langchain基础（二）

一、输出解析器（Output Parser）

作用：（1）让模型按照指定的格式输出；

（2）解析模型输出，提取所需的信息

1、逗号分隔列表

CommaSeparatedListOutputParser：规定模型输出为以逗号分隔的字符串形式（它是自然语言意义上的列表，不是 Python 意义上的列表），解析时再将逗号分隔的字符串转成列表。

python 复制代码

#使用CommaSeparatedListOutputParser限制模型输出格式，并对输出进行解析，将其转换为列表形式。

from langchain.output_parsers import CommaSeparatedListOutputParser
from langchain.prompts import ChatPromptTemplate
from langchain_community.chat_models import ChatOpenAI

# 初始化模型
model=ChatOpenAI(model="gpt-3.5-turbo",
                 base_url="https://api.gptsapi.net/v1",
                )

#构建消息列表
prompt = ChatPromptTemplate.from_messages([ #构建提示模板
    ("system", "{parser_instructions}"),
    ("human", "列出5个{subject}色系的十六进制颜色码。")
])

output_parser=CommaSeparatedListOutputParser() #创建输出解析器（以逗号分隔的列表）
parser_instructions=output_parser.get_format_instructions() #获取解析器的指令
print(parser_instructions) #Your response should be a list of comma separated values, eg: `foo, bar, baz` or `foo,bar,baz`

final_prompt=prompt.invoke( #将变量填充，生成最终提示
    {"parser_instructions":parser_instructions,
    "subject":"莫兰迪"}
)

# 调用模型并输出结果
response=model.invoke(final_prompt)
print(type(response)) #<class 'langchain_core.messages.ai.AIMessage'>
print(response.content) # #F0A202, #FFCD75, #F8E6A0, #EAE0C8, #E1D9B7

response2list=output_parser.invoke(response) #使用output_parser的invoke方法对模型的响应response进行解析
print(response2list) #['#F0A202', '#FFCD75', '#F8E6A0', '#EAE0C8', '#E1D9B7']

系统消息("{parser_instructions}")，此消息位置用于传递输出解析器的指令，告诉模型如何格式化输出。

创建CommaSeparatedListOutputParser实例output_parser，用于解析模型输出。

通过output_parser.get_format_instructions()获取输出格式指令，这些指令会告诉模型应以逗号分隔的列表形式输出结果。打印这些指令可查看具体内容，例如："你的回答应该是一个逗号分隔的列表，不包含任何其他解释或说明。"

使用output_parser的invoke方法对模型的响应response进行解析。output_parser会按照之前定义的格式指令，将模型输出转换为 Python 列表。

对于output_parser的invoke函数，

Union[str, BaseMessage] 是 Python typing 模块中的类型注解，表示 input 参数可以是 str 类型（字符串类型）或者 BaseMessage 类型。Union 用于指定一个参数可以是多种类型中的任意一种。

2、JSON

python 复制代码

# 从给定的书籍概述中提取书名、作者以及书籍体裁等信息，并将提取结果解析为 Pydantic 模型对象

from langchain.output_parsers import PydanticOutputParser
from langchain.prompts import ChatPromptTemplate
from pydantic import BaseModel,Field
from typing import List
from langchain_community.chat_models import ChatOpenAI

# 初始化模型
model=ChatOpenAI(model="gpt-3.5-turbo",
                 base_url="https://api.gptsapi.net/v1",
                )

# 消息列表
## 定义数据输出和解析格式，获取parser_instructions
class BookInfo(BaseModel):
    book_name:str=Field(description="书籍的名字",
                        example="百年孤独")
    author_name:str=Field(description="书籍的作者",
                          example="加西亚·马尔克斯")
    genres:List[str]=Field(description="书籍的体裁",
                         example=["小说","文学"])
    
output_parser=PydanticOutputParser(pydantic_object=BookInfo) #将BookInfo类作为参数传递，用于将模型输出解析为BookInfo对象
parser_instructions=output_parser.get_format_instructions()
print(parser_instructions)

