprovdi valur normalizzat. Il-qasam contexte, preżenti fuq id-dati u l-ammonti, jilgħab l-istess rwol: mingħajru, ħadd ma jkun jaf jekk 12,000 ewro kinitx kwotazzjoni, penali, jew baġit annwali.
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
}
L-aħjar prattiki għal skemi kumplessi
Erba’ drawwiet jevitaw ħafna diżappunti. Ibda sempliċi: ivvalida oġġett ċatt fuq id-data reali tiegħek qabel ma żżid kwalunkwe tbejjin, inkella ma tkunx taf jekk falliment ġejx mill-iskema jew mid-diffikultà tal-kompitu. Imbagħad, irrinunzja għall-qasam fakultattiv, li l-modalità stretta tipprojbixxi, u agħmlu nullabbli minflok. Irrispetta wkoll limitu empiriku—wara tlieta jew erba’ livelli ta’ tbejjin il-kwalità tonqos, u huwa aħjar li taqsam l-estrazzjoni f’żewġ pass: l-ewwel il-lista tal-moduli, imbagħad sejħa waħda għal kull modulu biex tiddettalja l-lezzjonijiet tiegħu. Fl-aħħar, żomm f’moħħok id-diviżjoni tax-xogħol: l-iskema u l-enums tagħha jirrestrinġu l-istruttura, is-sistema tal-prompt tiggwida l-kontenut. Jekk il-mudell jissortja sewwa iżda jistratta l-informazzjoni ħażina, huwa l-prompt li għandek ittejjeb.
Il-każ li jittestja kollox: iċ-ċart organizzattiv
Attakka l-każ rikorsiv, l-aktar parti edukattiva tal-lezzjoni. Iddefinixxi skema biex testraċċa ċart organizzattiv ta’ kumpanija, fejn kull impjegat jista’ jkollu subordinati li huma nfushom impjegati. Ittestjah fuq test li jiddeskrivi organizzazzjoni ta’ ħmistax sa għoxrin persuna, miktub b’proża u mhux bħala lista: hawnhekk huwa fejn il-mudell irid jiddeduċi linji ta’ rapport minn frażijiet bħal “jirrapporta lil” jew “fit-tim ta’”.
Ivverifika li r-relazzjonijiet ġerarkiċi huma mbejjna b’mod korrett, u ara għal nies imsemmija ‘l bogħod mill-maniġer tagħhom—dan huwa l-punt ta’ ksur tas-soltu. Fl-aħħar, żid enums fuq ir-rwoli (eżekuttiv, maniġerjali, operazzjonali) u osserva jekk ir-restrizzjoni tittejjebx jew tmurx għall-agħar il-linja ta’ rapport: li tifforza kategorizzazzjoni tista’ tgħin lill-mudell jew timbottah lejn għażliet arbitrarji fuq profili ibridi.
Punti Ewlenin
- Il-listi mbejjna huma l-aktar mudell komuni fil-produzzjoni
- L-enums huma applikati fil-livell tal-ġenerazzjoni—sfruttahom
- Simula unions b’qasam diskriminatorju u qasam nullabbli
$defsjippermetti strutturi rikorsivi (kummenti, siġar)- Illimita l-fond tat-tbejjin għal 3-4 livelli