LangChain实战 | OutputParser：让大模型输出从 “鸡肋” 变 “瑰宝” 的关键！

在日常的LangChain开发中，OutputParser绝对是一个被低估的利器。很多同学拿大模型吐出来的原始文本就直接用，结果下游业务根本处理不了，不得不写一堆正则去“捞”数据。其实，LangChain内置的输出解析器就是专门解决这个问题的——它能把大模型那些“天生自由”的输出，拧成你想要的固定格式，比如JSON、Python对象，甚至带校验规则的Pydantic模型。

下面我会用一个完整的实战案例，带你一步步走通从大模型原始响应到结构化JSON输出的全过程。全文分三个部分：先理解OutputParser到底是什么，再说它能解决什么实际问题，最后用一段可运行的代码演示所有细节。

准备好了吗？直接进入正题。

——正文——

1. 什么是输出解析器（OutputParser）？

大模型输出的是文本，但下游系统要的是结构化字段。比如你想让模型写一段科幻小说的简介，模型可能洋洋洒洒输出几百字带空行和标点，直接发到前端，前端根本没法直接渲染。OutputParser就是那个“翻译官”——它把文本回复转换成你预定义的数据结构。更妙的是，它还能反向给提示词注入格式化指令，让模型从一开始就知道“按这个JSON模板输出”。

2. OutputParser的用途是什么？

官方文档里总结了两点，但实际工作中你会发现，它的价值远不止这些：

1. 把非结构化文本变成结构化数据。
   比如把一段小说摘要拆成标题、摘要、正文三个字段，并且自动转换成Python字典或Pydantic对象，后续处理完全不用操心格式。

2. 指导大模型如何输出。
   解析器提供了一个get_format_instructions()方法，它会生成一段类似“必须严格按照以下JSON Schema输出”的指令，你把它塞进提示词模板里，模型就会乖乖按格式生成。

说白了，OutputParser就是大模型和业务代码之间的“规约器”——它让模型说标准话，让下游代码省掉无数脏活。

3. 例子：大模型返回响应后，以JSON格式返回给客户端（JsonOutputParser）

直接看需求：让大模型生成一篇100字的科幻小说，但要求输出格式必须是JSON，包含标题、摘要、正文。而且，我们还想在返回给客户端之前，额外拼上作者和年龄信息。最终给前端的JSON结构大概长这样：

{
  作者:"xx",
  年龄:"80",
  标题:"xxx",
  摘要:"xxxx",
  正文:"xxxxxx",
}

下面我按步骤拆解，每一步都附上了可复制的代码（API Key请替换成你自己的）。

3.1 引入相关的包

import os  # 导入操作系统模块
import json  # 导入json模块

os.environ['OpenAI_API_KEY'] = 'hk-iwtb91e427'  # 设置OpenAI API密钥

from langchain_core.output_parsers import PydanticOutputParser, JsonOutputParser
from langchain_core.prompts import PromptTemplate
from langchain_openai import OpenAI, ChatOpenAI
from pydantic import BaseModel, Field, model_validator

3.2 定义模型

model = ChatOpenAI(  # 创建ChatOpenAI的实例
    model="gpt-4o-mini",  # 指定模型
    temperature=0,  # 设置温度
    base_url="https://api.openai-hk.com/v1"  # 设置基础URL
)

3.3 定义解析器

使用Pydantic定义你期望的数据结构，然后把它传给JsonOutputParser。注意这里还可以写校验逻辑，比如要求标题不能为空、正文超过50字等。

# 使用pydantic定义所需的数据结构
class Story(BaseModel):# 创建Story类，继承自BaseModel
    title: str = Field(description="标题")  # 科幻小说的标题
    summary: str = Field(description="摘要")  # 科幻小说的摘要
    content: str = Field(description="正文")  # 科幻小说的正文

