LangChain 结构化输出：用 Pydantic + PydanticOutputParser 驯服 LLM 的“自由发挥”

一、Pydantic

二、PydanticOutputParser

1、为什么需要 PydanticOutputParser？

2、Pydantic和PydanticOutputParser核心区别

3、Pydantic的不足

（1）无法直接解析非结构化文本

（2）缺乏对 LLM 输出的适配性

（3）缺少格式指导生成

（4）错误处理不够场景化

4、PydanticOutputParser核心功能

5、实现结构化输出

三、为什么需要两者结合？

四、总结

先思考一个问题：为什么要使用结构化输出?

在LangChain中，结构化输出就像是让AI“说话有条理”。举个生活中的例子：

假设你让朋友推荐电影，普通回答可能是：“《星际穿越》不错，科幻片，诺兰拍的，有黑洞剧情。” 而结构化输出就像朋友递给你一张卡片：

 {
   "电影名": "星际穿越",
   "类型": "科幻",
   "导演": "克里斯托弗·诺兰",
   "关键词": ["黑洞", "时间膨胀", "亲情"]
 }

为什么需要这样？

机器好处理：就像快递分拣机只认条形码，程序处理这种整齐的数据比从大段文字里“猜”信息容易得多。
避免遗漏：提前说好要哪些信息（比如必须包含导演），AI就不会忘记回答。
方便对接：直接塞进数据库、生成图表，或者转发给其他系统，都不用人工整理

一、Pydantic

Pydantic 是一个用于 数据验证和设置 的 Python 库

它通过 类型注解 和 数据模型 的方式，简化了数据校验、转换和序列化的过程

Pydantic 的 BaseModel 类允许我们定义数据模型（如 Author、Book、Library），并自动处理数据的验证和转换。这确保了输入和输出的数据符合预期的格式和类型要求

主要用于：

确保输入数据符合预定义的结构和约束。
将数据转换为标准化的格式（如字典、JSON）。
与框架（如 FastAPI）深度集成，简化 API 开发。

核心功能：

数据验证：基于 Python 的类型注解自动校验数据。
类型转换：将输入数据转换为定义的类型（如 str 转 int）。
结构化输出：将模型转换为字典或 JSON。
错误处理：提供清晰的错误信息，便于调试

`二、PydanticOutputParser`

PydanticOutputParser 是LangChain库中的一个工具，用于语言模型生成输出解析并转换为结构化的Python数据模型

通过PydanticOutputParser，Pydantic 可以直接用于解析来自语言模型的输出，将其转换为预定义的 Pydantic 数据模型。这种集成简化了将自然语言处理结果映射到结构化数据的过程

1、为什么需要 PydanticOutputParser？

既然 Pydantic 已经提供了强大的数据验证和结构化能力，为什么还要引PydanticOutputParser？关键在于 输入源的差异 和 使用场景的特殊性。

2、Pydantic和PydanticOutputParser核心区别

维度	Pydantic	PydanticOutputParser
输入类型	结构化数据（如字典、JSON）	非结构化文本（如 LLM 的输出、自然语言）
主要职责	数据校验、类型转换、序列化	解析自由文本为结构化数据
适用场景	API 请求、配置文件加载、数据库交互	处理 LLM 输出、外部系统非标准响应
自动化程度	需手动转换输入数据到模型	自动提取文本中的结构化信息

3、Pydantic的不足

（1）无法直接解析非结构化文本

假设 LLM 输出以下文本：

用户信息：张三，年龄30岁，邮箱zhangsan@example.com。

Pydantic 无法直接将其转换为结构化模型，需手动编写文本提取和格式转换逻辑

（2）缺乏对 LLM 输出的适配性

问题：LLM 的输出具有 不确定性和模糊性，例如：

混合自然语言和 JSON（如 答案是：{ "name": "张三" }）。
字段名称不匹配（如 user_name vs username）。
格式错误（如未闭合的引号、缺少逗号）

LLM 可能返回以下有问题的 JSON：

{ "name": "张三, "age": "30" }  // 引号未闭合，age 是字符串

Pydantic 会直接抛出错误，无法自动修复或提取有效部分

（3）缺少格式指导生成

问题：Pydantic 无法生成 针对 LLM 的格式指令，例如在提示（Prompt）中明确要求输出符合特定 JSON 结构。需开发者手动编写格式说明，增加维护成本

而PydanticOutputParser 的 get_format_instructions() 能根据 Pydantic 模型自动生成格式模板，直接嵌入到提示中，确保 LLM 按指定格式输出

