Output Parsers：结构化输出

为什么需要解析器

应用代码无法直接消费一段自然语言。Output Parser 负责"文本 → 结构"：

from langchain_core.output_parsers import StrOutputParser, JsonOutputParser
from pydantic import BaseModel, Field

class Book(BaseModel):
    title: str = Field(description="书名")
    author: str = Field(description="作者")
    year: int = Field(description="出版年份")

parser = JsonOutputParser(pydantic_object=Book)

prompt = ChatPromptTemplate.from_messages([
    ("system", "提取图书信息，输出 JSON。{format_instructions}"),
    ("human", "{text}"),
]).partial(format_instructions=parser.get_format_instructions())

chain = prompt | llm | parser
result = chain.invoke({"text": "《三体》是刘慈欣 2008 年出版的科幻小说"})
print(result)   # {'title': '三体', 'author': '刘慈欣', 'year': 2008}

推荐做法：with_structured_output

现代模型支持"工具调用式"的结构化输出，比纯提示词更可靠：

structured_llm = llm.with_structured_output(Book)
book: Book = structured_llm.invoke("介绍一下《三体》")
print(book.title, book.author)

解析失败怎么办

• 使用 OutputFixingParser：解析失败时把错误喂回模型自动修复；
• 提示词中明确"只输出 JSON，不要附加任何解释"；
• temperature 设为 0。