خلاصهٔ ناموفق را با متن خام اشتباه نگیریم: قرارداد خروجیِ بدون ابهام

اگر خلاصه‌سازی شکست خورد، متن اصلی را در فیلد خلاصه نگذارید. با یک قرارداد خروجی کوچک، شکست را آشکار و متن خام را همچنان قابل استفاده نگه می‌داریم.

وقتی خلاصه‌سازی شکست می‌خورد، مقدار summary باید null باشد، نه متن اصلی. این مقاله برای «نگار»، توسعه‌دهندهٔ بک‌اند یک سامانهٔ پایش خبر، یک قرارداد خروجی و نمونهٔ اجرایی می‌سازد تا رابط کاربری بتواند صریحاً بگوید «خلاصه در دسترس نیست» و متن اصلی را جداگانه نمایش دهد.

خطای اصلی: موفقیتِ جعلی در مرز دو سرویس

الگوی خطرناک ساده است: «اگر سرویس خلاصه‌ساز خطا داد، همان متن ورودی را برگردان». در این حالت درخواست ظاهراً موفق می‌شود، اما مصرف‌کننده نمی‌داند رشتهٔ دریافتی حاصل خلاصه‌سازی است یا اصل خبر. کارت کوتاهِ خبر ممکن است با متن کامل پر شود، و مرحلهٔ بعدی خط لوله هم ممکن است متن خام را به‌عنوان یک خلاصهٔ آماده بپذیرد.

مسئله صرفاً طول متن نیست؛ از بین رفتن معنای خروجی است. مقایسهٔ طول ورودی و خروجی هم جایگزین قرارداد نمی‌شود: یک ورودی کوتاه ممکن است خلاصه‌ای هم‌اندازه داشته باشد و یک خروجی کوتاه ممکن است اصلاً خلاصهٔ درستی نباشد. باید وضعیت تولید را مستقیماً ثبت کنیم، نه اینکه بعداً از ظاهر رشته حدس بزنیم.

قرارداد کوچک: وضعیت، خلاصه و منبع را جدا کنید

در قرارداد پیشنهادی، status فقط یکی از دو مقدار ok و unavailable است. در وضعیت ok، فیلد summary یک رشتهٔ غیرخالی و error برابر null است؛ در وضعیت unavailable، فیلد summary برابر null و error دارای کد خطاست. متن اصلی همیشه در raw_text می‌ماند. این جداسازی اجازه می‌دهد نگار نمایش متن اصلی را به‌عنوان یک قابلیت جایگزین حفظ کند، بدون آنکه موفقیت خلاصه‌سازی را جعل کند.

فیلد source_sha256 نیز هش بایت‌های UTF-8 متن ورودی را نگه می‌دارد تا بتوان نتیجه را به همان ورودی نسبت داد. طبق مستندات hashlib، sha256 در کتابخانهٔ استاندارد پایتون در دسترس است. این یک ابزار تطبیق محتواست، نه امضا و نه تضمین صحت خلاصه. تفکیک دادهٔ منبع از فعالیت پردازشی با ایدهٔ ثبت منشأ در مدل PROV سازگار است، اما این JSON پیاده‌سازی استاندارد PROV-O نیست.

نمونهٔ قابل اجرا: شبیه‌سازی قطع سرویس خلاصه‌ساز

کد زیر را در فایل summary_contract.py ذخیره کنید؛ فقط به پایتون ۳ و کتابخانهٔ استاندارد نیاز دارد. ورودی یک شیء JSON با raw_text رشته‌ای و mode است. برای آزمایش تکرارپذیر، خلاصه‌ساز واقعی با یک تابع نمایشی جایگزین شده است: mode برابر timeout خطای مهلت زمانی، empty خروجی خالی و demo خروجی ثابت می‌سازد. خروجی demo تنها برای آزمون قرارداد است و کیفیت خلاصه‌سازی را نشان نمی‌دهد.

```python
import hashlib
import json
import sys


def demo_summarizer(text, mode):
if mode == "timeout":
raise TimeoutError("simulated timeout")
if mode == "empty":
return " "
return "The meeting was postponed."


def build_result(raw_text, mode):
result = {
"status": "unavailable",
"summary": None,
"raw_text": raw_text,
"source_sha256": hashlib.sha256(raw_text.encode("utf-8")).hexdigest(),
"error": None,
}
try:
candidate = demo_summarizer(raw_text, mode)
except TimeoutError:
result["error"] = "summary_timeout"
return result

if not isinstance(candidate, str) or not candidate.strip():
result["error"] = "invalid_summary_output"
return result

result.update(status="ok", summary=candidate.strip())
return result


def main():
data = json.load(sys.stdin)
raw_text = data.get("raw_text")
mode = data.get("mode", "timeout")
if not isinstance(raw_text, str) or not raw_text.strip():
raise ValueError("raw_text must be a non-empty string")
if mode not in {"timeout", "empty", "demo"}:
raise ValueError("unsupported mode")

result = build_result(raw_text, mode)
if result["status"] == "unavailable":
assert result["summary"] is None
assert result["error"] is not None
else:
assert isinstance(result["summary"], str) and result["summary"]
assert result["error"] is None
print(json.dumps(result, ensure_ascii=False, sort_keys=True))


if __name__ == "__main__":
main()
```

