Orux AI / Notas sobre modelos
Claude Sonnet 5.5: extrair JSON sem inventar dados de um inventário de museu
Uma resposta real organiza três empréstimos fictícios. Confira ausências, valores, datas e a diferença entre pedir JSON e impor um esquema.

Neste artigo
Preencher com zero uma avaliação de seguro ainda não aprovada pode distorcer um inventário de empréstimos. Este caso do Claude Sonnet 5.5 transforma três notas curtas em registros explícitos e mantém o desconhecido como desconhecido. Fizemos uma solicitação com peças fictícias, não com um acervo real.
Pedido exato e resposta observada
O formulário publicado da Orux oferece messages e max_tokens. Enviamos esta instrução em inglês com max_tokens=600:
You are preparing a museum loan inventory. Extract only facts explicitly stated below. Return one JSON object with an items array; each item must have exactly id, title, gallery, insurance_usd, and arrival_date. Use a JSON number for insurance_usd and YYYY-MM-DD for a stated date. Use null for every missing field. Do not invent a valuation, date, gallery, or item. Return JSON only, without Markdown.
A1: Brass compass. Display in Gallery A. Insured for USD 12000. Arrives on 2026-11-14.
B2: Silk route map. Display in Gallery B. Insurance valuation is still awaiting approval. Arrives on 2026-11-16.
C3: Ceramic sherd. Insured for USD 850. The arrival date and gallery have not been confirmed.Ela pede apenas fatos explícitos, cinco chaves fixas, número para seguro, data YYYY-MM-DD e null para campos ausentes. A resposta foi um JSON que pôde ser interpretado:
{
"items": [
{
"id": "A1",
"title": "Brass compass",
"gallery": "Gallery A",
"insurance_usd": 12000,
"arrival_date": "2026-11-14"
},
{
"id": "B2",
"title": "Silk route map",
"gallery": "Gallery B",
"insurance_usd": null,
"arrival_date": "2026-11-16"
},
{
"id": "C3",
"title": "Ceramic sherd",
"gallery": null,
"insurance_usd": 850,
"arrival_date": null
}
]
}
Diagramação editorial do texto original. Claude gerou o JSON, não este gráfico. Registro de 2026-10-28.
Ler as ausências antes de importar
A tabela traduz todos os registros e valores da resposta original.
| ID | Peça | Galeria | Seguro USD | Data de chegada |
|---|---|---|---|---|
| A1 | Bússola de latão | Galeria A | 12000 | 2026-11-14 |
| B2 | Mapa da Rota da Seda | Galeria B | null, sem aprovação | 2026-11-16 |
| C3 | Fragmento cerâmico | null, sem confirmação | 850 | null, sem confirmação |
Deslize para os lados para ver toda a tabela.
A avaliação de B2 e a galeria e a data de C3 continuam null. Zero afirmaria uma avaliação; uma data inventada poderia virar um prazo de transporte. Isso verifica esta resposta, não mede a taxa geral de erros do modelo.
O papel dos parâmetros
| Configuração | Função |
|---|---|
messages | Leva notas, chaves exatas, tipos e a instrução de não inferir fatos ausentes |
max_tokens=600 | Limita a geração; não significa 600 caracteres nem valida o JSON |
Deslize para os lados para ver toda a tabela.
A resposta registra 278 tokens de entrada, 161 de saída e encerramento stop. São dados de uma chamada, sem teste de latência ou benchmark de qualidade. Não enviamos JSON Schema. Pedir JSON no prompt é diferente de usar restrições de esquema na API.
Acrescentar verificações deterministas
Interprete o texto; exija um array items com três objetos e exatamente cinco chaves; rejeite IDs duplicados; valide número ou null e data válida ou null. Depois compare cada valor não nulo com a nota original. Um JSON com sintaxe válida ainda pode conter um fato errado.
Em um acervo real, avaliações, datas de movimentação e galerias dependem das aprovações necessárias. O exemplo demonstra extração, não avaliação financeira, orientação de transporte ou autorização para publicar dados do acervo.
O modelo de entrada “Museum loan inventory · text response” em Claude Sonnet 5.5 preserva o pedido e a resposta. Carregá-lo não executa o modelo. Comece com um lote pequeno anonimizado e revise exceções antes de conectar o importador.
Artigos relacionados
Ver todos os artigos →
Seedream 5.0 Pro: como recortar uma imagem de viagem sem perder a história
Um café ferroviário nas montanhas ajuda a planejar cortes para computador e celular e revisar composição e letreiro.

DeepSeek para divulgar uma cafeteria: o que revisar além do estilo
Uma resposta real do DeepSeek V4.1 Flash mostra por que tom, tamanho e promessas promocionais precisam de revisões separadas. Inclui entrada e saída originais.

GPT Image 2.5 Sunburst: como tornar legível uma livraria em miniatura dentro de um livro
Lombada, camadas de páginas e escala interna ajudam a construir um briefing claro para imagens de eventos de leitura.