Skip to main content

Réponse courte

Traitez la sortie du modèle comme un texte non fiable. Demandez du JSON, conservez la réponse brute, analysez-la localement et validez l’objet avec Pydantic. En cas d’échec, renvoyez une erreur explicite ou effectuez une seule tentative de réparation limitée. Cette méthode ne nécessite pas de paramètre de sortie structurée propre à un fournisseur. Elle ne garantit pas non plus un JSON valide dès la première réponse.

Exemple Python

Installez OpenAI SDK et Pydantic, puis utilisez l’API OpenAI-compatible Chat Completions :
Copiez le Model ID complet depuis la place des modèles. Conservez la BetterToken API Key dans une variable d’environnement, pas dans le code source.

Flux de validation

  1. Définissez le plus petit schema nécessaire à l’application.
  2. Demandez du JSON sans ajouter de champs absents du schema.
  3. Conservez la réponse brute dans un emplacement protégé si votre politique de données l’autorise.
  4. Analysez avec json.loads.
  5. Validez avec model_validate.
  6. Renvoyez un échec explicite ou effectuez une tentative de réparation limitée.
Ne complétez pas silencieusement les valeurs absentes, n’inventez pas de defaults et ne réessayez pas indéfiniment. L’objet réparé doit passer le même schema.

Vérifications en cas d’échec

Pydantic valide l’objet côté client. Il ne prouve pas que les valeurs factuelles sont correctes. Ajoutez des contrôles métier pour les ID, autorisations, totaux et autres règles du domaine.

Limite de capacité

Le contrat publié de BetterToken Chat Completions documente la requête OpenAI-compatible et la réponse texte. Les champs de sortie structurée spécifiques varient selon le modèle et la route. N’envoyez aucun champ non documenté sans prise en charge explicite dans la référence actuelle.

Documents associés