关于GPT API与Pydantic模型的技术问询及发票表格优化

1. OpenAI API调用方式与response_format机制 #

调用方式正确性 #

代码存在一处语法错误：class quantity_code: str = Field(...)这行写法无效，应将quantity_code字段归入TableRow类中，修正后的代码如下：

class TableRow(BaseModel):
    net_amount: float = Field(..., description="The amount before taxes of the line item")
    gross_amount: float = Field(..., description="The amount after taxes of the line item")
    quantity: int = Field(..., description="The quantity of the line item bought")
    quantity_code: str = Field(..., description="The code associated with the line item")

排除上述语法错误后，使用llm_client.beta.chat.completions.parse()并传入Pydantic模型作为response_format的调用方式是正确的，这是OpenAI官方支持的结构化输出方案，仅适用于gpt-4o及以上支持结构化输出的模型。

response_format的处理逻辑 #

OpenAI不会将Pydantic BaseModel直接注入提示词，而是会自动将模型结构转换为对应的JSON Schema，后台基于该Schema约束模型输出，确保返回内容严格匹配指定结构，无需开发者手动在提示词中描述结构规则。

2. 提升GPT处理发票表格数据性能的方法 #

• 优化图像输入质量
  • 上传高分辨率、清晰对焦的发票图像，避免模糊、倾斜；扫描件需去除阴影、噪点等干扰元素。
  • 裁剪发票的表格区域，仅保留有效内容，减少模型处理的冗余信息。
• 精准设计提示词
  • 明确提取规则，例如“忽略合计行”“空字段返回null”“严格按指定字段输出，不得添加额外内容”。
  • 补充发票背景信息，比如“这是餐饮行业增值税普通发票，表格每行对应一个消费条目”。
• 强化结构化约束
  • 细化Pydantic模型的字段描述，消除歧义，例如将quantity的描述明确为“购买商品的实际数量”。
  • 为数值型字段添加校验规则，比如net_amount: float = Field(..., gt=0, description="税前金额，必须大于0")，确保输出符合业务逻辑。
• 合理选择模型与参数
  • 优先选用gpt-4o或gpt-4o-mini，二者在多模态表格提取场景下的性能显著优于旧模型；对成本敏感时可选择gpt-4o-mini。
  • 将temperature参数设置为0.1-0.2，在保证输出稳定性的同时，适配少量格式特殊的发票。
• 优化处理流程
  • 批量发票采用异步处理方式，避免同步调用的超时问题。
  • 对提取失败或不符合结构的结果设置重试逻辑，重试时补充更明确的提示词引导模型输出。

内容的提问来源于stack exchange，提问作者mndl