Estrazzjoni u Validazzjoni bl-Għodod
F'din il-paġna
Ibni pajpijiet ta’ estrazzjoni affidabbli
Billi tgħaqqad outputs strutturati ma’ għodod (tiftix fil-web, eżekuzzjoni tal-kodiċi), tista’ tibni pajpijiet robusti ta’ estrazzjoni u validazzjoni. Din il-lezzjoni turi kif tiddisinja dawn il-pajpijiet għall-użu fil-produzzjoni.
Mudell: estrazzjoni arrikkit
L-aktar mudell komuni huwa li tarrikka l-estrazzjoni tad-data bit-tiftix fil-web. Tibda b’test mhux maħdum, u l-mudell jestraġġi l-entitajiet imbagħad jirrikkihom b’informazzjoni misjuba online.
from pydantic import BaseModel
class EntrepriseEnrichie(BaseModel):
nom: str
secteur: str
pays_siege: str
site_web: str | None
description_courte: str
nombre_employes_estime: str | None
technologies_utilisees: list[str]
class ExtractionEnrichie(BaseModel):
entreprises: list[EntrepriseEnrichie]
relations: list[str]
contexte: str
response, parsed = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=[{
"role": "user",
"content": """Extract and enrich the companies mentioned in this text:
'Mistral AI announced a partnership with Scaleway to
host its models in France. Meanwhile, Hugging Face
continues to collaborate with OVHcloud on open source
infrastructure.'"""
}],
response_format=ExtractionEnrichie,
tools=[{"type": "web_search"}]
)
Mudell: validazzjoni inkroċjata
Il-validazzjoni inkroċjata tuża t-tiftix fil-web biex tivverifika l-informazzjoni estratta minn dokument:
class FactCheck(BaseModel):
affirmation: str
verifie: bool
source: str | None
correction: str | None
confiance: float
class RapportValidation(BaseModel):
document_original: str
verifications: list[FactCheck]
fiabilite_globale: float
resume: str
response, parsed = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=[{
"role": "user",
"content": """Verify the facts in this text:
'France has 68 million inhabitants. Paris is the
largest city in Europe. France's GDP is the 7th
largest worldwide.'"""
}],
response_format=RapportValidation,
tools=[{"type": "web_search"}]
)
for v in parsed.verifications:
status = "Verified" if v.verifie else "Unverified"
print(f"[{status}] {v.affirmation}")
if v.correction:
print(f" → Correction: {v.correction}")
Mudell: kalkolu u strutturar
Għaqqad l-eżekuzzjoni tal-kodiċi għall-kalkoli u l-outputs strutturati għall-iffurmatjar:
class LigneFacture(BaseModel):
description: str
quantite: int
prix_unitaire_ht: float
montant_ht: float
tva: float
montant_ttc: float
class Facture(BaseModel):
lignes: list[LigneFacture]
total_ht: float
total_tva: float
total_ttc: float
response, parsed = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=[{
"role": "user",
"content": """Calculate the invoice:
- 3x Pro License at 299 EUR excl. VAT (VAT 20%)
- 1x Training at 1500 EUR excl. VAT (VAT 20%)
- 12x Monthly Support at 49 EUR excl. VAT (VAT 20%)"""
}],
response_format=Facture,
tools=[{"type": "code_interpreter"}]
)
print(f"Total excl. VAT: {parsed.total_ht} EUR")
print(f"Total incl. VAT: {parsed.total_ttc} EUR")
Arkitettura ta’ pajp robust
Għall-użu fil-produzzjoni, struttura l-pajp tiegħek f’passi:
# Pass 1: Estrazzjoni mhux maħduma
class ExtractionBrute(BaseModel):
entites: list[str]
dates: list[str]
montants: list[str]
# Pass 2: Arrikkiment
class EntiteEnrichie(BaseModel):
nom: str
type: str
details: str
# Pass 3: Validazzjoni
class ResultatValide(BaseModel):
entites: list[EntiteEnrichie]
score_qualite: float
alertes: list[str]
Kull pass juża sejħa separata b’skema mfassla apposta. Dan l-approċċ modulari jissimplifika d-debugging u l-monitoraġġ.
Ġestjoni tal-iżbalji fil-produzzjoni
try:
response, parsed = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=messages,
response_format=MonSchema,
tools=[{"type": "web_search"}]
)
except Exception as e:
# Fallback mingħajr tiftix fil-web
response, parsed = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=messages,
response_format=MonSchema
)
Punti Ewlenin
- L-estrazzjoni arrikkita tgħaqqad it-tiftix fil-web mal-outputs strutturati għal data sħiħa
- Il-validazzjoni inkroċjata tivverifika l-fatti bit-tiftix fil-web
- L-eżekuzzjoni tal-kodiċi tiżgura kalkoli eżatti fil-pajpijiet finanzjarji
- Istraġġġa f’passi separati għar-robustezza u d-debugging
- Ippjana dejjem soluzzjoni ta’ ripjega jekk l-għodod ifallu