استخراج دادهٔ ساخت‌یافته با ابزار؛ وقتی خروجی مدل باید مستقیم وارد پایگاه داده شود

نگین مسئول محصول یک فروشگاه اینترنتی لوازم خانگی است. روزی نزدیک هزار نظر مشتری ثبت می‌شود و هیچ‌کس وقت خواندن‌شان را ندارد. او یک اسکریپت می‌نویسد که هر نظر را به مدل بدهد و بخواهد سه چیز برگرداند: نام محصولی که در متن آمده، دستهٔ مشکل، و شدت نارضایتی. جواب‌ها می‌آیند، اما هر بار به شکلی: یک‌بار «دستهٔ مشکل: ارسال»، یک‌بار category: shipping، یک‌بار یک پاراگراف مهربان که توضیح می‌دهد چرا مشتری ناراضی بوده است. داشبورد نگین از این داده هیچ نموداری نمی‌تواند بسازد.

مشکل نگین این نیست که مدل بد می‌فهمد؛ مدل خیلی خوب می‌فهمد. مشکل این است که هیچ‌کس به مدل نگفته خروجی دقیقاً باید چه شکلی داشته باشد. در درس قبلی دیدیم چطور می‌شود مدل را به تولید JSON سالم وادار کرد. این درس یک قدم جلوتر است: چطور شکل داده را از قبل به‌عنوان یک قرارداد رسمی اعلام کنیم و مدل را وادار کنیم دقیقاً همان را پر کند. ابزار کار، همان قابلیت «استفاده از ابزار» است — اما این‌بار ابزاری که هیچ کاری انجام نمی‌دهد.

آنچه در این درس یاد می‌گیرید

• چرا می‌توان از سازوکار ابزار برای گرفتن دادهٔ ساخت‌یافته استفاده کرد، حتی وقتی هیچ تابعی قرار نیست اجرا شود.
• نوشتن input_schema به‌عنوان قرارداد داده: نوع، توضیح، و فهرست فیلدهای الزامی.
• چهار کار پرتکرار پردازش زبان — خلاصه‌سازی، استخراج موجودیت، تحلیل احساس و طبقه‌بندی — با یک الگوی واحد.
• ساختن آرایه‌ای از آبجکت‌ها در شِما، برای وقتی تعداد نتایج از پیش معلوم نیست.
• روش کار با کلیدهای ناشناخته به کمک additionalProperties.
• اجبار مدل به استفاده از یک ابزار مشخص با tool_choice و استخراج امن نتیجه از پاسخ.

ابزاری که هیچ کاری انجام نمی‌دهد

در درس ماشین‌حساب دیدیم که ابزار یعنی توصیف یک تابع بیرونی تا مدل بتواند آن را صدا بزند و ما اجرایش کنیم. حالا یک چرخش ذهنی کوچک لازم است: وقتی مدل تصمیم می‌گیرد ابزاری را صدا بزند، در واقع باید یک آبجکت JSON بسازد که با شِمای اعلام‌شدهٔ آن ابزار مطابقت داشته باشد. این آبجکت، همان دادهٔ ساخت‌یافته‌ای است که ما می‌خواهیم. پس چرا ابزاری تعریف نکنیم که تنها وظیفه‌اش «چاپ کردن» نتیجه باشد و هرگز اجرا نشود؟

این دقیقاً همان ترفندی است که کوک‌بوک رسمی آنتروپیک آموزش می‌دهد. نام ابزارها در مثال‌های رسمی هم گویا است: print_summary، print_entities، print_sentiment_scores. هیچ‌کدام تابع واقعی ندارند. ما فقط از سازوکار اعتبارسنجی شِما به‌عنوان یک قالب سخت‌گیرانه استفاده می‌کنیم.

اسکلت کار: شِما بنویس، ابزار را صدا بزن، ورودی را بردار

ساده‌ترین نمونه، خلاصه‌سازی یک مقاله است. می‌خواهیم به‌جای یک پاراگراف متن، رکوردی بگیریم که نویسنده، موضوع‌ها، خلاصه و دو امتیاز عددی داشته باشد: