langchain示例

from langchain.output_parsers  import PydanticOutputParser  # 关键修正1：导入PydanticOutputParser
from langchain.prompts  import PromptTemplate
from langchain_openai import ChatOpenAI
from pydantic import BaseModel  # 关键修正2：导入BaseModel
 
# 定义Pydantic数据模型 ✅ 
class Joke(BaseModel):
    setup: str
    punchline: str
 
# 初始化解析器 ✅ 
output_parser = PydanticOutputParser(pydantic_object=Joke)
 
# 构建提示模板 ✅ 
prompt = PromptTemplate(
    template="生成一个笑话。\n{format_instructions}\n问题: {question}",  # 修正3：使用单花括号
    input_variables=["question"],
    partial_variables={
        "format_instructions": output_parser.get_format_instructions()   # 关键修正4：正确引用解析器
    }
)
 
# 初始化模型 ✅ 
API_KEY = "sk-24b51c6eec4393a044e826"  # 请替换为有效API密钥 
model = ChatOpenAI(
    model_name="deepseek-chat",
    api_key=API_KEY,
    base_url="https://api.deepseek.com/v1"   # 修正5：更新API端点 
)
 
# 构建调用链 ✅ 
chain = prompt | model | output_parser 
 
# 执行调用 ✅ 
response = chain.invoke({"question":  "为什么程序员喜欢黑暗？"})  # 修正6：使用单花括号
 
# 输出结果 ✅ 
print("开头：", response.setup) 
print("笑点：", response.punchline) 

这段代码展示了 LangChain 如何与 Pydantic 结合，实现对模型输出的结构化解析，这在需要特定格式输出的应用场景中非常有用。

一、代码解释

from langchain.output_parsers import PydanticOutputParser
from langchain.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from pydantic import BaseModel

导入必要的模块：PydanticOutputParser 用于解析结构化输出，PromptTemplate 用于构建提示词，ChatOpenAI 用于连接大模型，BaseModel 是 Pydantic 的基础模型类。

# 定义Pydantic数据模型
class Joke(BaseModel):
    setup: str
    punchline: str

创建一个 Pydantic 模型 Joke，定义了笑话的结构：包含 setup（笑话开头）和 punchline（笑话笑点）两个字符串字段。

# 初始化解析器
output_parser = PydanticOutputParser(pydantic_object=Joke)

创建 PydanticOutputParser 实例，指定要使用 Joke 模型来解析输出。

# 构建提示模板
prompt = PromptTemplate(
    template="生成一个笑话。\n{format_instructions}\n问题: {question}",
    input_variables=["question"],
    partial_variables={
        "format_instructions": output_parser.get_format_instructions()
    }
)

创建提示词模板，包含：

• 生成笑话的指令
• {format_instructions}：将由解析器提供的格式说明填充
• {question}：用户的问题
• 使用 partial_variables 预先填充格式说明

# 初始化模型
API_KEY = "sk-24b434dae8c044e826"  # 请替换为有效API密钥
model = ChatOpenAI(
    model_name="deepseek-chat",
    api_key=API_KEY,
    base_url="https://api.deepseek.com/v1"
)

配置并初始化 ChatOpenAI 模型，使用 deepseek-chat 模型，需要替换为有效的 API 密钥。

# 构建调用链
chain = prompt | model | output_parser

调用链条处理问题 "为什么程序员喜欢黑暗？"，传入问题参数。

# 输出结果
print("开头：", response.setup)
print("笑点：", response.punchline)

打印解析后的结果，分别输出笑话的开头和笑点。

预期输出示例

开头：为什么程序员喜欢黑暗？
笑点：因为他们讨厌光明（bug）！