1. 输出解析器:让AI输出不再"自由发挥"
在构建AI应用时,开发者经常面临一个令人头疼的问题:我们明明需要结构化的数据,但模型却总是给我们一段自由发挥的自然语言。比如:
- 你需要:
{"name": "Alice", "age": 18} - 模型给你:
好的,这是你要的信息:名字是Alice,今年18岁了。
这种"答非所问"的情况在AI应用开发中非常普遍。LangChain的输出解析器(Output Parsers)就是为解决这个问题而生的组件,它位于LCEL链的最后一步(prompt | llm | parser),专门负责对模型的原始输出进行清洗、校验和格式化。
提示:输出解析器不仅能让数据更规范,还能显著减少后续处理代码的复杂度。据统计,使用解析器后,数据清洗代码量平均减少70%。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 四大核心解析器详解
2.1 StrOutputParser:文本提取的"基本款"
这是最简单的解析器,作用仅仅是剥离掉AI返回消息的外壳。默认情况下,LLM返回的是一个AIMessage对象(包含content、response_metadata等信息),但大多数时候我们只需要文字内容。
python复制from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="deepseek-chat", temperature=0)
parser = StrOutputParser()
prompt = ChatPromptTemplate.from_messages([
("user", "讲个笑话")
])
chain = prompt | llm | parser
result = chain.invoke({})
print(result) # 输出纯文本笑话
print(type(result)) # <class 'str'>
实操心得:
- 当只需要模型输出的原始文本时使用
- 是LC
