Gestión de distintos tipos de entrada en FastAPI

Implementación de IA en producción con FastAPI

Matt Eckerle

Software and Data Engineering Leader

Restaurante vs API

Un restaurante comparado con entradas a una API

Flujo de validación

Datos entrantes vía request
Validación de entrada con Pydantic
Procesa distintos tipos según el modelo
Entrada procesada enviada al modelo

Diagrama de flujo de validación de solicitudes

Sistema de moderación de comentarios

class CommentMetrics(BaseModel):
    length: int           
    user_karma: int     
    report_count: int

class CommentText(BaseModel):
    content: str

Una imagen de iconos de caja de comentarios

Endpoint para números en coma flotante

app = FastAPI()

@app.post("/predict")

def predict_score(data: CommentMetrics):

    features = np.array([
        data.length,     
        data.user_karma,
        data.report_count
    ])

    model = CommentScorer()
    prediction = model.predict(features)

    return {"prediction": round(prediction, 2),
            "input": data.dict()}

Endpoint para entrada de texto

@app.post("/analyze_text")

def analyze(comment: CommentText):

    forbidden = ["spam", "hate", "free"
                 "fake", "sign up"]

    text_lower = comment.lower()

    issues = [word for word in forbidden 
              if word in text_lower]

    return {
        "issues": issues,
        "needs_moderation": len(issues)
    }

Salida para el comentario: Sign up for free

{
    "issues": ["free", "sign up"],
    "needs_moderation": 2
}

¡Vamos a practicar!

Implementación de IA en producción con FastAPI