## 构建提示模板
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="""
《明朝那些事儿》，作者是当年明月。2006 年 3 月在天涯社区首次发表，
2009 年 3 月 21 日连载完毕，边写作边集结成书出版发行，一共 7 本。
《明朝那些事儿》主要讲述的是从 1344 年到 1644 年这三百年间关于明朝的一些故事。
以史料为基础，以年代和具体人物为主线，并加入了小说的笔法，语言幽默风趣。
对明朝十六帝和其他王公权贵和小人物的命运进行全景展示，
尤其对官场政治、战争、帝王心术着墨最多，并加入对当时政治经济制度、人伦道德的演义。
它以一种网络语言向读者娓娓道出三百多年关于明朝的历史故事、人物。
其中原本在历史中陌生、模糊的历史人物在书中一个个变得鲜活起来。
《明朝那些事儿》为读者解读历史中的另一面，让历史变成一部活生生的生活故事。"""

## 将格式指令和书籍概述填充到提示模板中，生成最终的提示
final_prompt=prompt.invoke(
    {
        "parser_instructions":parser_instructions,
        "book_introduction":book_introduction
    }
)

# 调用模型并输出结果
response=model.invoke(final_prompt)
print(response.content)

response2bookinfo=output_parser.invoke(response) #将模型的响应response解析为BookInfo对象response2bookinfo
print(response2bookinfo)
print(response2bookinfo.book_name)
print(response2bookinfo.author_name)
print(response2bookinfo.genres)

1、pydantic是一个功能强大的python库，主要用于数据验证、数据解析和数据序列化。

数据验证：

（1）类型检查：对输入的数据进行严格的类型检查，确保数据符合模型定义的类型。例如，在定义一个用户模型时，可以指定用户的年龄为整数类型，如果传入的数据不是整数，pydantic 会抛出验证错误。

（2）范围和约束检查：为字段设置范围和约束条件，如最大长度、最小长度、最大值、最小值等。

数据解析：

自动类型转换：可以自动将输入的数据转换为模型定义的类型。例如，输入的字符串形式的数字可以自动转换为整数或浮点数。

数据序列化：

模型实例可以方便地转换为字典（.dict）或 JSON 字符串（.json），便于数据的存储和传输。

补充：dict和json的区别

如果你只在 Python 内部处理数据，字典可能更合适；而如果涉及到数据的传输或存储，尤其是跨系统的交互，JSON 字符串通常是更好的选择。

2、BaseModel和Field来自pydantic库，它们具有以下作用：

BaseModel是一个基类，用于创建数据模型类。通过继承BaseModel，可以快速定义具有数据验证、序列化和反序列化等功能的数据模型。

比如BookInfo类继承自BaseModel，这使得BookInfo类可以利用pydantic提供的自动验证功能，确保数据符合定义的类型和约束条件。

Field是用于定义模型字段的函数。它为模型中的字段（book_name、author_name和genres）提供额外的元数据和配置选项，如字段的描述（descripton）、示例（example）等。

这些信息在生成文档、进行数据验证以及帮助开发者、AI理解代码逻辑等方面都非常有帮助。

3、打印指令print(parser_instructions)

开头部分说明了输出应该被格式化为一个符合给定 JSON 模式的 JSON 实例，并通过一个示例展示了什么样的输出是符合模式的，什么样的输出是不符合模式的。

JSON Schema（schema模式，用于规范实际存储的书籍信息的结构和规则）："说明书"

输出json：

4、输出的json本质上是字符串，将其转为类实例更容易提取对应信息

result.book_name就可以直接得到书名了。

5、from typing import List

在 Python 3.9 之前需要引入 List 来实现更精确的类型提示，而 Python 3.9 及以后可以直接使用内置的 list 完成类似功能。不过，为了保持代码在不同 Python 版本之间的兼容性，很多项目仍然会使用 typing 模块中的类型。