结构化数据实战：用OpenAI和DeepSeek API自动生成考勤报表和书籍信息

张

张建站

2026/8/10 4:26:36

10分钟阅读

结构化数据实战用OpenAI和DeepSeek API自动生成考勤报表和书籍信息在数字化转型浪潮中企业越来越依赖自动化工具来处理日常业务流程。考勤管理和内容管理作为两个典型场景往往需要从非结构化文本中提取关键信息并转化为可操作的数据。本文将深入探讨如何利用OpenAI和DeepSeek API的结构化输出功能构建高效的数据处理流水线。1. 结构化数据的基础概念与应用价值结构化数据是指按照预定义模型组织的信息通常以表格或JSON格式呈现。与自由文本相比它具有明确的字段定义和数据类型约束能够直接被应用程序解析和处理。在企业环境中结构化数据的价值主要体现在三个方面系统集成标准化格式便于不同系统间的数据交换自动化处理减少人工干预提高处理效率数据分析为BI工具提供可直接使用的数据源以考勤管理为例传统方式需要HR人员手动录入员工出勤记录到表格中。而通过AI结构化输出系统可以直接从自然语言描述生成标准化的JSON数据大幅减少人工操作。2. 技术选型OpenAI与DeepSeek的JSON输出能力对比2.1 OpenAI的结构化输出实现OpenAI通过response_format参数和JSON Schema定义来实现严格的结构化输出。开发者可以精确控制返回数据的格式和内容。response client.chat.completions.create( modelgpt-4, messages[...], response_format{ type: json_schema, json_schema: { type: object, properties: { name: {type: string}, working_days: {type: integer} }, required: [name, working_days] }, strict: True } )关键特性严格模式启用strict:true时模型必须完全遵循Schema定义类型检查支持字符串、数字、布尔等基本数据类型嵌套结构可以定义复杂的对象和数组结构2.2 DeepSeek的JSON输出方案DeepSeek采用提示工程结合response_format参数的方式实现结构化输出。虽然灵活性更高但对提示词质量有较强依赖。response client.chat.completions.create( modeldeepseek-chat, messages[ { role: system, content: 你是一个人力资源助手。请输出JSON格式的考勤数据包含name(字符串)、working_days(整数)、absence_reason(字符串或null) }, {role: user, content: input_text} ], response_format{type: json_object} )两者的核心差异可以通过下表对比特性OpenAIDeepSeek定义方式JSON Schema strict模式提示工程示例严格性高强制遵循Schema中依赖提示质量灵活性较低需预定义结构高可动态调整适用场景复杂结构、高可靠性需求简单结构、快速原型开发3. 考勤报表自动化生成实战3.1 业务需求分析典型考勤系统需要处理以下信息员工基本信息姓名、工号出勤数据工作日数、缺勤天数异常情况请假类型、迟到早退记录传统解决方案需要设计复杂的表单和校验规则而AI方案可以直接从自然语言描述中提取结构化数据。3.2 OpenAI实现方案首先定义完整的JSON Schema来描述考勤数据结构attendance_schema { type: object, properties: { employee_id: {type: string}, name: {type: string}, department: {type: string}, year_month: {type: string, format: date}, working_days: {type: integer}, absence_days: {type: integer}, leave_records: { type: array, items: { type: object, properties: { date: {type: string, format: date}, type: {type: string, enum: [病假, 事假, 年假]}, duration: {type: number} } } } }, required: [employee_id, name, year_month, working_days] }然后构建API调用函数def generate_attendance_report(text_input): response client.chat.completions.create( modelgpt-4, messages[ {role: system, content: 你是一个考勤数据处理助手}, {role: user, content: text_input} ], response_format{ type: json_schema, json_schema: attendance_schema, strict: True } ) return json.loads(response.choices[0].message.content)提示在实际应用中建议添加异常处理逻辑应对API可能返回的非JSON响应。3.3 DeepSeek实现方案对于DeepSeek我们需要在系统提示中详细说明输出要求system_prompt 你是一个考勤数据处理系统。