[掌握JSON解析：使用模型生成和解析结构化输出]

最新推荐文章于 2024-11-12 09:09:35 发布

afTFODguAKBF

最新推荐文章于 2024-11-12 09:09:35 发布

阅读量241

点赞数 8

文章标签： json python

本文链接：https://blog.csdn.net/afTFODguAKBF/article/details/142799283

版权

# 掌握JSON解析：使用模型生成和解析结构化输出

在当今的技术应用中，与AI模型进行交互以获得结构化数据变得愈发重要。本文将介绍如何利用输出解析器来指定任意JSON schema，并从AI模型中获取符合该schema的输出，最终解析为JSON格式。本文内容适用于具备基本AI模型和输出解析器概念的读者。

## JSON输出解析的关键概念

虽然一些模型提供商支持返回结构化输出，但不是所有都支持。我们可以使用输出解析器，例如`JsonOutputParser`，在提示中指定JSON schema，与模型交互以获取匹配该schema的输出，并将其解析为JSON。

### 准备工作

在开始之前，请确保你具备以下知识：
- 聊天模型的使用
- 输出解析器的概念
- 提示模板的构建
- 结构化输出的获取

### 使用JsonOutputParser

`JsonOutputParser`是一个内置选项，用于解析JSON输出。它可以与`Pydantic`结合使用，以便更方便地声明预期的JSON schema。以下是一个完整的代码示例：

```python
# 使用API代理服务提高访问稳定性
%pip install -qU langchain langchain-openai

import os
from getpass import getpass

# 设置API密钥
os.environ["OPENAI_API_KEY"] = getpass()

from langchain_core.output_parsers import JsonOutputParser
from langchain_core.prompts import PromptTemplate
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_openai import ChatOpenAI

# 初始化模型
model = ChatOpenAI(temperature=0)

# 定义数据结构
class Joke(BaseModel):
    setup: str = Field(description="question to set up a joke")
    punchline: str = Field(description="answer to resolve the joke")

# 定义查询
joke_query = "Tell me a joke."

# 设置解析器和提示模板
parser = JsonOutputParser(pydantic_object=Joke)
prompt = PromptTemplate(
    template="Answer the user query.\n{format_instructions}\n{query}\n",
    input_variables=["query"],
    partial_variables={"format_instructions": parser.get_format_instructions()},
)

# 链接模型与解析器
chain = prompt | model | parser

# 解析结果
chain.invoke({"query": joke_query})