4、输出解析器（Output Parsers）：PydanticOutputParser、CommaSeparatedListOutputParser、自定义解析器

聊完了 Prompt 和 LLM 的调用，接下来我们得面对一个很现实的问题：大模型吐出来的东西，怎么变成我们程序能用的数据？

你想想看，LLM 本质上就是个文本生成器。你问它「给我三个 Python 库的名字」，它可能回你一句：「好的，以下是三个常用的 Python 库：NumPy、Pandas、Matplotlib。」

这句子写得挺通顺，但对程序来说，这就是一堆字符串。你想把它塞进一个列表里？还得自己写正则去匹配「：」后面的内容，再按顿号切分。我刚开始做 LangChain 项目时，就吃过这个亏。那时候图省事，直接让 LLM 返回 JSON 字符串，然后 json.loads() 一把梭。结果呢？模型偶尔多打了个逗号，或者把 key 的引号写成了中文全角，整个程序就崩了。

所以，输出解析器（Output Parser） 就是来解决这个问题的。它的职责很明确：把 LLM 输出的原始文本，转换成我们指定的数据结构。LangChain 内置了几种好用的解析器，咱们一个一个来看。

4.1 PydanticOutputParser：结构化数据的首选

我个人习惯，只要是需要从 LLM 输出中提取多个字段的场景，比如信息抽取、实体识别、结构化问答，我都会优先考虑 PydanticOutputParser。它基于 Pydantic 模型，能帮你定义好输出的 schema，并且自带校验逻辑。

举个例子，假设我们要让 LLM 提取一条新闻的标题、作者和发布时间：

from langchain.output_parsers import PydanticOutputParser
from pydantic import BaseModel, Field
from typing import Optional

# 1. 定义你的输出结构
class NewsArticle(BaseModel):
    title: str = Field(description="新闻的标题")
    author: Optional[str] = Field(description="新闻的作者，如果未知则为空")
    publish_date: Optional[str] = Field(description="新闻的发布日期，格式为 YYYY-MM-DD")

# 2. 创建解析器
parser = PydanticOutputParser(pydantic_object=NewsArticle)

# 3. 获取格式指令（这个很重要！）
format_instructions = parser.get_format_instructions()
print(format_instructions)

这里有个关键点：get_format_instructions() 方法会自动生成一段提示词，告诉 LLM 应该以什么格式返回数据。你只需要把这个指令拼到你的 Prompt 里就行。

核心思路： 解析器不直接修改 LLM 的输出，而是通过「格式指令」引导 LLM 输出符合预期的文本，然后再由解析器进行解析和校验。

我曾经在一个知识库问答项目中，需要从用户问题中提取「实体」和「意图」两个字段。一开始我手动写 Prompt 让 LLM 返回 JSON，结果总是有 5% 左右的请求因为格式问题解析失败。换成 PydanticOutputParser 后，失败率直接降到了 0.5% 以下。为什么？因为格式指令里包含了详细的示例和约束，LLM 更容易理解你的要求。

小技巧： 如果你的 Pydantic 模型字段有复杂的校验逻辑（比如正则匹配、数值范围），解析器会在解析时自动校验。如果 LLM 返回的数据不合法，它会抛出 OutputParserException，方便你进行重试或降级处理。

4.2 CommaSeparatedListOutputParser：简单场景的利器

有些场景其实没那么复杂。比如你只是想让 LLM 生成一个关键词列表，或者列举几个选项。这时候用 PydanticOutputParser 就有点「杀鸡用牛刀」了。

CommaSeparatedListOutputParser 就是为这种场景准备的。它期望 LLM 返回一个用逗号分隔的列表，然后帮你转成 Python 的 List[str]。

from langchain.output_parsers import CommaSeparatedListOutputParser
from langchain.prompts import PromptTemplate

parser = CommaSeparatedListOutputParser()
format_instructions = parser.get_format_instructions()

prompt = PromptTemplate(
    template="列出 5 个常用的数据可视化库。\n{format_instructions}",
    input_variables=[],
    partial_variables={"format_instructions": format_instructions}
)

# 假设 LLM 返回了："Matplotlib, Seaborn, Plotly, Bokeh, Altair"
result = parser.parse("Matplotlib, Seaborn, Plotly, Bokeh, Altair")
print(result)  # ['Matplotlib', 'Seaborn', 'Plotly', 'Bokeh', 'Altair']

嗯，这里要注意一点：LLM 有时候会不听话。比如它可能返回带编号的列表：「1. Matplotlib, 2. Seaborn...」。这时候解析器会直接报错。我的建议是，在 Prompt 里明确强调「只返回逗号分隔的文本，不要编号，不要额外说明」。如果还是不行，可以考虑用 StructuredOutputParser 或者干脆写个自定义解析器。

4.3 自定义解析器：掌控一切

内置解析器虽然方便，但总有覆盖不到的场景。比如你希望 LLM 返回一个 Markdown 表格，然后解析成 Pandas DataFrame；或者你需要处理一些特殊的格式，像 XML、YAML。

这时候就得自己动手了。LangChain 的 BaseOutputParser 抽象类，只需要你实现两个方法：

  • parse(self, text: str) -> T：核心方法，把文本解析成你想要的类型。
  • get_format_instructions(self) -> str：返回格式指令，告诉 LLM 怎么输出。

来看一个实际例子。我之前做过一个项目，需要 LLM 输出「关键词-权重」的键值对，每行一个。比如：

Python: 0.95
机器学习: 0.88
深度学习: 0.82

内置解析器搞不定这个，于是我写了个自定义的：

from langchain.schema import BaseOutputParser
from typing import Dict

class KeyValueOutputParser(BaseOutputParser[Dict[str, float]]):
    def parse(self, text: str) -> Dict[str, float]:
        lines = text.strip().split('\n')
        result = {}
        for line in lines:
            if ':' not in line:
                continue
            key, value = line.split(':', 1)
            key = key.strip()
            try:
                value = float(value.strip())
            except ValueError:
                # 如果转换失败，就跳过这一行
                continue
            result[key] = value
        return result

    def get_format_instructions(self) -> str:
        return "请按以下格式输出：每行一个键值对，键和值用英文冒号分隔。例如：\n关键词1: 0.95\n关键词2: 0.88"

避坑指南： 我曾经在自定义解析器里忘了处理 LLM 输出中的空行和前后空格，结果解析出来的字典里全是空字符串 key。后来我加上了 .strip() 和 continue 逻辑才搞定。所以，写解析器时一定要对 LLM 的输出做「防御性编程」——假设它可能给你任何乱七八糟的东西。

4.4 如何选择合适的解析器？

说了这么多，到底该用哪个？我整理了一个简单的对照表：

场景 推荐解析器 说明
需要提取多个字段，且字段有类型约束 PydanticOutputParser 最推荐，自带校验和错误提示
只需要一个简单的列表 CommaSeparatedListOutputParser 轻量级，但 LLM 容易跑偏
需要返回固定结构的 JSON StructuredOutputParser 比 Pydantic 轻量，但校验弱一些
格式特殊，或需要后处理 自定义解析器 灵活度最高，但需要自己写逻辑

最后说一句，输出解析器不是银弹。它解决的是「格式规范化」的问题，但解决不了「内容质量」的问题。如果 LLM 本身理解错了你的意图，解析器再强也救不了。所以，好的 Prompt 设计 + 合适的解析器，才是企业级应用的黄金搭档。

← 上一章 📖 返回目录 下一章 →