LangChain 30 天保姆级教程 · Day 13｜OutputParser 进阶！让 AI 输出自动转为结构化对象，并支持自动重试！

一、为什么需要“带重试的结构化输出”？

在 Day 6 中，我们用 PydanticOutputParser 让 AI 输出合法 JSON。
但现实是：即使加了格式指令，大模型偶尔仍会“跑偏” ：

• 多了 Markdown 代码块（```json）
• 字段名拼错（"user_name" 写成 "username"）
• 返回一段解释文字而非纯 JSON

如果直接解析，程序会崩溃 。

解决方案：

LangChain 会在解析失败时，自动把错误信息反馈给 LLM，让它重新生成，直到成功或达到最大重试次数。

二、核心组件介绍

表格

️ 三、动手实践：构建带自动重试的结构化输出链

步骤 1：定义 Pydantic 模型

# day13_retry_output_parser.py
from langchain_ollama import ChatOllama
from langchain_core.pydantic_v1 import BaseModel, Field, Literal
from langchain_core.output_parsers import PydanticOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain.chains import LLMChain

class UserIntent(BaseModel):
    action: Literal["order", "refund", "inquiry"] = Field(
        description="用户意图：下单(order)、退货(refund)、咨询(inquiry)"
    )
    product: str = Field(description="涉及的产品名称")
    confidence: float = Field(ge=0.0, le=1.0, description="置信度，0.0~1.0")

步骤 2：创建带重试的 OutputParser

python

编辑

# 创建基础 parser
base_parser = PydanticOutputParser(pydantic_object=UserIntent)

# 创建支持重试的 parser
retry_parser = base_parser.with_retry(retries=3)  # 自动重试 3 次

步骤 3：构建 Prompt（关键：插入格式指令）

prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个用户意图分析器。"),
    ("human", "请分析以下用户语句的意图：n{input}nn{format_instructions}")
]).partial(format_instructions=retry_parser.get_format_instructions())

步骤 4：组装 Chain 并测试

llm = ChatOllama(model="qwen:7b", temperature=0)

# 使用 LCEL 构建链：prompt → llm → retry_parser
chain = prompt | llm | retry_parser

# 测试用例（故意模糊）
test_inputs = [
    "我想买一副无线耳机",
    "这个手机我不想要了，怎么退？",
    "你们客服电话多少？"  # 不涉及产品，考验鲁棒性
]

for inp in test_inputs:
    print(f"n 用户：{inp}")
    try:
        result = chain.invoke({"input": inp})
        print(f" 成功！action={result.action}, product={result.product}, confidence={result.confidence:.2f}")
    except Exception as e:
        print(f" 最终失败：{e}")

▶️ 成功输出示例：

 用户：这个手机我不想要了，怎么退？
 成功！action=refund, product=手机, confidence=0.95

四、进阶：让 Agent 也返回结构化对象

Agent 默认返回自由文本，但我们希望它最终输出一个标准对象。

from langchain.agents import Tool, AgentExecutor, create_react_agent

# 假设有一个工具
@tool
def dummy_tool(query: str) -> str:
    return "已完成操作"

tools = [dummy_tool]
llm = ChatOllama(model="qwen:7b", temperature=0)

# 创建普通 Agent
agent = create_react_agent(llm, tools, create_react_agent.get_default_prompt())
executor = AgentExecutor(agent=agent, tools=tools, verbose=False)

# 现在，我们想让整个 Agent 的最终输出是结构化的！
# 方案：在 executor 后接一个 parser

final_chain = executor | retry_parser

# 调用（注意：Agent 输入是 {"input": "..."}，输出是 {"output": "..."}）
try:
    result = final_chain.invoke({"input": "帮我查一下订单状态"})
    print("Agent 结构化结果：", result)
except Exception as e:
    print("解析失败：", e)

️ 五、注意事项 & 最佳实践

表格

六、配套代码结构

langchain-30-days/
└── day13/
    ├── structured_output_with_retry.py   # 带重试的结构化输出链
    └── agent_with_structured_output.py   # Agent 返回结构化对象（进阶）

七、今日小结

• 理解了结构化输出在生产环境中的必要性
• 学会了用 with_retry() 实现自动重试
• 构建了高可靠的用户意图识别器
• 掌握了将结构化输出集成到 Agent 的方法
• 知道了如何平衡可靠性与性能