Гайд · TNWS AI

Как обнаружить повторяющиеся ключи в JSON-ответе AI до разбора полей

19 сентября 2026 6 мин—

Пошаговый тест AI-ответа на повторяющиеся JSON-ключи через object_pairs_hook: положительная и отрицательная фикстуры, CI и диагностика.

Задача и применимость

Интеграция с CRM должна отвергать ответ AI, в котором поле priority встретилось дважды с противоречащими значениями, вместо молчаливого выбора последнего. Обычный json.loads превращает JSON-объект в словарь. При повторении одного имени в объекте информация о первом значении теряется, поэтому проверка только итогового словаря не увидит неоднозначность. Для контроля используйте параметр object_pairs_hook: он получает последовательность пар до построения словаря. В этой статье мы не реализуем полную JSON Schema, а ловим конкретный дефект на любой вложенности объекта. Здесь используется локальная тестовая фикстура: значения приведены как пример входа и ожидаемого поведения, а не как измерение реального сервиса. Если ваш проект вызывает внешнюю модель, проверьте документацию выбранного поставщика отдельно и не считайте локальную симуляцию проверкой доступности API.

Названия методов Python, синтаксис GitHub Actions и используемые версии actions сверены с официальными первоисточниками 19.09.2026. Команды в шаблонах следует запускать в собственном репозитории после проверки путей; никакие цены, тарифы и результаты производительности в статье не предполагаются.

Подготовка данных и критерий ошибки

Перед кодом сформулируйте один проверяемый инвариант из задачи: что конкретно должно пройти и какой специально нарушенный пример обязан завершиться ошибкой. Используйте синтетические обращения и стабильные ID. Данные, попавшие в репозиторий или журнал CI, могут увидеть участники проекта; не копируйте сюда реальные обращения, ключи и закрытые документы. Фикстура не должна зависеть от сегодняшнего ответа модели: ожидаемое значение задаётся после предметной проверки.

Оставьте тестовые файлы рядом с кодом. При изменении бизнес-правила обновляйте его описание и expected осознанно, отдельным ревью. Простой зелёный запуск не является доказательством: сначала проверьте, что отрицательный кейс действительно делает job красным. Ошибка должна сообщать ID или номер строки, но не раскрывать чувствительный исходный текст.

Входная фикстура, которую можно скопировать

Сохраните строки в обозначенный ниже файл; комментарии с путями — пояснение и не входят в JSONL или CSV. Если пример показывает две версии ответа, прогоните их отдельно, как описано в шагах.

{"ticket_id":"T-104","priority":"urgent"}
{"ticket_id":"T-104","priority":"normal","priority":"urgent"}

Пошаговая реализация

Создайте каталог scripts и файл scripts/evaluate.py; при необходимости добавьте каталог data и пример из предыдущего блока. Убедитесь, что кодировка текстовых файлов — UTF-8.
Скопируйте скрипт ниже и запустите команду python scripts/evaluate.py локально. Для проекта с отдельным модулем замените демонстрационную функцию на импорт приложения. Сначала сохраните исходное проверяемое поведение.
Скопируйте код и запустите его локально. Первую строку фикстуры передавайте в json.loads как самостоятельную строку; затем отдельно передайте вторую. При интеграции вызывайте парсер сразу после получения текстового тела от AI и до чтения поля priority. Для проверки вложенности добавьте {"meta":{"id":"T-1","id":"T-2"}}: hook применяется и к вложенному объекту. Сохраните отрицательный тест в PR; если позже кто-то заменит вызов на обычный json.loads, демонстрационная фикстура перестанет отвергаться и job станет красным. Не печатайте полный ответ внешней модели в CI, если он может содержать данные клиента.
Добавьте workflow из следующего блока в .github/workflows/ai-evaluation.yml. Он запускается для pull request и не передаёт секреты коду из PR. Если сетевой интеграционный тест всё же необходим, выведите его в отдельный доверенный workflow и ограничьте доступ к ключу.
Откройте успешный и намеренно неуспешный запуск. Убедитесь, что статус job соответствует коду завершения Python, а сообщение указывает на кейс, который нужно исправлять. После проверки верните корректные данные, не оставляйте искусственный сбой в ветке.

