Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Extrakcia a validácia pomocou nástrojov

Lekcia 10 z 12 Aktualizované 30. júla 2026 Vývojár
Na tejto strane
  1. Budovanie spoľahlivých extrakčných pipeline
  2. Vzorec: obohatená extrakcia
  3. Vzorec: krížová validácia
  4. Vzorec: výpočty a štruktúrovanie
  5. Architektúra robustného pipeline
  6. Spracovanie chýb v produkčnom prostredí
  7. Kľúčové poznatky

Budovanie spoľahlivých extrakčných pipeline

Kombináciou štruktúrovaných výstupov s nástrojmi (webové vyhľadávanie, vykonávanie kódu) môžeš vytvoriť robustné pipeline na extrakciu a validáciu dát. Táto lekcia ti ukáže, ako tieto pipeline navrhnúť pre nasadenie v produkčnom prostredí.

Vzorec: obohatená extrakcia

Najbežnejším vzorcom je obohatenie extrakcie dát pomocou webového vyhľadávania. Začneš so surovým textom, model extrahuje entity a následne ich obohatí o informácie nájdené 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"}]
)

Vzorec: krížová validácia

Krížová validácia využíva webové vyhľadávanie na overenie informácií extrahovaných z dokumentu:

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}")

Vzorec: výpočty a štruktúrovanie

Skombinuj vykonávanie kódu pre výpočty so štruktúrovanými výstupmi pre formátovanie:

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")

Architektúra robustného pipeline

Pre nasadenie v produkčnom prostredí rozdeľ svoj pipeline do jednotlivých krokov:

# 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]

Každý krok využíva samostatné volanie s prispôsobenou schémou. Tento modulárny prístup zjednodušuje ladenie a monitorovanie.

Spracovanie chýb v produkčnom prostredí

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
    )

Kľúčové poznatky

  • Obohatená extrakcia kombinuje webové vyhľadávanie so štruktúrovanými výstupmi pre úplné dáta.
  • Krížová validácia overuje fakty pomocou webového vyhľadávania.
  • Vykonávanie kódu zabezpečuje presné výpočty vo finančných pipeline.
  • Rozdeľ proces na samostatné kroky pre väčšiu robustnosť a jednoduchšie ladenie.
  • Vždy plánuj záložné riešenie pre prípad, že nástroje zlyhajú.