एजंटच्या निकालाचा JSON आकार योग्य असूनही स्रोताचा अर्थ चुकीचा असू शकतो. हा मार्गदर्शक Python विकासकाला एका अनुमत नोंदफाइलपासून स्थानिक नोंदवहीपर्यंत संपूर्ण मार्ग देतो: निश्चित प्रकाराचा उत्पादक निकाल, स्रोत व अर्थ तपासणी, अचूक हॅशची मानवी मंजुरी आणि गटबद्ध Markdown अहवाल लिहून पुन्हा वाचणारा ग्राहक. स्पष्ट कृती-वचन असलेल्या स्वतःच्या नोंदी वापरा. तयारीत खऱ्या नोंदी किंवा मॉडेलचा निकाल वापरलेला नाही.

मोठा बदल

  • काय बदलले: OpenAI Agents SDK एक Pydantic output_type स्वीकारतो, म्हणून अनुप्रयोग ठरलेला निकाल मागून वापरण्यापूर्वी तपासू शकतो. उदाहरण निकालास स्रोत उद्धरणे व आवृत्ती असलेला करार जोडते.
  • हे महत्त्वाचे का: एजंटला पुढच्या टप्प्याशी जोडणारा विकासक चुकीची रचना, अपूर्ण किंवा आधारहीन आउटपुट कृतीसूची होण्याआधी थांबवू शकतो. उद्धृत नोंदी प्रत्येक काम, जबाबदार व तारीख खरोखर समर्थित करतात का आणि मॉडेलने काही गाळले का हे परीक्षकानेच ठरवायचे आहे.
  • कशाकडे लक्ष द्यावे: निर्णय ग्राहकाच्या सीमेवर होतो. ही पद्धत अचूक चालवणूक, स्रोत व उमेदवार मंजूर झाल्यावरच स्थानिक छाननी नोंदवही करते. नंतर कार्यप्रणालीत आयात करण्यासाठी स्वतंत्र अधिकार, पुनर्प्रयत्न धोरण व गंतव्यावर पुन्हा वाचून तपासणी लागेल.

एक अधिकृत स्रोत तयार करा

Python 3.12, नोंदींसाठी अधिकृत OpenAI API खाते, मूळ फाइल वाचू शकणारा परीक्षक आणि खात्यात सध्या JSON-schema रचनाबद्ध आउटपुट समर्थित असल्याचे पडताळलेले मॉडेल हवे. उत्पादक चालवण्याआधी डेटा अटी व वर्तमान किंमत तपासा. नोंदी किंवा मंजुरी फाइलमध्ये प्रवेश तपशील देऊ नका. खालील मॉडेलची एकमेव कॉल produce आहे; उरलेली प्रक्रिया स्थानिक आहे.

मूळ नोंदी UTF-8 मध्ये notes.txt येथे जतन करा. स्वतःच्या कामातील खरी स्पष्ट कृती-वचने असावीत. स्वतःच्या नोंद ओळखीसारखा स्थिर source_id द्या आणि पुनरावलोकन व वापरापर्यंत फाइलचा प्रत्येक बाइट तसाच ठेवा. निर्माण करण्यापूर्वी candidate/ तयार करा; उमेदवार फाइल नवी हवी. पुढील स्थानिक अहवालासाठी वेगळी आउटपुट डिरेक्टरी ठेवा.

चालवण्यापूर्वी स्रोत बाइटचा हॅश नोंदवा:

Terminal
python -c "from pathlib import Path; import hashlib; print(hashlib.sha256(Path('notes.txt').read_bytes()).hexdigest())"

वेगळ्या Python 3.12 वातावरणात recipe-requirements.txt तयार करून नेमक्या या ओळी द्या आणि स्थापित करा:

Text
openai-agents==0.24.0
pydantic==2.14.1
Terminal
python -m pip install -r recipe-requirements.txt
mkdir candidate

या आवृत्त्या 20 ऑक्टोबर 2026 रोजी स्थानिक Python 3.12.7 वातावरणात एकत्र स्थापित झाल्या. वापरताना सुसंगतता व मॉडेल उपलब्धता तपासा. खालील पूर्ण स्क्रिप्ट action_register_recipe.py या नावाने त्याच डिरेक्टरीत ठेवा. दोन कमांड आहेत: produce उमेदवार आणि चालवणुकीची पावती करते; consume पडताळणी व मंजुरीनंतरच अहवाल करते.