    # 可以轻松添加自定义验证逻辑
    @model_validator(mode="before")  # 在模型验证之前进行验证
    @classmethod
    def validate_story(cls, values: dict) -> dict:# 定义验证方法
        # 这里可以添加对标题、摘要和正文的验证逻辑
        return values  # 返回验证后的值

# 设置解析器
parser = JsonOutputParser(pydantic_object=Story)  # 创建JsonOutputParser实例

3.4 定义提示词（指导怎么格式化输出）

解析器通过get_format_instructions()方法，返回用于提示的格式化文本指令。把这个指令拼到提示词里，模型就知道要按照什么JSON schema来生成内容了。实际生成的指令类似下面这样（见运行日志）。

# 创建提示模板
prompt = PromptTemplate(  # 创建提示模板
    template="请按用户要求返回文章，包括标题、摘要和正文。\n{format_instructions}\n{query}\n",  # 模板内容
    input_variables=["query"],  # 输入变量
    partial_variables={"format_instructions": parser.get_format_instructions()},  # 部分变量
)

# 定义查询
story_query = "请给我一个100字的科幻小说。"# 查询内容

# 打印最终模板结果
final_template = prompt.format(format_instructions=parser.get_format_instructions(), query=story_query)  # 格式化最终模板
print("=================================提示词开始========================================")
print(final_template)  # 打印最终模板结果
print("=================================提示词结束========================================")

这是生成的指导提示词：

The output should be formatted as a JSON instance that conforms to the JSON schema below.

As an example, for the schema {"properties": {"foo": {"title": "Foo", "description": "a list of strings", "type": "array", "items": {"type": "string"}}}, "required": ["foo"]}
the object {"foo": ["bar", "baz"]} is a well-formatted instance of the schema. The object {"properties": {"foo": ["bar", "baz"]}} is not well-formatted.

Here is the output schema:
```
{"properties": {"title": {"description": "标题", "title": "Title", "type": "string"}, "summary": {"description": "摘要", "title": "Summary", "type": "string"}, "content": {"description": "正文", "title": "Content", "type": "string"}}, "required": ["title", "summary", "content"]}
```

3.5 调用大模型生成格式化输出

把解析器放到链的最后，这样模型输出的文本会自动被解析成Python字典。注意这里用了prompt | model | parser这种链式语法，非常简洁。

# 创建一个查询，旨在提示语言模型生成科幻小说
output = prompt | model | parser  # 将提示和模型结合
story_output = output.invoke({"query": story_query})  # 调用模型并传入查询
print("模型输出结果 ：")
print(story_output)  # 打印输出
print()

3.6 在返回给用户前，增加其他业务数据

拿到模型的JSON输出后，我们可以在它上面拼接业务字段，比如作者和年龄。这一步完全在你的代码层完成，不受模型控制。

# 拼接作者和年龄信息
final_json = {
    "title": story_output['title'],
    "summary": story_output['summary'],
    "content": story_output['content'],
    "author": "AI取经人",  # 作者
    "age": 18  # 年龄
}

# 打印最终的 JSON 结果
print("最终的 JSON 结果：")
print(json.dumps(final_json, ensure_ascii=False, indent=4))  # 格式化打印JSON结果

3.7 最终的json数据

{
    "title": "穿越时空的信号",
    "summary": "在未来的某一天，科学家通过先进的量子技术接收到了来自20世纪的神秘信号。这一信号揭示了一段被遗忘的历史，改变了人类对时间的理解。",
    "content": "当信号首次被接收时，整个实验室都陷入了震惊。信号中包含着关于平行宇宙的知识和未来人类的命运。科学家们决定通过量子隧道进行实验，试图与过去的自己交流。在这个过程中，他们不仅面对科技的诱惑，也直面人性的挣扎。最终，他们意识到，改变历史的代价是不可承受的，但真相仍旧摆在他们面前。",
    "author": "AI取经人",
    "age": 18
}

3.8 运行日志

（该处保留原文空白的

，实际运行日志请参考上面打印的提示词和输出结果。）