当前位置：首页 > news >正文

Model I/O进阶

news 2026/8/9 8:01:44

1 结构化输出 OutputParser
- 1.1 普通 JsonOutputParser（提示约束）
- 1.2 原生结构化输出（厂商接口能力）
- 1.3 其他解析器
2 ChatPromptTemplate 提示词模板
3 LCEL 链式表达式（核心 Runnable）
- 3.1 Runnable 统一接口
- 3.2 RunnableSequence 串行流水线（最常用）
- 3.3 RunnableParallel 并行执行
- 3.4 其他常用 Runnable
4 本章小结

1 结构化输出 OutputParser

1.1 普通 JsonOutputParser（提示约束）

流程： 1 用 Pydantic 定义输出结构 2 解析器生成格式要求注入 System 提示 3 LLM 输出后自动转为 Python 对象

frompydanticimportBaseModel,Fieldfromlangchain_openaiimportChatOpenAIfromlangchain_core.output_parsersimportJsonOutputParserclassPrimeModel(BaseModel):prime:list[int]=Field(description="1000-10000素数列表")count:int=Field(description="素数个数")parser=JsonOutputParser(pydantic_object=PrimeModel)llm=ChatOpenAI(temperature=0)prompt=parser.get_format_instructions()res=llm.invoke([("system",prompt),("user","生成5个1000~10000素数")])data=parser.invoke(res)print(type(data))

1.2 原生结构化输出（厂商接口能力）

OpenAI/Gemini 支持with_structured_output，无需手写约束提示：

classEvent(BaseModel):name:strdate:strpeople:list[str]llm=ChatOpenAI(temperature=0)new_llm=llm.with_structured_output(Event)res=new_llm.invoke("Alice周五参加科技展")print(res.name)

1.3 其他解析器

内置解析器：列表、XML、Markdown、纯文本 StrOutputParser

2 ChatPromptTemplate 提示词模板

支持变量占位，动态拼接对话上下文

fromlangchain_core.promptsimportChatPromptTemplate prompt=ChatPromptTemplate.from_messages([("system","你是{product}专业评测师"),("human","分析{aspect1}和{aspect2}优缺点")])msg=prompt.invoke({"product":"iPhone16","aspect1":"性能","aspect2":"续航"})

3 LCEL 链式表达式（核心 Runnable）

3.1 Runnable 统一接口

所有组件（提示 / 模型 / 解析器）都拥有invoke/stream/batch/ainvoke，支持管道|拼接

3.2 RunnableSequence 串行流水线（最常用）

提示模板 → LLM → 输出解析

prompt=ChatPromptTemplate.from_template("讲{topic}段子")llm=init_chat_model(model="gpt-4o-mini",model_provider="openai")parser=StrOutputParser()# LCEL管道chain=prompt|llm|parser res=chain.invoke({"topic":"大模型"})print(res)

3.3 RunnableParallel 并行执行

同时运行多条链路，合并结果

trans_en=PromptTemplate.from_template("翻译{text}为英文")|llm|StrOutputParser()trans_kr=PromptTemplate.from_template("翻译{text}为韩文")|llm|StrOutputParser()# 并行字典写法map_chain={"en":trans_en,"kr":trans_kr}res=map_chain.invoke({"text":"人工智能技术"})print(res)