निश्चित प्रकाराचा उत्पादक चालवा

करार Extraction मध्ये आवृत्ती action-register/v1, स्थिती ready, partial किंवा blocked, स्रोत ID व अचूक फाइल बाइटचा SHA-256, कृती आणि gap_note आवश्यक आहेत. प्रत्येक कृतीला मजकूर, अचूक उद्धरण व 1 पासून मोजलेली स्रोत ओळींची सीमा, null असू शकणारी जबाबदारी व तारीख, तसेच complete किंवा needs_review पुरावा स्थिती हवी. जबाबदार किंवा तारीख null म्हणजे नोंदींमध्ये नाही. मॉडेलला दोन्हींचा अंदाज न लावण्याची सूचना आहे. सर्व क्षेत्रे आवश्यक व अतिरिक्त नाकारली जातात.

रचनाबद्ध आउटपुटचे मॉडेल स्पष्ट निवडा. स्वतःचा अनुमत पाथ व ओळख द्या:

Terminal
python action_register_recipe.py produce --source-id OWNED-ID --source notes.txt --candidate candidate/actions.json --model YOUR-STRUCTURED-OUTPUT-MODEL

हे वाचा: candidate/actions.json आणि जवळचे candidate/actions.run.json. दुसरी फाइल UUID चालवणूक ID, स्रोत व उमेदवार हॅश, शेवटचा एजंट आणि मागितलेले मॉडेल नोंदते. अपयशात त्याऐवजी चालवणूक ID प्रत्यय असलेली .failure.json निदान नोंद होते. खंड, None किंवा साधा स्ट्रिंग अंतिम आउटपुट, अथवा अनपेक्षित अंतिम एजंट म्हणजे यश नाही. कमांड SDK ची पुन्हा सुरू करता येणारी स्थिती RunState साठवत नाही; अपयश पावतीने चालवणूक पुढे नेता येत नाही. नवे चालवणे योग्य का ठरवण्याआधी विनंती, उमेदवार व पुढील स्थिती तपासा.

अर्थ तपासून अचूक उमेदवार मंजूर करा

अनुप्रयोग काटेकोर प्रकार व आवश्यक क्षेत्रे, स्रोत ओळख, तयार स्थिती, किमान एक संपूर्ण कृती, वैध ओळींच्या सीमा, त्यातील उद्धरण, रिकामे नसलेले काम किंवा जबाबदार आणि प्रमाणित YYYY-MM-DD तारखा तपासतो. हे रचना व उद्धरणाची जागा सिद्ध करते. वाक्य खरंच वचन आहे, नाव किंवा तारखेचा दावा केलेला अर्थ आहे किंवा सर्व वचने सापडली हे सिद्ध होत नाही.

मूळ नोंदी व प्रत्येक प्रस्तावित कृती वाचा. अर्थ, जबाबदार, तारीख, उद्धरण व गाळलेल्या बाबी तुलना करा. संदिग्धता नव्या पुनरावलोकित चालवणुकीतून सोडवा; आधारहीन, अर्धवट किंवा अडवलेले उमेदवार मंजूर करू नका. अपरिवर्तित फाइल व उमेदवार actions.run.json शी जुळतात हे पाहून approval.json नेमक्या या सात कींसह लिहा. तपासलेल्या पावतीतून ID व हॅश घ्या. परीक्षकाची खरी ओळख व केलेल्या तपासणीचे ठोस वर्णन द्या:

JSON
{
  "approved": true,
  "run_id": "COPY-RUN-ID",
  "source_id": "OWNED-ID",
  "source_sha256": "COPY-SOURCE-SHA256",
  "payload_sha256": "COPY-PAYLOAD-SHA256",
  "reviewer": "YOUR-REVIEWER-ID",
  "review_note": "Describe the source, task, owner, date, quotation and omission checks actually performed."
}

approved हा JSON बूलियन true असावा, स्ट्रिंग किंवा संख्या नव्हे. इतर मूल्ये स्ट्रिंग असावीत; परीक्षक व टिपण रिकामे नसावे. अतिरिक्त क्षेत्रे अयशस्वी होतात. मंजुरी एक उमेदवार व स्रोत आवृत्तीला बांधते, पुढील कोणत्याही पुनर्लेखनाला नाही.

