哈哈，这次咱来说说结构化输出这个事儿。你懂的，大模型默认返回的dou是自由格式的文本，但实际开发中，我们经常需要它返回固定格式的数据——比如JSON、表格什么的。那今天就聊聊LangChain里怎么用Pydantic搞定这个问题。

先说说Pydantic是什么玩意儿。它是PythonZui流行的数据验证库，Neng帮你定义类型安全的数据模型。在LangChain里它就是结构化输出的核心武器。

python from pydantic import BaseModel, Field

class MovieReview: title: str = Field director: str = Field rating: float = Field genre: list = Field

你kan这个Field后面跟着个description参数对吧？这东西特别重要！它既是给人kan的文档说明，也是给模型kan的提示信息。模型会根据这些描述来理解每个字段应该填什么内容。

好了现在关键来了——LangChain提供了个神器叫with_structured_output

python structuredllm = llm.withstructuredoutput result = structuredllm.invoke

print) # main.MovieReview'> print)

这方法Neng直接让你拿到Pydantic对象！不用手写解析逻辑了哈~

这玩意儿底下是怎么干活儿呢？其实是把Pydantic模型转换成JSON Schema，然后让模型按照这个Schema生成结果。具体过程是这样：

Pydantic BaseModel → 自动转换 → JSON Schema

JSON Schema → 发送给LLM

LLM按照Schema生成 → 自动解析为MovieReview实例

先从简单场景说起。比如Zuo情感分析：

python class SentimentAnalysis: text: str = Field sentiment: str = Field( description="情感极性", json_schema_extra={"enum": } )

注意那个json_schema_extra={"enum": }！这是告诉模型只Neng填这几个选项。

真实业务场景要复杂得多啊。比如处理简历信息：

python class ContactInfo: phone: Optional = None email: Optional = None

class WorkExperience: company: str position: str duration: str

然后主模型这样嵌套：

python class ResumeProfile: name: str contact_info: ContactInfo # 嵌套子模型！ experiences: list

这样Ke以表达任意复杂的层次结构。

geng牛逼的是还Neng加校验逻辑：

python from datetime import datetime

class EventInfo: startdate: datetime enddate: datetime

@fieldvalidator def validatedate: return datetime.strptime

@modelvalidator def checkdates: if self.enddate date: raise ValueError