Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Izločanje in preverjanje z orodji

Lekcija 10 od 12 Posodobljeno 30. julij 2026 Razvijalec
Na tej strani
  1. Izgradnja zanesljivih cevovodov za izločanje podatkov
  2. Vzorec: obogateno izločanje
  3. Vzorec: navzkrižno preverjanje
  4. Vzorec: izračun in strukturiranje
  5. Arhitektura robustnega cevovoda
  6. Obravnava napak v produkcijskem okolju
  7. Ključne ugotovitve

Izgradnja zanesljivih cevovodov za izločanje podatkov

S kombiniranjem strukturiranih izhodov z orodji (spletno iskanje, izvajanje kode) lahko gradiš robustne cevovode za izločanje in preverjanje podatkov. Ta lekcija prikazuje, kako arhitekturno zasnovati te cevovode za uporabo v produkcijskem okolju.

Vzorec: obogateno izločanje

Najpogostejši vzorec je obogatitev izločanja podatkov s spletnim iskanjem. Začneš s surovim besedilom, model izloči entitete in jih nato obogati z informacijami, najdenimi na spletu.

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: navzkrižno preverjanje

Navzkrižno preverjanje uporablja spletno iskanje za preverjanje informacij, izločenih iz dokumenta:

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: izračun in strukturiranje

Združi izvajanje kode za izračune in strukturirane izhode za oblikovanje:

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")

Arhitektura robustnega cevovoda

Za uporabo v produkcijskem okolju svoj cevovod strukturiraj v korake:

# 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]

Vsak korak uporabi ločen klic s prilagojeno shemo. Ta modularni pristop poenostavi odpravljanje napak in nadzor.

Obravnava napak v produkcijskem okolju

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
    )

Ključne ugotovitve

  • Obogateno izločanje združuje spletno iskanje in strukturirane izhode za popolne podatke
  • Navzkrižno preverjanje preverja dejstva s spletnim iskanjem
  • Izvajanje kode zagotavlja natančne izračune v finančnih cevovodih
  • Strukturiraj proces v ločene korake za robustnost in lažje odpravljanje napak
  • Vedno načrtuj nadomestno rešitev za primer okvare orodij