Loading...

Back to Details

pydantic-ai

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

PydanticAI

PydanticAI

When to use this skill

何时使用此技能

LLM 출력이 JSON/객체 스키마를 반드시 따라야 할 때
후속 자동화(저장/분석/API 호출)에 안정적으로 넘겨야 할 때
자유서술보다 검증 가능한 구조화 출력이 중요한 경우

当LLM输出必须遵循JSON/对象架构时
需要稳定交付给后续自动化流程（存储/分析/API调用）时
可验证的结构化输出比自由文本更重要的情况

Instructions

使用说明

Step 1) 스키마 우선 설계

步骤1）架构优先设计

먼저 Pydantic 모델을 정의하고 필수/선택 필드 분리
enum/range/regex 제약을 명시
오류 메시지는 사용자 교정 가능 형태로 설계

首先定义Pydantic模型，区分必填/可选字段
明确enum/range/regex约束
错误消息设计为用户可修正的形式

Step 2) Agent + Tool 결합

步骤2）Agent与工具结合

도구 입출력도 Pydantic 타입으로 통일
실패 시 재시도 규칙(필드 누락/타입 불일치)을 분리
모델 출력이 스키마 미준수면 즉시 재질문(repair prompt)

工具的输入输出也统一为Pydantic类型
分离失败时的重试规则（字段缺失/类型不匹配）
若模型输出不符合架构，立即发起修复提示（repair prompt）

Step 3) 검증/복구 루프

步骤3）验证/修复循环

ValidationError를 카테고리화(누락/형식/논리)
동일 오류 반복 시 프롬프트가 아니라 스키마 복잡도 재검토
최종 결과에 신뢰 플래그(validated, repaired, failed) 포함

将ValidationError分类（缺失/格式/逻辑）
当同一错误重复出现时，重新审视架构复杂度而非提示词
在最终结果中包含可信度标记（validated, repaired, failed）

Step 4) 운영 적용

步骤4）生产环境部署

DB 저장 전 2차 검증(서버 측) 수행
버전드 스키마(
```
v1
```
,
```
v2
```
)로 호환성 관리
관찰 지표: first-pass success, retry rate, field error rate

存储到数据库前执行二次验证（服务器端）
使用版本化架构（
```
v1
```
、
```
v2
```
）管理兼容性
观测指标：first-pass success, retry rate, field error rate

Examples

示例

요청: "리서치 결과를 항상 동일 포맷 JSON으로 받아서 파이프라인에 넣고 싶다"
적용:
```
ResearchSummary
```
스키마 정의 후 Agent 결과를 강제 검증
결과: 파싱 실패율 감소, 후속 자동화 안정화

请求：“希望始终以相同格式的JSON接收研究结果并接入流水线”
应用：定义
```
ResearchSummary
```
架构后强制验证Agent的结果
结果：解析失败率降低，后续自动化流程更稳定

Best practices

最佳实践

자연어 요구사항을 먼저 스키마로 번역한다.
스키마는 작게 시작하고 점진적으로 확장한다.
재시도 횟수보다 오류 분류 품질을 먼저 개선한다.

先将自然语言需求转换为架构。
从简单的架构开始，逐步扩展。
优先提升错误分类质量，而非增加重试次数。

References

参考资料

https://github.com/pydantic/pydantic-ai

https://github.com/pydantic/pydantic-ai