LangChain 输出解析器与 LCEL 链构建详解

自定义格式的输出解析器

对于更复杂的结构化数据需求，可以使用 Pydantic 模型配合 PydanticOutputParser 来定义自定义格式。

步骤：

1. 定义数据结构类，继承 pydantic.BaseModel。
2. 使用 PydanticOutputParser 实例化解析器。
3. 生成 Prompt、调用 LLM、执行解析。

示例：提取书籍信息

from typing import List
from langchain.output_parsers import PydanticOutputParser
from langchain.prompts import ChatPromptTemplate
from langchain.schema import HumanMessage
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_openai import ChatOpenAI

# 1. 定义数据结构
class BookInfo(BaseModel):
    book_name: str = Field(description="书籍的名字")
    author_name: str = Field(description="书籍的作者")
    genres: List[str] = Field(description="书籍的体裁")

# 2. 初始化解析器
output_parser = PydanticOutputParser(pydantic_object=BookInfo)
print("格式指令:", output_parser.get_format_instructions())

# 3. 构建 Prompt
prompt = ChatPromptTemplate.from_messages([
    ("system", "{parser_instructions} 你输出的结果请使用中文。"),
    ("human", "请你帮我从书籍的概述中，提取书名、作者，以及书籍的体裁。书籍概述会被三个#符号包围。\n###{book_introduction}###")
])

book_introduction = """
《朝花夕拾》原名《旧事重提》，是现代文学家鲁迅的散文集，收录鲁迅于 1926 年创作的 10 篇回忆性散文。
此文集作为'回忆的记事'，多侧面地反映了作者鲁迅青少年时期的生活。
"""

# 4. 执行链
model = ChatOpenAI(model="gpt-3.5-turbo", openai_api_key="YOUR_API_KEY")
final_prompt = prompt.invoke({
    "book_introduction": book_introduction,
    "parser_instructions": output_parser.get_format_instructions()
})
response = model.invoke(final_prompt)
result = output_parser.invoke(response)

print(result)
# 输出类型为 BookInfo 对象

2. 利用 LCEL 构建链

2.1 LCEL 简介

LCEL（LangChain Expression Language）是 LangChain 表达式语言的简称。它提供了一种声明式的方式来组合各种组件，使得构建复杂的应用逻辑更加直观和高效。

在 LangChain 中，只要实现了 Runnable 接口并且拥有 invoke 方法的对象，都可以被视为一个可运行的单元（Runnable）。这意味着它们可以接收上一个单元的输出作为自己的输入，从而形成链条。

常见的组件如 ChatPromptTemplate、ChatOpenAI、PydanticOutputParser 等都实现了 Runnable 接口。

LCEL 提供了管道符 | 来连接这些组件，这种方式不仅书写简洁，而且支持异步（Async）、流式（Streaming）等多种执行模式。

2.2 传统方式与 LCEL 对比

不使用 LCEL

在传统模式下，代码需要显式地调用每个组件的 invoke 方法，变量传递繁琐，难以维护。

# 传统写法
final_prompt = prompt.invoke({"book_introduction": book_introduction, "parser_instructions": output_parser.get_format_instructions()})
response = model.invoke(final_prompt)
result = output_parser.invoke(response)

使用 LCEL

使用 LCEL 可以将多个步骤串联成一个 Chain 对象，代码可读性大幅提升。

# LCEL 写法
chain = prompt | model | output_parser
ret = chain.invoke({
    "book_introduction": book_introduction,
    "parser_instructions": output_parser.get_format_instructions()
})

2.3 LCEL 的高级特性

异步支持

LCEL 原生支持异步操作，适合高并发场景。

import asyncio

async def main():
    # 使用 ainvoke 替代 invoke
    result = await chain.ainvoke({
        "book_introduction": book_introduction,
        "parser_instructions": output_parser.get_format_instructions()
    })
    print(result)

asyncio.run(main())

流式输出

对于长文本生成，流式输出能显著提升用户体验。

for chunk in chain.stream({
    "book_introduction": book_introduction,
    "parser_instructions": output_parser.get_format_instructions()
}):
    print(chunk, end="", flush=True)

3. 最佳实践与常见问题

3.1 错误处理

在使用 LCEL 时，建议捕获可能出现的异常，特别是当 LLM 未能按照预期格式输出时。可以通过添加 try-except 块或使用 RetryOutputParser 来处理解析失败的情况。

3.2 性能优化

• 缓存机制：对于相同的 Prompt 和参数，可以利用 LangChain 的缓存功能减少 Token 消耗。
• 批量处理：如果需要对多条数据进行相同处理，考虑使用 batch 或 astream_events 方法。

3.3 调试技巧

• 启用 LangChain 的日志记录功能，查看每一步的输入输出。
• 使用 trace 工具追踪链的执行路径。

4. 总结

本文详细讲解了 LangChain 的输出解析器原理及使用方法，包括内置解析器和基于 Pydantic 的自定义解析器。同时，深入介绍了 LCEL 表达式语言如何简化链的构建过程，并展示了其异步和流式能力。掌握这些核心技术，能够帮助开发者更高效地构建稳定、可控的大模型应用。

在实际项目中，建议根据具体需求选择合适的解析器类型，并充分利用 LCEL 的组合能力来管理复杂的业务逻辑。随着 LangChain 生态的不断发展，新的组件和模式会不断涌现，保持对文档的关注和学习是持续进步的关键。