Extracție și validare cu instrumente
Pe această pagină
Construirea unor fluxuri de extracție fiabile
Prin combinarea ieșirilor structurate cu instrumente (căutare web, executare de cod), puteți construi fluxuri robuste de extracție și validare. Această lecție vă arată cum să arhitecturați aceste fluxuri pentru utilizarea în producție.
Model: extracție îmbogățită
Cel mai comun model este îmbogățirea extracției de date cu căutarea pe web. Pornești de la un text brut, iar modelul extrage entitățile, apoi le îmbogățește cu informații găsite 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"}]
)
Model: validare încrucișată
Validarea încrucișată utilizează căutarea pe web pentru a verifica informațiile extrase dintr-un document:
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}")
Model: calcul și structurare
Combinați executarea de cod pentru calcule și ieșirile structurate pentru formatare:
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")
Arhitectura unui flux robust
Pentru utilizarea în producție, structurați fluxul în pași distincți:
# Step 1: Raw extraction
class ExtractionBrute(BaseModel):
entites: list[str]
dates: list[str]
montants: list[str]
# Step 2: Enrichment
class EntiteEnrichie(BaseModel):
nom: str
type: str
details: str
# Step 3: Validation
class ResultatValide(BaseModel):
entites: list[EntiteEnrichie]
score_qualite: float
alertes: list[str]
Fiecare pas utilizează un apel separat cu o schemă adaptată. Această abordare modulară simplifică depanarea și monitorizarea.
Gestionarea erorilor în producție
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 without web search
response, parsed = client.chat.parse(
model="grok-4.20-0309-reasoning",
messages=messages,
response_format=MonSchema
)
Puncte cheie
- Extracția îmbogățită combină căutarea web cu ieșirile structurate pentru date complete
- Validarea încrucișată verifică faptele prin căutare pe web
- Executarea de cod asigură calcule exacte în fluxurile financiare
- Structurarea în pași separați asigură robustețe și ușurează depanarea
- Planificați întotdeauna o soluție de rezervă în cazul în care instrumentele eșuează