Schema Guided Reasoning

Суть

Схема не только проверяет результат — она направляет процесс. Модель заполняет поля в заданном порядке, и этот порядок есть неявная цепочка рассуждения: сначала промежуточные выводы, затем итоговое решение.

Зачем это нужно

Обычный промпт «проанализируй и дай вывод» даёт произвольный текст: нет структуры, каждый раз другой формат, нельзя обработать автоматически. Жёсткая схема рассуждения делает результат предсказуемым и сразу пригодным для пайплайна.

Как работает

• Поля схемы располагаются в порядке рассуждения. Пример для скрининга: brief_summary → skill_match: int → experience_fit: int → decision: Literal["hire","reject","hold"]. Модель обязана пройти все шаги.
• Каждый шаг типизирован и валидируется (Structured Output) — это отличает SGR от текстового рассуждения, где промежуточные шаги ничем не ограничены.
• Типовые паттерны SGR:
  • Classification — category: Literal[...], confidence: float, reasoning: str (тикеты, намерения, контент).
  • Extraction — вложенные модели на каждую сущность (Person, Company, Date, Amount): модель извлекает и структурирует одновременно.
  • Planning — поля как этапы плана.
• Эффект (кейс HR-скрининга): время на кандидата 4 мин → 40 сек, доля падавших запросов 1 из 8 → 0 форматных ошибок, 300 резюме/день.

Когда схема мешает

Схема задаёт шаги рассуждения — и в этом же её ограничение: модель пройдёт ровно предусмотренные поля и не сделает шага, которого в схеме нет. На типовой задаче это выигрыш, потому что нужные шаги известны заранее. На нестандартной — потеря: правильный ход рассуждения оказывается не предусмотрен, и модель добросовестно заполняет поля, не относящиеся к сути.

Признак, что схема начала мешать: поля заполнены корректно, а вывод всё равно неверен, и при свободном рассуждении на том же входе модель приходит к правильному ответу. Второй признак — систематически пустые или формальные значения в части полей: они говорят, что схема описывает не эту задачу.

Практический компромисс — оставить в схеме свободное поле для рассуждения перед структурированными: модель сначала думает как хочет, потом раскладывает вывод по полям. Порядок здесь критичен по той же причине, по которой вердикт судьи ставят после разбора, а не до (Structured Output, порядок полей).

Связано с

• Chain of Thought — SGR = структурная, типизированная форма CoT
• Structured Output — механизм, на котором держится SGR
• PydanticAI — где SGR описывается через BaseModel