2.1 模式1:Pydantic
它通过在运行时强制执行类型提示,确保数据的正确性和一致性,是生产场景首选。
2.1.1 基本使用
需要满足的几个要素:
- 所有结构化输出的数据模型都必须继承 BaseModel
- 使用类型提示。Pydantic 支持丰富的字段类型:str 、int、float、List[xxx]、Optional[xxx]等
- 使用 Field() 添加字段默认值和描述,帮助 LLM 理解字段含义
举例1:
1)大模型的初始化
![图片[1]-2、四种模式的使用-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-695.png)
2)定义 Pydantic 模型
使用清晰的字段描述;没有描述,LLM 可能格式错误
![图片[2]-2、四种模式的使用-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-696.png)
LangChain 会要求 LLM 的输出必须能填充这些字段。
3)使用with_structured_output 即可引导模型进行结构化输出:
![图片[3]-2、四种模式的使用-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-697.png)
举例2:
![图片[4]-2、四种模式的使用-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-698.png)
举例3:
![图片[5]-2、四种模式的使用-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-699.png)
![图片[6]-2、四种模式的使用-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-700.png)
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END

















请登录后查看评论内容