ValueError: max() iterable argument is empty
Ai apelat max() pe o listă goală: după filtrare (departament, prag de similaritate, dată), niciun document n-a rămas. Verifică lista înainte, sau folosește max(..., default=None), și răspunde explicit că nu ai găsit surse, în loc să lași programul să cadă.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
max() caută cel mai mare element, iar într-o listă goală nu există unul. Mesajul apare în Python 3.12 și mai nou; versiunile mai vechi spun max() arg is an empty sequence, cu aceeași cauză.
Într-un sistem RAG, lista goală vine aproape mereu dintr-un filtru: documentele unui departament care nu are încă documente, bucățile peste un prag de similaritate pe care nicio bucată nu-l atinge, o căutare într-un index încă gol. Codul testat pe întrebări bune merge, iar prima întrebare „fără răspuns” îl oprește.
Cazul gol nu e o excepție rară, ci un rezultat valid: asistentul trebuie să spună „nu am găsit informația”, nu să inventeze și nici să cadă.
De ce apare: cauzele frecvente
1Filtrul după metadate nu lasă nimic
candidati = [d for d in index if d["departament"] == departament]
cel_mai_bun = max(candidati, key=lambda d: d["scor"])candidati = [d for d in index if d["departament"] == departament]
if not candidati:
return "Nu am documente pentru acest departament."
cel_mai_bun = max(candidati, key=lambda d: d["scor"])Verificarea tratează explicit cazul în care filtrul nu găsește nimic.
2Prag de similaritate prea sus
relevante = [s for s in scoruri if s > 0.95]
print(max(relevante))relevante = [s for s in scoruri if s > PRAG]
print(max(relevante, default=None))default=None întoarce None în loc să arunce eroarea, iar codul de după tratează None.
Repară eroarea, direct în pagină
Asistentul intern caută în documentele unui departament, dar departamentul juridic nu are documente, iar programul cade cu max() iterable argument is empty. Repară funcția cauta: dacă după filtrare nu rămâne niciun document, întoarce Nu am documente pentru departamentul <departament>.; altfel întoarce textul celui mai apropiat document.
import math
from openai import OpenAI
MODEL_EMB = "text-embedding-3-small"
client = OpenAI()
def cosinus(a, b):
produs = sum(x * y for x, y in zip(a, b))
return produs / (math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b)))
DOCUMENTE = [
{"departament": "hr", "text": "Concediul de odihnă se cere cu 10 zile înainte, în aplicația internă."},
{"departament": "hr", "text": "Bonurile de masă se acordă lunar, pe card."},
{"departament": "it", "text": "Parola contului se schimbă la fiecare 90 de zile."},
]
r = client.embeddings.create(model=MODEL_EMB, input=[d["text"] for d in DOCUMENTE])
for d, item in zip(DOCUMENTE, r.data):
d["vector"] = item.embedding
def cauta(intrebare, departament):
q = client.embeddings.create(model=MODEL_EMB, input=intrebare).data[0].embedding
candidati = [d for d in DOCUMENTE if d["departament"] == departament]
cel_mai_bun = max(candidati, key=lambda d: cosinus(d["vector"], q))
return cel_mai_bun["text"]
print(cauta("Cu câte zile înainte se cere concediul de odihnă?", "hr"))
print(cauta("Cine semnează contractele?", "juridic"))Concediul de odihnă se cere cu 10 zile înainte, în aplicația internă. Nu am documente pentru departamentul juridic.
Indiciu
Pune if not candidati: înainte de max.
Reparația
import math
from openai import OpenAI
MODEL_EMB = "text-embedding-3-small"
client = OpenAI()
def cosinus(a, b):
produs = sum(x * y for x, y in zip(a, b))
return produs / (math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b)))
DOCUMENTE = [
{"departament": "hr", "text": "Concediul de odihnă se cere cu 10 zile înainte, în aplicația internă."},
{"departament": "hr", "text": "Bonurile de masă se acordă lunar, pe card."},
{"departament": "it", "text": "Parola contului se schimbă la fiecare 90 de zile."},
]
r = client.embeddings.create(model=MODEL_EMB, input=[d["text"] for d in DOCUMENTE])
for d, item in zip(DOCUMENTE, r.data):
d["vector"] = item.embedding
def cauta(intrebare, departament):
q = client.embeddings.create(model=MODEL_EMB, input=intrebare).data[0].embedding
candidati = [d for d in DOCUMENTE if d["departament"] == departament]
if not candidati:
return f"Nu am documente pentru departamentul {departament}."
cel_mai_bun = max(candidati, key=lambda d: cosinus(d["vector"], q))
return cel_mai_bun["text"]
print(cauta("Cu câte zile înainte se cere concediul de odihnă?", "hr"))
print(cauta("Cine semnează contractele?", "juridic"))De ce merge
Filtrul după departament întoarce o listă goală pentru juridic, iar max nu are din ce alege. Verificând lista înainte, cazul fără documente devine un răspuns clar, iar pentru departamentele cu documente căutarea merge ca înainte. Un asistent RAG care spune „nu am găsit” e mult mai sigur decât unul care cade sau inventează.
Alte forme ale mesajului
ValueError: max() arg is an empty sequenceValueError: min() iterable argument is emptyIndexError: list index out of range
Cum o eviți pe viitor
- Tratează rezultatul gol al căutării ca pe un caz normal, cu un răspuns pregătit („Nu am găsit informația în documente”).
- Folosește
max(..., default=None)acolo unde lista poate fi goală. - Testează asistentul și cu întrebări la care documentele nu au răspuns.
Întrebări frecvente
De ce în alt proiect mesajul e „max() arg is an empty sequence”?
E același lucru în Python mai vechi (până la 3.11). Din 3.12, mesajul a devenit max() iterable argument is empty.
Nu e mai simplu să trimit întrebarea la model fără context?
Atunci modelul răspunde din cunoștințele generale și poate inventa reguli care nu sunt ale firmei. Pentru un asistent pe documente, „nu am găsit” e răspunsul corect.
Erori înrudite
ValueError: zip() argument 2 is longer than argument 1 Compari doi vectori de embeddings cu lungimi diferite: de obicei indexul a fost construit cu alt model sau cu alt `dimensions` decât întrebarea. Generează vectorii documentelor și ai întrebării cu același model și aceleași setări, și verifică `len(a) == len(b)` înainte de similaritate. TypeError: '<' not supported between instances of 'dict' and 'dict' Sortezi perechi (scor, document) cu sorted(), iar două documente au exact același scor. La egalitate, Python compară al doilea element, adică dicționarele, care nu au ordine. Sortează doar după scor: sorted(rezultate, key=lambda x: x[0], reverse=True). ZeroDivisionError: float division by zero Similaritatea cosinus împarte la produsul lungimilor celor doi vectori, iar unul dintre ei are lungimea 0 (un vector numai din zerouri, pus ca înlocuitor pentru un text gol sau un embedding eșuat). Nu pune vectori de zero în index; dacă există, sari peste ei sau întoarce 0.0 când norma e 0. Învață Aplicații AI cu LLM de la zero, cu exerciții la fiecare lecție
Curs Aplicații AI cu Claude și OpenAI: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 8 lecții sunt gratuite.
