输出解析器

常见解析器分类:

解析器	最终结果	适用场景	说明
StrOutputParser	字符串 str	只需要展示文本，不需要拆字段	最简单，通常就是取出模型输出正文内容
JsonOutputParser	Python dict / list	希望模型返回 JSON，再交给程序继续处理	适合字段抽取、接口返回、工作流参数传递
PydanticOutputParser	Pydantic 对象	需要强类型和运行时校验	适合对字段类型、长度、范围有明确要求的业务场景

schema: 可以看成“数据结构说明书”或“输出格式规范”。有点像ts的约束

结构化输出的本质，就是先定义 schema，再让模型按这个 schema 输出结果

常见结构化输出:

方案	定义方式	最终结果	是否支持运行时校验	适用场景
TypedDict	Python 标准库 typing.TypedDict	dict	否	只需要固定字段结构，不需要严格校验
Pydantic	BaseModel + Field(...)	Pydantic 对象	是	需要强类型、范围、长度、必填项校验
JSON Schema	标准 JSON Schema 字典	通常为 dict	视具体实现而定	需要跨语言、跨系统共享结构协议

在 LangChain 中，这些结构通常会和下面这种方式配合使用：

model.with_structured_output(...)

• TypedDict / Pydantic / JSON Schema 是“定义输出结构”的方式；
• with_structured_output(...) 是“让模型按这个结构输出并自动解析”的入口。

区分结构化输出和输出解析器

• 输出解析器：更强调“模型已经输出了，我怎么把它转成程序可用的数据”；
• 结构化输出：更强调“在模型输出之前，我先规定好它应该长什么样”。

 

方式一(只用输出解析器):

from langchain_core.output_parsers import JsonOutputParser

parser = JsonOutputParser()
result = model.invoke("你是谁")
data = parser.invoke(result)

print(data)
# 让模型生成结果，再由 parser 负责解析

方式二(只用结构化输出):

from typing import TypeDict

class Person(TypeDict):
    name: str
    age: int
    
structured_model = model.with_structured_output(Person)
result = structured_model.invoke("请返回一个任务信息")
print(reuslt)

#不需要单独手写 parser，而是由 with_structured_output(...) 统一完成“约束输出 + 自动解析”
#更适合现代模型已经支持原生结构化输出的场景

方式三(结构化输出+额外校验处理):

structured_model = model.with_structed_output(Person)
result = structured_model.invoke("请返回一个人物信息")

# 这里可以继续做业务校验、入库前清洗、字段转换等处理
print(reuslt)

实际使用场景:

场景	不做解析，常见问题	更合适的做法
聊天问答、文案润色、摘要展示	只需要显示文本，结构要求低	StrOutputParser
从文本里抽取字段，如“问题/答案”“时间/人物/事件”	文本不稳定，后续逻辑难写	JsonOutputParser
给前端卡片、表单、列表页返回固定字段	字段缺失或字段名漂移会影响渲染	with_structured_output(TypedDict)
给数据库、审批流、订单系统写入严格数据	需要校验类型、范围、长度	PydanticOutputParser 或 with_structured_output(Pydantic)
与外部系统按统一协议对接	需要语言无关、协议明确	JSON Schema

 

输出解析器常用方法:

1.解析输出

• parser.invoke(...)：更偏 LangChain / Runnable 风格，适合和 prompt | model | parser 链式组合。本章案例大多是这种写法。
• parser.parse(text)：更偏“我已经拿到一段纯文本了，现在只想解析这段文本”。

2.给模型解释说明

解析器不只是“事后处理”，很多时候还会事前帮你约束模型输出。

常见方法：

parser.get_format_instructions()

会返回一段格式说明文字，告诉模型：应该输出什么结构；有哪些字段；每个字段是什么类型；是否只能返回 JSON；是否不能加额外解释文字

这段说明通常会被拼进 Prompt 中，让模型一开始就尽量按可解析格式输出，从而降低解析失败率

常见解析器用法

1. StrOutParser

LangChain 里最简单的输出解析器,把模型返回内容取出来，当作字符串使用。它不做结构化解析，也不关心字段、键名、数据类型，只关心“把最终文本拿到手

• 问答机器人直接展示文本；
• 文章摘要、标题生成、改写润色；
• 翻译、续写、营销文案；
• 只需要把结果显示到前端，不需要拆字段的场景。

2. JsonOutputParser

将模型的自由文本输出解析为结构化 JSON

用法一

直接在提示词里手写JSON要求

 

用法二

用get_format_instructions()自动生成格式说明，让解析器自己生成格式说明，再拼进 Prompt。