فرمان زیر هم ورودی آزمون را مشخص می‌کند و هم برنامه را اجرا می‌کند. متن abc عمداً کوتاه انتخاب شده تا هش مورد انتظار ثابت و قابل مقایسه باشد؛ هدف این آزمون بررسی رفتار هنگام شکست است، نه سنجش توان خلاصه‌سازی.

```bash
printf '%s\n' '{"raw_text":"abc","mode":"timeout"}' | python3 summary_contract.py
```

خروجی مورد انتظار دقیقاً این شیء JSON است. نکتهٔ تعیین‌کننده این است که abc در raw_text مانده، اما summary برابر null است و شکست با summary_timeout قابل تشخیص است.

```other
{"error": "summary_timeout", "raw_text": "abc", "source_sha256": "ba7816bf8f01cfea414140de5dae2223b00361a396177a9cb410ff61f20015ad", "status": "unavailable", "summary": null}
```

برای آزمون مسیر دوم، mode را به empty تغییر دهید؛ error باید invalid_summary_output شود و summary همچنان null بماند. با mode برابر demo، status باید ok و error برابر null شود. مستندات json توضیح می‌دهد که None پایتون به null در JSON تبدیل می‌شود؛ بنابراین فقدان خلاصه در این قرارداد یک مقدار صریح است، نه یک رشتهٔ خالی با معنای نامعلوم.

مصرف درست خروجی و مرزهای این راه‌حل

در رابط کاربری، فقط وقتی status برابر ok است بخش «خلاصه» را نمایش دهید. در غیر این صورت پیام «خلاصه در دسترس نیست» و یک بخش جدا با عنوان «متن اصلی» نشان دهید. در خط لولهٔ پردازشی نیز آیتم unavailable نباید وارد صف تحلیلِ مخصوص خلاصه‌ها شود. قرارداد فقط زمانی مؤثر است که مصرف‌کننده به آن پایبند باشد؛ عبارت‌هایی شبیه summary یا raw_text برای پر کردن همان جایگاه خلاصه، دوباره همین خطا را ایجاد می‌کنند.

بده‌بستان اصلی، صراحت در برابر هزینهٔ مهاجرت است. بازگرداندن یک رشتهٔ جایگزین کمترین تغییر را می‌خواهد، ولی منشأ آن را پنهان می‌کند. خطای کامل درخواست برای سامانه‌ای مناسب‌تر است که بدون خلاصه هیچ کار معناداری نمی‌تواند انجام دهد. خروجی ساخت‌یافتهٔ پیشنهادی وقتی بهتر است که نگار بخواهد خبر اصلی همچنان قابل مشاهده باشد و فقط قابلیت خلاصه‌سازی افت کرده باشد.

این روش برای تشخیص خلاصهٔ نادرست کافی نیست: رشته‌ای روان که نکتهٔ اصلی خبر را حذف کرده، از بررسی غیرخالی بودن عبور می‌کند. همچنین خطاهای غیرمنتظره در نمونه عمداً با except عمومی پنهان نشده‌اند؛ در اتصال واقعی، خطاهای شناخته‌شدهٔ سرویس را مشخص نگاشت کنید و اشکال‌های برنامه‌نویسی را قابل مشاهده نگه دارید. برای متن حساس یا حجیم نیز raw_text را از پاسخ حذف و با شناسهٔ منبع و مسیر بازیابیِ دارای کنترل دسترسی جایگزین کنید.

منابع

Python documentation: json — JSON encoder and decoder
https://docs.python.org/3/library/json.html

Python documentation: hashlib — Secure hashes and message digests
https://docs.python.org/3/library/hashlib.html

W3C: PROV-O — The PROV Ontology
https://www.w3.org/TR/prov-o/

No comments yet