Modo JSON: analizar y validar contra un esquema
En cuanto quieres que un LLM alimente un sistema posterior -> una base de datos, una API, un proceso de facturación -> la prosa libre no sirve. Necesitas salida estructurada: el modelo devuelve JSON y tu código convierte ese JSON en un objeto tipado en el que puede confiar. La mayoría de las APIs de modelos tienen un "modo JSON" que hace que el modelo emita una cadena JSON. Pero "es JSON válido" y "es el objeto que pedí" son dos cosas distintas. La frontera entre el modelo y tu código es donde validas.
En código real, la llamada al modelo se ve así (solo ilustrativo -> aquí no llamamos a ningún modelo):
resp = client.messages.create(model="...", messages=[...])
text = resp.content[0].text # a JSON string, hopefully
record = parse_and_validate(text, {"name": str, "age": int})Vas a construir parse_and_validate(text, schema). El schema es un dict que asigna a cada campo obligatorio su tipo de Python, como {"name": str, "age": int}. Tu función debe:
- Pasar el texto por
json.loadspara obtener un objeto de Python. - Confirmar que es un
dict-> un array JSON o un número suelto no es el registro que pediste. - Para cada campo del esquema: comprobar que está presente (lanzar una excepción si falta) y que tiene el tipo correcto (lanzar una excepción si no coincide).
- Devolver un dict tipado solo con esos campos.
La trampa de bool es int. En Python, bool es una subclase de int, así que isinstance(True, int) es True. El true de JSON se decodifica como el True de Python. Si tu esquema quiere un int para age y el modelo envía "age": true, una comprobación ingenua con isinstance lo dejaría pasar. Protégete: cuando el tipo esperado sea int, rechaza explícitamente un valor bool.
if expected is int and isinstance(value, bool):
raise ValueError("age must be int, got bool")Lanza una excepción clara (un ValueError con un mensaje que nombre el campo erróneo) para que quien llama pueda registrar exactamente en qué se equivocó el modelo. Constrúyela para que dos cargas bien formadas distintas pasen, y para que un campo que falta, un tipo incorrecto y un bool disimulado lancen cada uno una excepción.
Escribe parse_and_validate(text, schema), donde schema es un dict {field: type}. Pasa el texto por json.loads, confirma que es un dict y luego, para cada campo del esquema, comprueba que está presente y tiene el tipo correcto, y devuelve el dict tipado. Los campos que faltan y los tipos incorrectos deben lanzar una excepción. Rechaza un true de JSON donde se requiera un int (la trampa de bool es int).
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.