07｜输出解析：用OutputParser生成鲜花推荐列表

从源码上看，OutputFixingParser和RetryWithErrorOutputParser的本质是相同的，都是当PydanticOutputParser.parse(input)解析失败，通过语言模型分析抛出的异常，修正input。 不同之处在于，OutputFixingParser利用input schema、input、exception来修正input，RetryWithErrorOutputParser除了利用input schema、input、exception，还利用一个额外的prompt来修正input，有了额外的prompt，自然就能够既修正input格式，又补全input内容。

老师有个问题请教，例如目前大模型比较多，我的理解如果满足企业内部自己使用，是需要对大模型微调吧才能完全满足定制，例如输出企业自己相关数据，文档，代码等，而不是简单把提示写好弄个差不多开源大模型上去。我的理解是需要微调吧，针对自己企业数据进行训练对模型，但这块听老师课我理解需要对模型层次熟悉才能下手进行微调吧，我自己理解目前从效果上还是gpt其它模型还是比较弱，百度说他的2.0已经超过gpt3.5，比gpt4差点，我觉得没那么快吧，另外训练模型机器硬件人员等各种因素叠加，不是说都能做好了吧，企业自己落地自己模型这块现实吗，自己做需要那些条件，例如人员要求等，谢谢

老师，请教一个问题， fix_parser或retry_parser中，如果错误的输出是json格式会报如下错误： action_input Field required [type=missing, input_value={'action': 'search'}, input_type=dict] For further information visit https://errors.pydantic.dev/2.3/v/missing 我是将错误bad_response = '{"action": "search"}' --> 更改为bad_response = "{'action': 'search'}"才能正常调用模型，这个要怎么修复。 知道的朋友也请指点，感谢！

# parsed_output_dict = parsed_output.dict() # 将Pydantic格式转化位字典 # Pydantic 格式转化为字典,Pydantic V2dict 方法已经被废弃，推荐使用 model_dump 方法来代替 parsed_output_dict = parsed_output.model_dump()

老师您好，有个问题请教一下，我想要从给定的一段文本中抽离一些FAQ，然后想返回JSON数组的格式，以下是prompt： template = """你是一名知识库管理员，需将以下内容拆分成 {nums} 个问答对，确保准确无误且只从文献中获取，不得扩散。你的算法或流程应该能够准确抽取关键信息，并生成准确的问答对，以充分利用文献。 {doc_content} {format_instructions} """ 想要返回的格式为 The output should be formatted as a JSON instance that conforms to the JSON schema below.\n\nAs an example, for the schema {"properties": {"foo": {"title": "Foo", "description": "a list of strings", "type": "array", "items": {"type": "string"}}}, "required": ["foo"]}\nthe object {"foo": ["bar", "baz"]} is a well-formatted instance of the schema. The object {"properties": {"foo": ["bar", "baz"]}} is not well-formatted.\n\nHere is the output schema:\n```\n{"$defs": {"QA": {"properties": {"Q": {"description": "\\u95ee\\u9898", "title": "Q", "type": "string"}, "A": {"description": "\\u7b54\\u6848", "title": "A", "type": "string"}}, "required": ["Q", "A"], "title": "QA", "type": "object"}}, "items": {"$ref": "#/$defs/QA"}}\n``` class QA(BaseModel): Q: str = Field(description="问题") A: str = Field(description="答案") class QAList(RootModel): root: List[QA] = Field(description="FAQ问答对列表") 但是返回的格式总是不停的在变，都无法返回希望的数据结构

我遇到一个问题，目前的langchain必须使用v1版本的pydantic，如果使用了v2版本抛出的异常类型不对，会导致PydanticOutputParser无法捕获正常的ValidationError异常，从而不会去请求openAI修复response。 PydanticOutputParser的具体捕获代码是这里 class PydanticOutputParser(BaseOutputParser[T]): """Parse an output using a pydantic model.""" pydantic_object: Type[T] """The pydantic model to parse.""" def parse(self, text: str) -> T: try: # Greedy search for 1st json candidate. match = re.search( r"\{.*\}", text.strip(), re.MULTILINE | re.IGNORECASE | re.DOTALL ) json_str = "" if match: json_str = match.group() json_object = json.loads(json_str, strict=False) return self.pydantic_object.parse_obj(json_object) except (json.JSONDecodeError, ValidationError) as e: # 这里只能捕获v1版本的ValidationError name = self.pydantic_object.__name__ msg = f"Failed to parse {name} from completion {text}. Got: {e}" raise OutputParserException(msg, llm_output=text)

佳哥好，我发现在OutputFixingParser示例中，如果做如下修改： new_parser = OutputFixingParser.from_llm(parser=parser, llm=ChatOpenAI(temperature=0)) 或者 new_parser = OutputFixingParser.from_llm(parser=parser, llm=OpenAI(temperature=0)) 可以得到稳定的输出： name='康乃馨' colors=['粉红色', '白色', '红色', '紫色', '黄色'] 而不是： name='Rose' colors=['red', 'pink', 'white']

老师你好，我是一个从事了几年的C语言开发者。计划在机器学习领域拓展拓展。可是我看了LangChain的一些基本理念之后，使用提示模板在性能方面比直接用代码处理异常开销要差很多吧。 比如作为一个server对外提供服务的时候，它的延迟、并发数等又该如何考量呢？

Traceback (most recent call last): File "E:\Code-python\langchain-main\langchain-main\07_解析输出\01_Pydantic_Parser.py", line 71, in <module> parsed_output = output_parser.parse(output) File "D:\Anaconda\envs\python3.10\lib\site-packages\langchain\output_parsers\pydantic.py", line 34, in parse return self.pydantic_object.parse_obj(json_object) File "D:\Anaconda\envs\python3.10\lib\site-packages\typing_extensions.py", line 2499, in wrapper return arg(*args, **kwargs) File "D:\Anaconda\envs\python3.10\lib\site-packages\pydantic\main.py", line 1027, in parse_obj return cls.model_validate(obj) File "D:\Anaconda\envs\python3.10\lib\site-packages\pydantic\main.py", line 503, in model_validate return cls.__pydantic_validator__.validate_python( pydantic_core._pydantic_core.ValidationError: 4 validation errors for FlowerDescription flower_type Field required [type=missing, input_value={'properties': {'flower_t...description', 'reason']}, input_type=dict] For further information visit https://errors.pydantic.dev/2.5/v/missing price Field required [type=missing, input_value={'properties': {'flower_t...description', 'reason']}, input_type=dict] For further information visit https://errors.pydantic.dev/2.5/v/missing description Field required [type=missing, input_value={'properties': {'flower_t...description', 'reason']}, input_type=dict] For further information visit https://errors.pydantic.dev/2.5/v/missing reason Field required [type=missing, input_value={'properties': {'flower_t...description', 'reason']}, input_type=dict] For further information visit https://errors.pydantic.dev/2.5/v/missing 黄老师您看一下我这个问题