Как ограничить размер JSON от AI перед разбором

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

Короткий {"text":"ок"} проходит, расширенный текст «ок ещё» отклоняется до json.loads. Небольшая строка разбирается; второй случай печатает Oversized body rejected. Численное значение порога вычислено от фикстуры, это не заявленный лимит сервиса. 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. Сравните количество символов и UTF-8-байтов учебной строки. В рабочем HTTP-клиенте ограничьте чтение ответа ещё до создания полной строки: функция демонстрирует контроль на следующем шаге, но сама не экономит память при уже загруженном огромном теле. Согласуйте порог на основе реального контракта полей и безопасной инфраструктурной настройки. В логах фиксируйте размер и ID, не копируйте сам ответ. После проверки размера отдельно проверяйте тип и схему.
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
small='{"text":"ок"}'
limit=len(small.encode("utf-8"))
def bounded(text,max_bytes):
    if not isinstance(text,str): raise TypeError("text required")
    if len(text.encode("utf-8"))>max_bytes:
        raise ValueError("body too large")
    return json.loads(text)
assert bounded(small,limit)=={"text":"ок"}
try: bounded('{"text":"ок ещё"}',limit)
except ValueError: print("Oversized body rejected")
else: raise AssertionError("Oversized body accepted")

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

Маленький JSON тоже может быть неверным по содержанию; лимит не заменяет схему. Проверка уже загруженной строки не ограничивает размер HTTP-буфера. Значение max_bytes не равно лимиту токенов модели. 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

Не отдавать парсеру неожиданно большой AI-ответ до проверки допустимого размера. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: Короткий {"text":"ок"} проходит, расширенный текст «ок ещё» отклоняется до json.loads. При успешном тесте ожидается: Небольшая строка разбирается; второй случай печатает Oversized body rejected. Численное значение порога вычислено от фикстуры, это не заявленный лимит сервиса. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Маленький JSON тоже может быть неверным по содержанию; лимит не заменяет схему. Проверка уже загруженной строки не ограничивает размер HTTP-буфера. Значение max_bytes не равно лимиту токенов модели. 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.