采样、温度与确定性

import json
from typing import Any
TOOL_SCHEMA = {
    "type": "object",
    "properties": {
        "city":   {"type": "string"},
        "unit":   {"type": "string", "enum": ["celsius", "fahrenheit"]},
        "days":   {"type": "integer", "minimum": 1, "maximum": 7},
    },
    "required": ["city", "unit", "days"],
    "additionalProperties": False,
}
def call_model(messages, temperature: float):
    """占位：真实调用里把 temperature 和 response_format 一起传下去"""
    raise NotImplementedError
def validated_tool_call(messages, retries: int = 2) -> dict[str, Any] | None:
    """
    三层防线的落地：
      1. temperature=0 + 结构化输出约束（由 API 保证格式）
      2. 本地 schema 校验（参数完整性、取值范围）
      3. 带错误信息的有限重试（而不是盲目重试）
    """
    local = list(messages)
    for attempt in range(retries + 1):
        raw = call_model(local, temperature=0)
        try:
            args = json.loads(raw) if isinstance(raw, str) else raw
        except json.JSONDecodeError as e:
            local.append({"role": "user",
                          "content": f"上一次输出不是合法 JSON（{e}），请只输出 JSON 对象。"})
            continue
        err = validate(args, TOOL_SCHEMA)
        if err is None:
            return args
        # 关键：把具体错在哪回喂，模型才能真正修正
        local.append({"role": "user",
                      "content": f"参数校验失败：{err}。请修正后重新输出完整参数。"})
    return None      # 明确失败，交由上层决定是降级还是转人工
def validate(obj: dict, schema: dict) -> str | None:
    """极简校验：只示意逻辑，生产环境请用 pydantic / jsonschema"""
    for key in schema.get("required", []):
        if key not in obj:
            return f"缺少必填字段 {key}"
    if obj.get("unit") not in schema["properties"]["unit"]["enum"]:
        return f"unit 取值非法：{obj.get('unit')}"
    if not isinstance(obj.get("days"), int) or not 1 <= obj["days"] <= 7:
        return f"days 必须是 1-7 的整数，当前为 {obj.get('days')}"
    return None