Как проверить JSON внутри metadata-cue WebVTT от ИИ

Перед запуском запишите, какие данные считаются входом, что является ожидаемым результатом, что именно означает отказ и кому предстоит разбирать расхождение. Для такой проверки храните тестовый вход, ожидаемый результат и фактический исход раздельно: если они смешаны, тест может подтверждать сам себя. Используйте стабильные синтетические ID, чтобы видеть ошибку в журнале, не раскрывая содержимое клиентских обращений.

Сначала прогоните тест на маленьком входе, где правильное поведение известно вручную. Затем внесите одну контролируемую ошибку и убедитесь, что код её замечает. После этого верните корректный набор и только тогда расширяйте проверку до реальных данных. Не переносите демонстрационные численные значения или пороги в производство без отдельного обоснования: они выбраны для наглядности, а не рассчитаны по вашей аудитории.

Вход и ожидаемый результат

Metadata cue id=scene содержит {"scene":"intro","slide":1}; вставка пустой строки между полями должна быть отклонена. Печатает broken metadata rejected для записи с пустой строкой; компактный объект проходит. Перед тем как применять правило к закрытым данным, обсудите пограничные случаи, которые могут поменять интерпретацию входа. Запись в документации о границах теста не менее важна, чем зелёный check.

Пошаговые действия

1. Создайте scripts/check.py в корне репозитория и вставьте код из блока ниже. Он использует названия функций стандартной библиотеки, указанные в официальных ссылках в конце статьи.
2. Выполните python scripts/check.py локально. Не продолжайте, если уже демонстрационная фикстура даёт иной результат: сначала проверьте копирование кода и кодировку файла.
3. Извлеките metadata payload уже после разделения WebVTT на cue, сохранив исходную строку и ID. Выполните json.loads, затем проверьте ключи и типы в соответствии с контрактом вашего плеера. Сравните положительный пример с намеренно вставленной пустой строкой; ожидайте отказ, несмотря на то, что JSON-парсер сам мог бы принять перевод строки. Для генерации применяйте json.dumps без pretty-print, но всё равно проверяйте готовый файл. Откройте ролик и убедитесь, что метаданные привязаны к нужному времени.
4. Создайте .github/workflows/ai-corpus-check.yml из YAML-шаблона. Событие pull_request полезно для проверки данных до слияния; чтение репозитория ограничено permissions: contents: read. Скрипт не должен получать ключ внешней модели или реальные секреты.
5. В разделе Actions откройте job check, сопоставьте его код завершения с локальным прогоном и зафиксируйте ссылку на проверенный коммит в PR. Не принимайте зелёный результат на старой ревизии за проверку последнего изменения.

# scripts/check.py
import json
def check(payload):
    if '\n\n' in payload or '\r\n\r\n' in payload: raise ValueError('blank line splits cue')
    data=json.loads(payload)
    if type(data) is not dict or set(data)!={'scene','slide'}: raise ValueError('schema')
    if type(data['scene']) is not str or type(data['slide']) is not int: raise ValueError('type')
    return data
ok='{"scene":"intro","slide":1}'
assert check(ok)=={'scene':'intro','slide':1}
try: check('{"scene":"intro",\n\n"slide":1}')
except ValueError: print('broken metadata rejected')
else: raise AssertionError('expected rejection')

name: AI corpus checks
on:
  pull_request:
permissions:
  contents: read
jobs:
  check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.13'
      - run: python scripts/check.py

Ошибки интерпретации и границы

Тест ограничен одним типом метаданных и не реализует все правила синтаксиса WebVTT; json.loads отдельно принимает NaN по умолчанию, если это важно, добавьте parse_constant с отказом. Если вы расширяете набор случаев, добавляйте не только новые примеры, но и отрицательные случаи, на которых тест обязан упасть. Проверяйте, что изменение expected прошло ревью отдельно от изменения кода: иначе можно незаметно изменить правило под текущий ответ системы. Избегайте вывода полного приватного набора в CI и не сохраняйте в артефактах ответ закрытой модели без решения о доступе и хранении.

Ошибка выполнения самого Python, нераспознанный формат входа и обнаруженный бизнес-дефект — разные ситуации. В сообщении теста указывайте тип проблемы и безопасный ID. Если тест требует внешний сервис, вынесите его из PR с недоверенным кодом и явно ограничьте доступ к токенам; этот пример намеренно работает локально. Перед публикацией каких-либо результатов опишите методику, область применения и происхождение примеров, иначе читатель воспримет демонстрационную арифметику как характеристику продукта.

Практический разбор именно этого контроля

Отправить синхронизированные метаданные модели в WebVTT без разрыва одного JSON на разные cue. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: Metadata cue id=scene содержит {"scene":"intro","slide":1}; вставка пустой строки между полями должна быть отклонена. При успешном тесте ожидается: Печатает broken metadata rejected для записи с пустой строкой; компактный объект проходит. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Тест ограничен одним типом метаданных и не реализует все правила синтаксиса WebVTT; json.loads отдельно принимает NaN по умолчанию, если это важно, добавьте parse_constant с отказом. Подключая проверку к продукту, расположите её до той операции, ради которой она написана: парсинга, сохранения, отображения или экспорта. Для каждого нового формата добавляйте отдельный негативный пример и письменное решение, почему он отклоняется. Отдельно просмотрите обработку ошибок: система должна отличать невалидный ответ AI от сбоя тестовой инфраструктуры, а пользователь не должен видеть сырой стек или приватное содержимое.