वापरून अहवाल पुन्हा वाचा

Terminal
python action_register_recipe.py consume --source-id OWNED-ID --source notes.txt --candidate candidate/actions.json --approval approval.json --out private-output

ग्राहक स्वीकारलेल्या कृती Assigned with dates, Needs an owner आणि Needs a date मध्ये विभागतो. प्रत्येक नोंदीत काम, जबाबदार/तारीख स्थिती, उद्धरण व स्रोत ओळी असतात. तो action-register-<payload-hash-prefix>.md आणि शेजारची .receipt.json लिहितो, त्यात चालवणूक, स्रोत, उमेदवार व अहवाल हॅश असतात. दोन्ही उघडून उद्धृत कृती नोंदींशी तुलना करा आणि report_sha256 Markdown फाइलच्या बाइटशी तपासा. वैध पावती फक्त स्थानिक फाइल तयार झाली व पुन्हा वाचली हे सांगते; बाह्य कार्यप्रणालीत लेखन मंजूर करत नाही.

वापराची कमांड अहवाल व पावतीचे प्रत्यक्ष पाथ दाखवते. बाइट तपासणीस ते वापरा:

Terminal
python -c "from pathlib import Path; import hashlib,json,sys; report=Path(sys.argv[1]); receipt=json.loads(Path(sys.argv[2]).read_text(encoding='utf-8')); assert hashlib.sha256(report.read_bytes()).hexdigest()==receipt['report_sha256']; print('report hash matches receipt')" PATH-PRINTED-FOR-REPORT PATH-PRINTED-FOR-RECEIPT

उमेदवार मिळाल्यावर स्पष्ट कृत्रिम रचनात्मक नमुन्याने नकार तपासा. JSON वेगळ्या फाइलमध्ये कॉपी करा, पहिल्या कृतीचे कोणतेही आवश्यक क्षेत्र काढा आणि consume चुकीची फाइल व नवी रिकामी आउटपुट डिरेक्टरी देऊन चालवा. फाइल तयार होण्यापूर्वी अपयश हवे. नमुन्याला तथ्यात्मक माहिती काढणे समजू नका किंवा मंजूर करू नका. उदाहरणार्थ, पुढची स्थानिक तपासणी प्रतीतून evidence_quote काढते:

Terminal
python -c "import json; from pathlib import Path; p=json.loads(Path('candidate/actions.json').read_text(encoding='utf-8')); p['actions'][0].pop('evidence_quote'); Path('candidate/SYNTHETIC-malformed.json').write_text(json.dumps(p), encoding='utf-8')"
python action_register_recipe.py consume --source-id OWNED-ID --source notes.txt --candidate candidate/SYNTHETIC-malformed.json --approval approval.json --out synthetic-rejection-output

दुसरी कमांड अपयशी व आउटपुट डिरेक्टरी अनुपस्थित असावी. खऱ्या उमेदवाराची पहिली कृती नसेल तर नमुना वापरू नका; तो ग्राहकासाठी आधीच अपूर्ण आहे. लेखन अनिश्चित असल्यास पुनर्प्रयत्नाआधी निर्धारीत अहवाल व पावती तपासा. तेच विद्यमान बाइट पुन्हा वापरता येतात; वेगळे असल्यास जुळवणीस प्रक्रिया थांबते. स्रोत किंवा स्कीमा आवृत्ती बदलल्यास नवे पुनरावलोकन हवे. स्थानिक ग्राहकाचे उत्तर अस्पष्ट म्हणून मॉडेल कॉल पुन्हा करू नका.

