Output Terbatas / Dipaksa Skema
Kamu sudah memvalidasi JSON model secara manual di pelajaran sebelumnya. Praktik modern melangkah lebih jauh: hentikan model agar tidak mengeluarkan JSON yang buruk sejak awal. Ini adalah constrained decoding (juga disebut structured outputs). Kamu memberikan schema ke API, dan decoder hanya diizinkan mengambil token yang menjaga output tetap valid terhadap schema tersebut. Model benar-benar tidak bisa menghasilkan field yang hilang atau nilai dengan tipe yang salah.
Dengan API gaya OpenAI kamu mengirimkan response_format dengan JSON Schema dan strict: true (hanya ilustrasi -> kita tidak memanggil model apa pun di sini):
resp = client.chat.completions.create(
model="...",
messages=[...],
response_format={
"type": "json_schema",
"json_schema": {
"name": "person",
"strict": True,
"schema": {
"type": "object",
"properties": {"name": {"type": "string"}, "age": {"type": "integer"}},
"required": ["name", "age"],
},
},
},
)Sisa kursus ini memanggil Anthropic, yang menawarkan jaminan yang sama melalui output_config untuk respons JSON yang terjamin dan strict penggunaan tool untuk input tool yang sesuai skema:
resp = client.messages.create(
model="claude-opus-5-5",
max_tokens=1024,
messages=[...],
output_config={"format": {
"type": "json_schema",
"schema": {
"type": "object",
"properties": {"name": {"type": "string"}, "age": {"type": "integer"}},
"required": ["name", "age"],
},
}},
)Bagaimanapun, penyedia yang melakukan pembatasan. Tapi constrained decoding tetap tidak bisa mengecek aturan bisnis kamu (apakah usianya masuk akal? apakah mata uangnya didukung?), dan tidak semua model atau gateway mendukungnya. Jadi kamu tetap harus melakukan validasi di sisi kamu sendiri. Validator itulah yang kamu bangun sekarang.
Di sisi Python, standar de-facto untuk mendeklarasikan dan memvalidasi shape tersebut adalah Pydantic. Kamu menulis kelas model dan library akan melakukan parsing, koersi, dan validasi untukmu:
from pydantic import BaseModel
class Person(BaseModel):
name: str
age: int
record = Person.model_validate_json(text) # raises if it does not fitPydantic tidak tersedia di sandbox dalam browser ini, jadi kamu akan membangun ide yang sama secara manual dengan standard library. Itulah yang dilakukan library ini di balik layar, dan itu membuat aturan tidak bisa diabaikan begitu saja. Kamu sedang menulis validate_against_schema(obj, schema).
schema adalah sebuah dict. Setiap nilai adalah string nama tipe ("int", "float", "str", "bool", "list", "dict") atau dict spesifikasi kecil seperti {"type": "int", "default": 0}. Fungsi kamu mengembalikan dict hasil {"ok": bool, "value": dict, "errors": list}:
- Jika
objbukandict, kembalikanok=Falsedengan satu error root danvaluekosong. - Untuk setiap field: jika field tersebut missing dan spesifikasinya punya
"default", isi dengan default (coerce/default pass). Jika missing tanpa default, catat error. - Jika ada, cek type. Jika tidak cocok, catat error dengan nama field tersebut.
- Coerce sebuah
intmenjadifloatsaat float diinginkan (itu tanpa kehilangan data dan aman), tapi jangan paksa hal lain. - Jika ada kesalahan, kembalikan
ok=Falsedenganerrorsyang terkumpul danvaluekosong; jika tidak, kembalikanok=Truedenganvalueyang sudah divalidasi.
Jebakan bool-is-int. Di Python bool adalah subclass dari int, jadi isinstance(True, int) adalah True dan JSON true didekode ke Python True. Pengecekan tipe yang naif akan membiarkan "age": true lolos di field int. Tolak bool secara eksplisit di mana pun int atau float dibutuhkan:
if expected is int and isinstance(value, bool):
errors.append(field + ": expected int, got bool")Buat supaya dua payload yang valid bisa lolos, field yang hilang dan tipe yang salah masing-masing masuk ke errors, nilai default akan terisi, int diubah ke float, dan bool yang tersembunyi ditolak saat angka dibutuhkan.
Tulis validate_against_schema(obj, schema) yang mengembalikan {"ok", "value", "errors"}. schema memetakan setiap field ke string nama tipe ("int"/"float"/"str"/"bool"/"list"/"dict") atau dict spesifikasi {"type": ..., "default": ...}. Tolak obj yang bukan dict, catat error untuk setiap field yang hilang (tanpa default) atau salah tipe, isi default jika ada, paksa int biasa menjadi float, dan tolak bool jika int atau float dibutuhkan (jebakan bool-is-int). Kembalikan ok=True dengan value yang sudah divalidasi hanya jika tidak ada error.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.