LangChain 大模型输出结构化解析指南

常用 Output Parser 详解

List Parser (列表解析)

CommaSeparatedListOutputParser 是最常用的列表解析器，它将逗号分隔的字符串转换为 Python 列表。

使用示例：

from langchain.output_parsers import CommaSeparatedListOutputParser
from langchain.prompts import PromptTemplate

output_parser = CommaSeparatedListOutputParser()
format_instructions = output_parser.get_format_instructions()

prompt = PromptTemplate(
    template="列出几种{subject}。\n{format_instructions}",
    input_variables=["subject"],
    partial_variables={"format_instructions": format_instructions + "用中文回答"}
)

_input = prompt.format(subject="水果")
# 假设 model 已初始化
# output = model(_input)
# print(output_parser.parse(output))

注意事项： 默认情况下，get_format_instructions 返回的是英文指令，可能导致模型输出英文。建议在提示词中显式要求使用目标语言。

Datetime Parser (日期时间解析)

DatetimeOutputParser 用于将文本转换为 Python 的 datetime 对象。它支持自定义日期格式。

配置示例：

from langchain.output_parsers import DatetimeOutputParser

parser = DatetimeOutputParser()
# 设置格式为 ISO 8601
parser.format = "%Y-%m-%dT%H:%M:%S.%fZ"

instructions = parser.get_format_instructions()

在解析时，如果 LLM 输出的日期格式与预设不符，会抛出 OutputParserException。因此，确保提示词中包含明确的格式示例至关重要。

Enum Parser (枚举解析)

当业务逻辑需要限定选项范围时，可以使用 EnumOutputParser。它强制 LLM 从预定义的枚举值中选择。

实现逻辑：

from enum import Enum
from langchain.output_parsers import EnumOutputParser

class Color(Enum):
    RED = "red"
    GREEN = "green"
    BLUE = "blue"

parser = EnumOutputParser(enum=Color)

该解析器会自动生成包含有效值的提示词，并在 parse 阶段验证返回值是否在枚举范围内，否则抛出异常。

Pydantic (JSON) Parser

对于复杂的嵌套数据结构，PydanticOutputParser 是最佳选择。它基于 Pydantic 模型定义 JSON Schema，并自动进行类型校验。

完整示例：

from pydantic import BaseModel, Field
from langchain.output_parsers import PydanticOutputParser

class Student(BaseModel):
    name: str = Field(description="学生的姓名")
    age: int = Field(description="学生的年龄")
    is_active: bool = Field(default=True, description="是否在读")

parser = PydanticOutputParser(pydantic_object=Student)

prompt = PromptTemplate(
    template="根据以下信息生成学生数据。\n{format_instructions}\n{query}",
    input_variables=["query"],
    partial_variables={"format_instructions": parser.get_format_instructions()}
)

优势：

1. 自动类型转换（如字符串转整数）。
2. 字段描述自动生成到提示词中，提高模型理解度。
3. 运行时校验，确保数据符合预期结构。

Structured Output Parser

如果不需要完整的 Pydantic 模型定义，仅需要简单的键值对结构，可以使用 StructuredOutputParser。它通过 ResponseSchema 定义字段。

from langchain.output_parsers import StructuredOutputParser, ResponseSchema

response_schemas = [
    ResponseSchema(name="name", description="姓名"),
    ResponseSchema(name="age", description="年龄")
]
output_parser = StructuredOutputParser.from_response_schemas(response_schemas)

此方式比 Pydantic 更轻量，适合快速原型开发，但缺乏强类型校验能力。

XML Parser

对于遗留系统或特定协议交互，XMLOutputParser 可将输出解析为 XML 格式。用法与 JSON 类似，只需指定根标签和子标签结构。

错误修复与重试机制

在实际生产中，LLM 偶尔会忽略格式指令。LangChain 提供了专门的工具来处理此类情况。

OutputFixingParser

当标准解析失败时，OutputFixingParser 会将错误信息反馈给 LLM，请求其修正输出。

from langchain.output_parsers import OutputFixingParser
from langchain.chat_models import ChatOpenAI

new_parser = OutputFixingParser.from_llm(parser=base_parser, llm=ChatOpenAI())
try:
    result = new_parser.parse(misformatted_output)
except Exception as e:
    # 处理最终无法修复的情况
    pass

RetryWithErrorOutputParser

类似于修复器，但侧重于在解析前重试生成过程，适用于模型频繁违反约束的场景。

自定义 Output Parser

当内置解析器无法满足需求时，可以继承 BaseOutputParser 创建自定义解析器。

步骤：

1. 继承 BaseOutputParser。
2. 实现 parse 方法，编写具体的解析逻辑（如正则匹配、字符串分割）。
3. 实现 get_format_instructions，生成引导提示词。
4. 实现 _type 属性。

示例：提取特定关键词

import re
from typing import List
from langchain.output_parsers import BaseOutputParser

class KeywordExtractor(BaseOutputParser[List[str]]):
    keywords: List[str]

    def parse(self, text: str) -> List[str]:
        found = []
        for kw in self.keywords:
            if kw in text:
                found.append(kw)
        return found

    def get_format_instructions(self) -> str:
        return f"请确保回复中包含以下关键词之一：{', '.join(self.keywords)}"

    @property
    def _type(self) -> str:
        return "keyword_extractor"

最佳实践与注意事项

1. 提示词工程配合：解析器只是后端工具，前端提示词必须清晰明确。在 get_format_instructions 基础上，可追加具体约束（如'不要输出多余解释'）。
2. 温度参数控制：设置 temperature=0 可减少随机性，提高格式遵循度。
3. 异常捕获：始终包裹 parse 调用，防止因格式错误导致整个 Chain 中断。
4. 版本兼容性：不同版本的 LangChain 可能调整了 API，建议查阅官方文档确认最新用法。
5. 性能考量：对于高频调用场景，避免在每次请求时重新实例化解析器，建议复用单例。

总结

LangChain 的输出解析器极大地降低了结构化数据处理的门槛。从简单的列表分割到复杂的 Pydantic 模型校验，开发者可以根据业务需求灵活选择。同时，结合错误修复机制和自定义解析能力，能够有效应对生产环境中的不确定性，构建更加稳健的 AI 应用系统。