HyperAIHyperAI

Command Palette

Search for a command to run...

دليل عملي لاستخدام ميزة الإخراج المهيكلة الجديدة من Anthropic في نماذجها الرائدة

أعلنت شركة أنتropic عن إطلاق ميزة "المخرجات المُهيكلة" (Structured Outputs) لنموذجها الرئيسي في واجهة برمجة التطبيقات (API)، وهي ميزة تضمن أن تكون إجابة النموذج دائمًا مطابقة للهيكل المحدد مسبقًا باستخدام مخططات JSON أو نماذج Pydantic. تُعد هذه الميزة حلاً مهماً لمشكلة تكرار توليد مخرجات غير منسقة، التي كانت تُعاني منها التطبيقات التي تعتمد على مخرجات نماذج الذكاء الاصطناعي لعمليات معالجة لاحقة. تُقدم الميزة حاليًا في النسخة التجريبية (beta) وتعمل مع نماذج "كلاود سونيت 4.5" و"أوبس 4.1". تُضمن الميزة أن تكون المخرجات متوافقة مع المخططات المحددة، لكنها لا تضمن دقة المحتوى — إذ يمكن للنموذج أن يُصَدِّر إجابة مُهيكلة ولكن خاطئة (مُحَلَّفَة). لذا، تظل التحقق من المحتوى ضرورية. لتجربة الميزة، يُنصح بإنشاء بيئة تطوير منفصلة باستخدام Miniconda أو أي أداة تهيئة بيئة مماثلة. ثم تثبيت المكتبات الضرورية مثل anthropic وpydantic وbeautifulsoup4 وjupyter. في المثال الأول، تم استخدام الميزة لاستخراج معلومات من مقالات ويكيبيديا عن علماء مشهورين (مثل أينشتاين، فاينمان، ماكسويل، غوث) ببنية مُهيكلة. تم تعريف مخطط JSON يحدد الحقول المطلوبة: الاسم، تاريخ الولادة، السبب الشهير، سنة حصوله على جائزة نوبل (0 إذا لم يحصل عليها)، ومكان ووقت الوفاة. عبر تمرير هذا المخطط إلى معلمة output_format، تأكد النموذج من إرجاع JSON مطابق، مما يسهل استخراج البيانات بسلاسة. في المثال الثاني، تم تطبيق الميزة في سياق تطوير البرمجيات: تحليل كود Python يحتوي على ثغرة أمنية (SQL Injection) وسلوكيات سيئة. تم تعريف فئة Pydantic تُحدد هيكل المخرجات: تقييم أمان، قائمة بثغرات مصنفة حسب درجة الخطورة (منخفضة إلى حرجة)، كود مُعدّل آمن، وشرح للتعديلات. عند إرسال الكود، أعاد النموذج JSONًا مُهيكلًا بدقة، مع تقييم "غير آمن للتشغيل" وتحديد الثغرة الحرجة في السطر 7. النتيجة: مخرجات قابلة للدمج مباشرة في سير العمل التلقائي (مثل CI/CD)، مع تفاصيل مُصنفة بوضوح، وتمييز تلقائي للثغرات، وناتج كود نظيف وآمن. يُعد هذا تقدماً كبيراً في تحويل النماذج من أدوات تفاعلية إلى مكونات برمجية موثوقة. باختصار، ميزة "المخرجات المُهيكلة" تُمكّن المطورين من الاعتماد على نماذج الذكاء الاصطناعي كمُكونات برمجية مُحددة، بدلاً من محادثات غير منسقة. تُعد خطوة حاسمة نحو دمج الذكاء الاصطناعي في تطبيقات حقيقية ومتقدمة، مع تقليل الحاجة إلى معالجة مُتعددة الخطوات أو استخدام تعابير منتظمة معقدة.

الروابط ذات الصلة