संपूर्ण Python कृतीक्रम

ही स्क्रिप्ट जशीच्या तशी action_register_recipe.py मध्ये कॉपी करा:

Python
"""Private, bounded recipe. No model call occurs unless `produce` is explicitly run."""

import argparse
import hashlib
import json
import uuid
from datetime import date
from pathlib import Path
from typing import Literal

from pydantic import BaseModel, ConfigDict, StrictInt, StrictStr, ValidationError


class StrictModel(BaseModel):
    model_config = ConfigDict(extra="forbid", strict=True)


class Action(StrictModel):
    action_text: StrictStr
    evidence_quote: StrictStr
    line_start: StrictInt
    line_end: StrictInt
    owner: StrictStr | None
    due_date: StrictStr | None
    evidence_status: Literal["complete", "needs_review"]


class Extraction(StrictModel):
    schema_version: Literal["action-register/v1"]
    status: Literal["ready", "partial", "blocked"]
    source_id: StrictStr
    source_sha256: StrictStr
    actions: list[Action]
    gap_note: StrictStr | None


def digest(data: bytes) -> str:
    return hashlib.sha256(data).hexdigest()


def canonical(payload: Extraction) -> bytes:
    return json.dumps(payload.model_dump(mode="json"), sort_keys=True, ensure_ascii=False, separators=(",", ":")).encode("utf-8")


def check(payload: Extraction, source_id: str, source: bytes) -> None:
    if payload.source_id != source_id or payload.source_sha256 != digest(source):
        raise ValueError("source identity or revision mismatch")
    lines = source.decode("utf-8").splitlines()
    if payload.status == "ready" and (not payload.actions or payload.gap_note is not None):
        raise ValueError("ready requires actions and no gap")
    if payload.status != "ready":
        raise ValueError("partial or blocked result cannot reach consumer")
    for index, item in enumerate(payload.actions, 1):
        if item.evidence_status != "complete":
            raise ValueError(f"action {index}: evidence needs review")
        if not item.action_text.strip() or not item.evidence_quote.strip():
            raise ValueError(f"action {index}: empty task or evidence")
        if not 1 <= item.line_start <= item.line_end <= len(lines):
            raise ValueError(f"action {index}: invalid source line range")
        segment = "\n".join(lines[item.line_start - 1:item.line_end])
        if item.evidence_quote not in segment:
            raise ValueError(f"action {index}: quotation absent from source span")
        if item.owner is not None and not item.owner.strip():
            raise ValueError(f"action {index}: blank owner")
        if item.due_date is not None:
            try:
                if date.fromisoformat(item.due_date).isoformat() != item.due_date:
                    raise ValueError()
            except ValueError as exc:
                raise ValueError(f"action {index}: due date must be YYYY-MM-DD") from exc


def report(payload: Extraction) -> str:
    """Application consumer: a triage register grouped by missing ownership/date."""
    groups = [
        ("Assigned with dates", lambda x: x.owner is not None and x.due_date is not None),
        ("Needs an owner", lambda x: x.owner is None),
        ("Needs a date", lambda x: x.owner is not None and x.due_date is None),
    ]
    rows = ["# Action register for " + payload.source_id, "", "Review artifact; source meaning was approved separately.", ""]
    for heading, predicate in groups:
        rows += ["## " + heading, ""]
        matches = [(n, a) for n, a in enumerate(payload.actions, 1) if predicate(a)]
        for number, action in matches:
            rows += [f"{number}. {action.action_text}", f"   Owner: {action.owner or 'Unspecified'}; due: {action.due_date or 'Unspecified'}", f"   Source lines {action.line_start}-{action.line_end}: {action.evidence_quote}", ""]
        if not matches:
            rows += ["None.", ""]
    return "\n".join(rows)


def load_payload(path: Path) -> Extraction:
    return Extraction.model_validate_json(path.read_bytes(), strict=True)