（4）错误处理不够场景化

问题：Pydantic 的错误提示面向开发者，但未针对 LLM 输出场景优化。例如：

无法区分“字段缺失”和“LLM 未理解指令”。
缺少对 LLM 常见输出问题（如多余的解释文本）的容错。

若 LLM 返回以下文本：

回答：我不知道用户年龄，但名字是张三。

Pydantic 会直接报错，而无法提取部分有效信息（如 name）

4、PydanticOutputParser核心功能

（1）结构化输出

将 非结构化文本（如 LLM 生成的自由格式文本或 JSON 字符串）转换为 结构化的 Pydantic 模型，使其符合预定义的数据格式和规则。

（2）数据验证

在解析过程中，自动验证输出是否满足 Pydantic 模型定义的约束，例如：

类型校验（如 int、float、bool）。
范围限制（如数值范围、字符串长度）。
格式要求（如日期格式、邮箱格式）。

（3）错误处理

当输出不符合预期时，提供 详细的错误信息，帮助快速定位问题，例如：

字段缺失。
类型不匹配。
值超出范围。

5、实现结构化输出

这是一个 图书馆信息生成与结构化解析 的案例，目标是通过 LangChain 和 Pydantic 实现以下功能：

让 LLM 按指定格式生成图书馆信息（包含名称和书籍列表）。
将 LLM 的非结构化输出自动转换为强类型的 Python 对象。
确保数据格式正确（如作者年龄在 0-120 之间）。

from typing import List

from langchain_core.output_parsers import PydanticOutputParser
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from pydantic import BaseModel, Field


# 定义作者模型：
class Author(BaseModel):
    name: str = Field(description='Name of the author')
    age: int = Field(description='Age of the author',ge=0, le=120)
    

# 定义图书模型：
class Book(BaseModel):
    title: str = Field(description='python')
    author: Author = Field(description='echola')


# 定义图书馆模型：
class Library(BaseModel):
    name: str = Field(description='History Library')
    books: List[Book] = Field(description='List of books')


# 使用PydanticOutputParser解析输出，指定模型为Library
parser = PydanticOutputParser(pydantic_object=Library)

# 定义提示模版，包含图书馆及图书的信息
prompt = PromptTemplate(
    # 提示的文本模版
    template="Provide information about a library an its book,\n{format_instructions}\n{library}",
    # 输入变量为library
    input_variables=["library"],
    # 部分变量为格式说明
    partial_variables={"format_instructions": parser.get_format_instructions()}
)

# 定义LLM
llm = ChatOpenAI(
    model='deepseek-ai/DeepSeek-R1',
    openai_api_key="sk-jcuzvtuophtzgkfhhbanhjgqfxviewqwnwyhkihsvwwoufsu",
    openai_api_base='https://api.siliconflow.cn/v1',
    temperature=0,
    max_tokens=1000
)

# 格式化提示内容，传入查询内容"请描述图书馆的书籍“
message = prompt.format_prompt(library="请描述图书馆的书籍")
# 获取输出
# 解析模型输出为Library对象
result = llm.invoke(message)

# 打印结果
print(result.content)

运行结果输出：

{
  "name": "History Library",
  "books": [
    {
      "title": "python",
      "author": {
        "name": "echola",
        "age": 40
      }
    },
    {
      "title": "The Art of Programming",
      "author": {
        "name": "John Code",
        "age": 45
      }
    },
    {
      "title": "Data Science Essentials",
      "author": {
        "name": "Alice Data",
        "age": 38
      }
    }
  ]
}

PromptTemplate 定义了一个模板，用于生成传递给 LLM 的输入提示。模板包含两个两个占位符变量部分：用户的查询（library）和格式化指令（format_instructions）

在实例化PromptTemplate类时将format_instructions作为partial_variables的一部分传入，如此便在原有的提示词模版中追加了format_instructions变量，这个变量是输出指令字符串

释义：

library：是希望模型产生的列表主题
format_instructions：是从输出解析器中获取的预设的输出指令

此处library变量就是"请描述图书馆的书籍"，format_instructions的指令模型就是Library类

PydanticOutputParser用于将模型的文本解析为结构化的Library对象

三、为什么需要两者结合？

1. 场景互补

Pydantic 解决“数据如何存储和使用”的问题，例如：
- 确保从数据库读取的数据符合模型。
- 验证 API 请求参数的合法性。
PydanticOutputParser 解决“数据如何从非结构化来源提取”的问题，例如：
- 将用户自然语言指令（如“帮我订明天北京到上海的机票”）解析为结构化的预订请求。
- 处理外部 API 返回的半结构化文本（如混合了文本和 JSON 的响应）。

2、开发效率

减少胶水代码：若手动解析 LLM 输出，需编写大量字符串处理、类型转换和错误检查代码。PydanticOutputParser 将这些逻辑封装为通用工具。
统一错误处理：Pydantic 的校验错误与 PydanticOutputParser 的解析错误可统一捕获，简化异常处理流程。

3、动态适配