構造化抽出

請求書、メール、議事録、スクレイピングしたページなどの自由形式テキストから構造化レコードを取り出します。strict な JSON Schema を使えば、出力は毎回クリーンにパースできます。

例: 連絡先情報の抽出

from openai import OpenAI

client = OpenAI(base_url="https://api.aiand.com/v1", api_key="sk-...")

text = """
From: Jane Doe <jane@example.com>
Re: Coffee next week
Phone: +1 555-123-4567
"""

response = client.chat.completions.create(
    model="deepseek-ai/deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "Extract contact info from the user's text."},
        {"role": "user", "content": text},
    ],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "contact",
            "strict": True,
            "schema": {
                "type": "object",
                "properties": {
                    "name": {"type": "string"},
                    "email": {"type": "string"},
                    "phone": {"type": ["string", "null"]},
                },
                "required": ["name", "email", "phone"],
                "additionalProperties": False,
            },
        },
    },
)

import json
contact = json.loads(response.choices[0].message.content)
print(contact)
# {'name': 'Jane Doe', 'email': 'jane@example.com', 'phone': '+1 555-123-4567'}

Pydantic と併用 (Python)

OpenAI Python SDK は Pydantic モデルからスキーマを自動生成できます:

from pydantic import BaseModel
from typing import Optional

class Contact(BaseModel):
    name: str
    email: str
    phone: Optional[str]

response = client.chat.completions.parse(
    model="deepseek-ai/deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "Extract contact info."},
        {"role": "user", "content": text},
    ],
    response_format=Contact,
)

contact = response.choices[0].message.parsed
print(contact.name, contact.email)

Tips

すべてのフィールドを required にし、任意項目は ["string", "null"] で表現 — strict モードは欠落を拒否しますが nullable は許可します。
additionalProperties: false を指定して余計なフィールドを防ぐ。
複数件 (例: 複数の連絡先) は {"type": "array", "items": {...}} で外側オブジェクトにラップ。