def consume(source_id: str, source_path: Path, payload_path: Path, approval_path: Path, out_dir: Path) -> tuple[Path, Path]:
    source = source_path.read_bytes()
    payload = load_payload(payload_path)
    check(payload, source_id, source)
    run = json.loads(payload_path.with_suffix(".run.json").read_text(encoding="utf-8"))
    payload_hash = digest(canonical(payload))
    if run.get("source_id") != source_id or run.get("source_sha256") != digest(source) or run.get("payload_sha256") != payload_hash or run.get("last_agent") != "Owned-source action extractor" or not str(run.get("run_id", "")).strip():
        raise ValueError("producer receipt does not match accepted candidate")
    approval = json.loads(approval_path.read_text(encoding="utf-8"))
    if (type(approval) is not dict
            or set(approval) != {"approved", "run_id", "source_id", "source_sha256", "payload_sha256", "reviewer", "review_note"}
            or approval["approved"] is not True
            or any(type(approval[key]) is not str for key in ("run_id", "source_id", "source_sha256", "payload_sha256", "reviewer", "review_note"))
            or not approval["reviewer"].strip() or not approval["review_note"].strip()
            or approval["run_id"] != run["run_id"]
            or approval["source_id"] != source_id
            or approval["source_sha256"] != digest(source)
            or approval["payload_sha256"] != payload_hash):
        raise ValueError("human source/meaning approval must bind exact source and payload hashes")
    body = report(payload).encode("utf-8")
    stem = "action-register-" + payload_hash[:16]
    out_dir.mkdir(parents=True, exist_ok=True)
    target = out_dir / (stem + ".md")
    receipt = out_dir / (stem + ".receipt.json")
    record = {"run_id": run["run_id"], "source_id": source_id, "source_sha256": digest(source), "payload_sha256": payload_hash, "report_sha256": digest(body), "reviewer": approval["reviewer"], "operation": "local action-triage register"}
    encoded = (json.dumps(record, indent=2) + "\n").encode("utf-8")
    for path, data in [(target, body), (receipt, encoded)]:
        if path.exists():
            if path.read_bytes() != data:
                raise ValueError(f"uncertain prior output differs: {path}; inspect before retry")
        else:
            with path.open("xb") as handle:
                handle.write(data)
        if path.read_bytes() != data:
            raise IOError(f"readback failed: {path}")
    return target, receipt


def produce(source_id: str, source_path: Path, candidate_path: Path, model: str) -> None:
    from agents import Agent, Runner

    source = source_path.read_bytes()
    source_text = source.decode("utf-8")
    if not source_text.strip() or candidate_path.exists() or not candidate_path.parent.is_dir():
        raise ValueError("source must contain text; candidate must be new and its parent directory must already exist")
    run_id = str(uuid.uuid4())
    agent = Agent(
        name="Owned-source action extractor",
        model=model,
        instructions=("Extract only explicit action commitments from the supplied numbered source. "
                      "Return action-register/v1. Copy an exact quote with matching 1-based line span. "
                      "Use null for an unstated owner or due date; never infer them. "
                      "Use partial and needs_review for ambiguous evidence; blocked for unusable input. "
                      "Do not use tools or hand off."),
        output_type=Extraction,
    )
    numbered = "\n".join(f"{n}: {line}" for n, line in enumerate(source_text.splitlines(), 1))
    try:
        result = Runner.run_sync(agent, f"Source ID: {source_id}\nSHA-256: {digest(source)}\nNumbered source:\n{numbered}")
        if result.interruptions or result.last_agent is not agent or not isinstance(result.final_output, Extraction):
            raise ValueError("run interrupted, unfinished, or finished by unexpected agent; this CLI does not persist resumable RunState, so do not resume from its failure receipt")
        output = result.final_output
        if output.source_id != source_id or output.source_sha256 != digest(source):
            raise ValueError("producer returned wrong source identity")
        candidate = canonical(output)
        with candidate_path.open("xb") as handle:
            handle.write(candidate)  # Candidate only; consumer still requires review.
        receipt = {"run_id": run_id, "source_id": source_id, "source_sha256": digest(source), "payload_sha256": digest(candidate), "last_agent": result.last_agent.name, "model": model}
        with candidate_path.with_suffix(".run.json").open("x", encoding="utf-8") as handle:
            handle.write(json.dumps(receipt, indent=2) + "\n")
    except Exception as exc:
        failure = {"run_id": run_id, "source_id": source_id, "source_sha256": digest(source), "error_type": type(exc).__name__, "error": str(exc), "state": "unknown_or_blocked; inspect run and destination before retry"}
        with candidate_path.with_name(candidate_path.stem + "." + run_id + ".failure.json").open("x", encoding="utf-8") as handle:
            handle.write(json.dumps(failure, indent=2) + "\n")
        raise


