Lanchain结构化输出---JsonOutputParser + Pydantic：强类型结构化解析

Step 1:

用 Pydantic 定义数据结构（你期望的输出格式）

python 复制代码

# BaseModel 是 Python 中一个非常强大的库（Pydantic）提供的基类。你可以把它理解为一个"严格的表单模板"
class ReviewExtract(BaseModel):  
# Field(description=...) 的作用：这里的描述是给大模型看的  
sentiment: str = Field(description="情感倾向：positive/negative/neutral")  
aspects: list[str] = Field(description="提到的产品维度，如 亮度/色温/安装")  
return_related: bool = Field(description="是否涉及退货诉求")  
pain_point: str = Field(description="一句话概括客户痛点")  


'''  
output：

ReviewExtract: 一份数据结构（表格长什么样？）  
'''

Step 2:

创建解析器，绑定 Pydantic 模型

python 复制代码

# JsonOutputParser(pydantic_object=ReviewExtract)：创建了一个专门负责"解析 JSON"的工具，并且把刚才定义的"表单模板（ReviewExtract）"交给了它
json_parser = JsonOutputParser(pydantic_object=ReviewExtract)
# get_format_instructions() 会生成一段「格式要求」文本
# 告诉模型必须按 JSON 格式输出，且字段必须匹配 ReviewExtract 的定义
format_instructions = json_parser.get_format_instructions()  


'''  
output：

json_parser: 解析 JSON 的工具  
format_instructions: 一段大模型能读懂的文字指令  
'''

Step 3:

把格式指令注入 Prompt，让模型按要求输出

python 复制代码

# ChatPromptTemplate.from_messages：定义提示词模版
review_prompt = ChatPromptTemplate.from_messages([  
("system", "你是电商评论分析师。请从以下评论中提取信息。\n{format}"),  
("human", "{review}"),  
]).partial(format=format_instructions) # .partial() 预填固定变量  
'''  
format_instructions 通常是由 LangChain 的输出解析器（Output Parser，比如 JsonOutputParser）生成的。它是一段由代码自动生成的"格式要求说明"（例如："请仅输出一个合法的 JSON 对象，包含 sentiment 和 summary 两个字段..."）。  
.partial() 方法的作用是提前把格式指令填充到模板的 {format} 占位符中。  
为什么要这么做？ 因为格式要求是固定的，而具体的评论（{review}）是每次调用时才传入的。提前固定格式，后续每次分析评论时，就只需要动态传入 {review} 即可，代码更加模块化和整洁  
'''  


'''  
output：

review_prompt:一个半成品的提示词  
'''

Step 4:

构建新链：Prompt → LLM → JsonOutputParser

python 复制代码

# 左输出 = 右输入

review_chain = review_prompt | llm | json_parser 


'''  
output：

review_chain:它是一个全自动流水线，你往里面塞入一条原始评论，它就会自动完成"拼装提示词 -> 调用大模型 -> 提取并校验 JSON"这一整套复杂操作，最后直接吐出一个干干净净的 Python 字典给你  
'''

Step 5:

调用并获取结构化结果

python 复制代码

review_result = review_chain.invoke({  
"review": "这灯太暗了，装也难装，想退货。"  
})  
'''  
output：

review_result: 极其干净的 Python 字典  
'''