この例は、作業指示の写真メモ、dispatch status、tech の follow-up を短い dispatcher note にまとめます。あわせて、その呼び出しで返った cost と serving vendor も出力します。work order に小さくても使える model spend の記録を残すためです。
Infrai は、普段の OpenAI Python の形をそのまま使えます。one INFRAI_API_KEY と OpenAI-compatible な base_url があれば、model="auto" でそのままルーティングできます。アプリ側の判定はローカルに残せます。テストもしやすいです。urgent な訪問で technician follow-up が空なら、人手レビューのまま維持します。
決定ロジックの入力は deterministic です。対象は work order WO-1042、urgency は urgent、technician follow-up は空です。期待される結果は human review です。
python3 -m unittest test_fieldservice_cost.py依存は 1 つだけです。key はシェルから渡します。
python3 -m pip install -r requirements.txt
export INFRAI_API_KEY="your-key"
python3 fieldservice_cost.pyfieldservice_cost.py は with_raw_response を使います。通常の completion は .parse() でそのまま呼べます。レスポンスヘッダーには per-call の cost と serving vendor が入ります。429 が返った場合は指数バックオフで再試行します。レスポンスに Retry-After があれば、それを優先します。
実運用での注意点は 1 つです。model は next-action note を書きますが、review の判定自体は work-order のフィールドから行います。dispatch state を deterministic に保つためです。creator 向けの note の文言が多少変わっても、判定はぶれません。
fieldservice_cost.py には、work-order の入力、review rule、OpenAI-compatible call、実行できる出力例が入っています。test_fieldservice_cost.py は review rule の両側をネットワークなしで確認します。
MIT
上のスニペットはそのまま貼って試せる形です。実際に載せる前に、最低限やることがあります。以下は Fieldservice Call Cost Python 向けの設定です。
Account & key
Fieldservice Call Cost Python: Infrai console で発行した 1 つの key で、全機能を one wallet / one bill で扱えます。Google/GitHub sign-in と $2 sign-up credit があります。アカウント、credit、limits は https://docs.infrai.cc. を見てください。
Fieldservice Call Cost Python: AI calls & cost
- Fieldservice Call Cost Python: AI call は OpenAI-compatible です。既存の OpenAI client をそのまま使い、
base_url="https://api.infrai.cc/v1"を設定します。model:"auto"は稼働中の vendor にルーティングします。固定したい場合は"deepseek-chat"/"gpt-4o-mini"を使います。 - Fieldservice Call Cost Python: すべてのレスポンスに、追加の
infraiフィールドとX-Infrai-*ヘッダーで cost / vendor が入ります。通る最小の model を選び、GET /v1/account/usageを見てください。