def main() -> None:
    parser = argparse.ArgumentParser()
    sub = parser.add_subparsers(dest="command", required=True)
    for name in ("produce", "consume"):
        p = sub.add_parser(name)
        p.add_argument("--source-id", required=True)
        p.add_argument("--source", type=Path, required=True)
        if name == "produce":
            p.add_argument("--candidate", type=Path, required=True)
            p.add_argument("--model", required=True)
        else:
            p.add_argument("--candidate", type=Path, required=True)
            p.add_argument("--approval", type=Path, required=True)
            p.add_argument("--out", type=Path, required=True)
    args = parser.parse_args()
    if args.command == "produce":
        produce(args.source_id, args.source, args.candidate, args.model)
    else:
        print(*consume(args.source_id, args.source, args.candidate, args.approval, args.out), sep="\n")


if __name__ == "__main__":
    main()

मर्यादा व स्रोत

स्क्रिप्टचा करार व स्थानिक ग्राहक पाच ऑफलाइन चाचण्या आणि सात कृत्रिम अनुकरण उत्पादक किंवा पुनर्प्रयत्न प्रकरणांनी तपासले. काटेकोर स्कीमा निर्माण, फाइलपूर्व नकार, गटबद्ध निष्पत्ती, हॅश व अपयश हाताळणी तपासली. पुरवठादाराला स्कीमा पाठवला नाही, मॉडेल कॉल केली नाही, खऱ्या नोंदी काढल्या नाहीत, तथ्यात्मक मानवी मंजुरी घेतली नाही, खऱ्या स्रोताचा अहवाल केला नाही आणि बिल किंवा गुणवत्ता मोजली नाही. API शुल्क खात्यानुसार आहे; स्रोत पाठवण्याआधी वर्तमान सुसंगतता, किंमत व डेटा परवानगी तपासा.

संबंधित संदर्भासाठी BIG CHANGE चा स्वतःच्या कामातून AI काम निवडण्याचा मार्गदर्शक कोणते काम तपासावे हा आधीचा निर्णय सांगतो. हा मार्गदर्शक निवडलेल्या अनुमत माहिती-काढणीपासून एक निश्चित प्रकाराचा निकाल तपासलेल्या स्थानिक ग्राहकापर्यंत नेतो.

स्रोत व पुढील वाचन

  • OpenAI Agents SDK: Agents Pydantic चे output_type वर्णन करतो. या पद्धतीची मानवी मंजुरी किंवा स्थानिक ग्राहक देत नाही.
  • OpenAI Agents SDK: Results यांचे वर्णन करतो: final_output, last_agent, खंड आणि to_state(). हा CLI पुन्हा सुरू करण्याची स्थिती ठेवत नाही.
  • OpenAI Agents SDK: Quickstart स्थापना व API कीची मांडणी सांगतो. की स्रोत व पावतीबाहेर ठेवा.
  • OpenAI Structured Outputs काटेकोर स्कीमा नियम व मॉडेल समर्थन सांगतो. निवडलेल्या मॉडेलचे समर्थन तपासा.
  • Pydantic ConfigDict काटेकोर पडताळणी व अतिरिक्त क्षेत्रे नाकारण्याचे वर्णन करतो.
  • OpenAI Agents SDK 0.24.0 आणि Pydantic 2.14.1 स्थानिक स्थापित निश्चित आवृत्त्या दर्शवतात. पुरवठादाराची स्वीकृती तपासलेली नाही.