Wird geladen

Flexible Tool-Extraktion

Lektion 319 Min.
Wird geladen

Das Schreiben detaillierter JSON-Schemas für strukturierte Datenextraktion kann bei der Arbeit mit KI-Tools ein echter Schmerzpunkt sein. Es gibt einen cleveren Workaround, mit dem du deine gewünschte Datenstruktur direkt in deinem Prompt angeben kannst, anstatt komplexe Schemas zu erstellen.

Der flexible Schema-Ansatz

Anstatt für jede Datenextraktionsaufgabe ein detailliertes Schema zu schreiben, kannst du ein einziges generisches Tool namens to_json erstellen, das jede beliebige Objektstruktur akzeptiert. Der Schlüssel liegt darin, das Eingabeschema so einzustellen, dass zusätzliche Eigenschaften erlaubt sind, und dann deine genauen Anforderungen direkt im Prompt anzugeben.

Tool-Spezifikation für to_json, deren Eingabeschema „json" auf den Typ „object" und „additionalProperties" auf True setzt, wodurch beliebiges JSON akzeptiert wird.

Dieser Ansatz beseitigt einen großen Schmerzpunkt - das ständige Schreiben und Verwalten großer JSON-Schemas. Die Ergebnisse werden nicht ganz so gut sein wie bei einem dedizierten Schema, aber du erhältst trotzdem hochwertige JSON-Ausgaben mit deutlich weniger Aufwand beim Setup.

Wie es funktioniert

Der Prozess ist unkompliziert:

  • Erstelle ein einziges flexibles Schema, das jede Objektstruktur akzeptiert
  • Gib in deinem Prompt genau an, welche Datenstruktur du möchtest
  • Weise Claude an, das Tool to_json mit deiner angegebenen Struktur aufzurufen
  • Verwende tool_choice, um Claude zur Nutzung deines Tools zu zwingen

Einrichten des Prompts

Beim Schreiben deines Prompts solltest du sehr explizit hinsichtlich der gewünschten Struktur sein. Hier ist ein Beispiel dafür, wie du deine Anfrage strukturieren kannst:

Analyze the article below and extract key data. Then call the to_json tool.

<article_text>
{result["text"]}
</article_text>

When you call to_json, pass in the following structure:
{{
    "title": str # title of the article,
    "author": str # author of the article,
    "topics": List[str] # List of topics mentioned in the article
}}

Den API-Aufruf durchführen

Der API-Aufruf verwendet das flexible Schema und erzwingt die Tool-Nutzung:

python
flexible_result = chat(messages, tools=[to_json_schema], tool_choice="to_json")

Einfache Strukturänderungen

Der eigentliche Vorteil wird deutlich, wenn du deine Datenstruktur ändern musst. Anstatt ein gesamtes Schema neu zu schreiben, aktualisierst du einfach deinen Prompt. Möchtest du ein Feld für die Anzahl der Themen hinzufügen? Füge einfach eine Zeile hinzu:

python
"num_topics": int # Number of topics mentioned

Das war's - keine Schemaänderungen nötig.

Wann welcher Ansatz zu verwenden ist

Der flexible Schema-Ansatz eignet sich hervorragend für:

  • Schnelles Prototyping und Experimentieren
  • Einfache Datenextraktionsaufgaben
  • Situationen, in denen du deine Datenanforderungen häufig änderst

Bleibe bei dedizierten Schemas für:

  • Kritische Produktions-Datenextraktionsaufgaben
  • Komplexe verschachtelte Datenstrukturen
  • Wenn du die höchstmögliche Genauigkeit benötigst

Der flexible Ansatz liefert dir etwa 90 % der Qualität bei 10 % des Setup-Aufwands, was ihn für die meisten Anwendungsfälle perfekt macht, in denen du strukturierte Datenextraktion ohne den Verwaltungsaufwand für Schemas benötigst.