# scripts/evaluate.py
import json

def unique_object(pairs):
    output = {}
    for key, value in pairs:
        if key in output:
            raise ValueError("duplicate JSON key: " + key)
        output[key] = value
    return output

good = '{"ticket_id":"T-104","priority":"urgent"}'
bad = '{"ticket_id":"T-104","priority":"normal","priority":"urgent"}'
assert json.loads(good, object_pairs_hook=unique_object)["priority"] == "urgent"
try:
    json.loads(bad, object_pairs_hook=unique_object)
except ValueError as error:
    print("Expected rejection:", error)
else:
    raise SystemExit("Duplicate priority was accepted")
print("Duplicate-key contract verified")

Готовый workflow для проверки в pull request

Файл ниже запускает скрипт через Python. permissions: contents: read оставляет встроенному токену только чтение кода. Если вы уже используете другой CI, сохраняйте тот же негативный тест и ненулевой код выхода, а файл workflow адаптируйте к своей инфраструктуре.

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

Пример входа и ожидаемого результата

На входе с одним priority парсер возвращает urgent. Вторая строка с двумя priority отвергается и выводит duplicate JSON key: priority. После ожидаемого исключения тест завершает работу строкой Duplicate-key contract verified; это сигнал, что плохой ответ не принят. Это наблюдаемое поведение демонстрационного кода, а не отчёт о запуске на внешней модели. В production проверяйте, что конкретный контракт подходит к бизнес-процессу, и сохраняйте вход/ожидание рядом с именем кейса.

Где этот тест может обмануть

Повторение ключа бывает и во вложенном объекте, не только на верхнем уровне. object_pairs_hook получает пары каждого объекта, но не даёт готовый путь к вложенному полю; если нужен полный путь, потребуется отдельная стратегия диагностики. Отсутствие повторов не гарантирует допустимость метки или наличие обязательных полей: после этого парсера вызывайте бизнес-валидатор. Если тест проверяет только формат, не представляйте его как оценку фактической правильности ответа. Если тест проверяет только список ID, не делайте вывода о полноте подтверждающих документов. Разделяйте сбой инфраструктуры, некорректный корпус и нарушение прикладного инварианта: у этих проблем разные действия.

Внимательно смотрите дифф при изменении ожидаемого результата. Ослабление утверждения ради зелёного статуса может скрыть ошибку. В публичных артефактах и summary показывайте только синтетический ID и минимально необходимые поля. При увеличении корпуса проверьте, что новый тестовый случай действительно добавляет неизвестную ранее ветку поведения, а не повторяет существующий текст с другой пунктуацией.

Чек-лист финальной проверки

У входных данных есть понятный ID и проверенное ожидаемое поведение.
Успешная фикстура проходит локально, испорченная падает с понятной причиной.
Скрипт запускается по тому же пути в CI, что и в инструкции.
Вход, журнал и репозиторий не содержат секретов или реальных персональных данных.
Сравнивается актуальная версия кода; PR не подменяет эталон без ревью.
Проверены границы именно этого теста: что он обнаруживает и что не проверяет.

Частые вопросы

Почему обычный dict не подходит?

Когда повторяющиеся имена уже преобразованы в словарь, одно значение потеряно; проверять нужно до этого преобразования.

Сломается ли корректный JSON?

Нет: hook возвращает обычный dict для объекта без повторов, как показывает положительный тест.

Обнаружатся ли дубли внутри meta?

Да, hook вызывается при разборе каждого объекта, в том числе вложенного.

Это замена проверке схемы?

Нет. Отдельно проверяйте обязательные поля, типы и разрешённые значения результата.

Как принять изменение после теста

Попросите второго участника проекта воспроизвести пример из статьи на своей ветке и оценить ожидаемый результат независимо от вывода скрипта. Особенно важно проверить, не изменили ли авторы PR эталон одновременно с функцией так, чтобы ошибка стала невидимой. Сохраните ссылку на конкретный запуск рядом с ревью и повторите тест после объединения изменений, если последующие коммиты затрагивают ту же обработку данных. При обнаружении настоящего сбоя сначала добавьте отдельную синтетическую фикстуру, которая воспроизводит проблему, и лишь потом исправляйте код. Так можно проверить, что исправление действительно удерживается, а тест не оказался формальным.

Официальная документация

Источники проверены 19.09.2026: 1, 2, 3, 4. Перед переносом на другой runtime ещё раз проверьте версии и актуальные поля документации.