请将以下考勤信息转换为JSON格式包含字段 - employee_id: 员工工号(字符串) - name: 员工姓名(字符串) - department: 部门名称(字符串) - year_month: 年月(YYYY-MM格式) - working_days: 工作天数(整数) - absence_days: 缺勤天数(整数) - leave_records: 请假记录数组(可选)每个记录包含 - date: 日期(YYYY-MM-DD) - type: 请假类型(病假/事假/年假) - duration: 时长(小时) 示例输入张三(工号A1001)在2023-11月出勤22天请了1天病假示例输出{ employee_id: A1001, name: 张三, year_month: 2023-11, working_days: 22, absence_days: 1, leave_records: [{ date: 2023-11-15, type: 病假, duration: 8 }] }调用方式与OpenAI类似但不需要定义Schemaresponse client.chat.completions.create( modeldeepseek-chat, messages[ {role: system, content: system_prompt}, {role: user, content: text_input} ], response_format{type: json_object} )4. 书籍信息结构化提取方案4.1 内容管理中的信息提取需求在数字内容管理系统中经常需要从各种来源提取标准化的书籍信息包括基础元数据书名、作者、ISBN出版信息出版社、出版日期内容分类主题、关键词4.2 OpenAI实现方案定义书籍信息的JSON Schemabook_schema { type: object, properties: { title: {type: string}, authors: { type: array, items: {type: string} }, publisher: {type: string}, publish_date: {type: string, format: date}, isbn: {type: string, pattern: ^[0-9-]$}, categories: { type: array, items: {type: string} } }, required: [title, authors] }处理函数示例def extract_book_info(text): response client.chat.completions.create( modelgpt-4, messages[ {role: system, content: 从文本中提取书籍信息}, {role: user, content: text} ], response_format{ type: json_schema, json_schema: book_schema, strict: False # 非严格模式允许缺失非必填字段 } ) return json.loads(response.choices[0].message.content)4.3 DeepSeek实现方案系统提示设计book_prompt 请从文本中提取书籍信息输出JSON格式包含以下字段 - title: 书名(字符串) - authors: 作者列表(字符串数组) - publisher: 出版社(字符串可选) - publish_date: 出版日期(YYYY-MM-DD格式可选) - isbn: ISBN号(包含连字符可选) - categories: 分类标签(字符串数组可选) 示例输入《机器学习实战》由Peter Harrington编写人民邮电出版社2013年出版ISBN为978-7-115-31790-8 示例输出{ title: 机器学习实战, authors: [Peter Harrington], publisher: 人民邮电出版社, publish_date: 2013-01-01, isbn: 978-7-115-31790-8 }5. 生产环境中的最佳实践5.1 错误处理与数据校验即使使用严格模式API响应仍可能出现问题建议采取以下措施响应验证检查返回数据是否符合预期结构重试机制对无效响应自动重试后备方案当自动提取失败时转人工处理def safe_extract(text, max_retries3): for attempt in range(max_retries): try: data extract_book_info(text) if validate_book_data(data): # 自定义校验函数 return data except (json.JSONDecodeError, KeyError) as e: continue return None # 或触发人工处理流程5.2 性能优化技巧批量处理将多个请求合并为一个API调用缓存结果对相同输入缓存响应数据超时设置避免单次请求耗时过长5.3 成本控制策略策略OpenAIDeepSeek模型选择根据精度需求选择gpt-3.5或gpt-4使用默认模型即可提示优化精简system prompt提供清晰示例减少重复输出响应限制设置max_tokens限制输出JSON的复杂度在实际项目中我们通常会根据业务需求混合使用两种API——对关键业务数据使用OpenAI的严格模式对辅助性数据使用DeepSeek的灵活方案。这种组合能够在保证核心数据质量的同时控制成本。