LangChain格式化输出指南：让大模型输出更规范的实用技巧

“ 大模型只能输出文本数据，需要通过转换才能变成我们需要的数据对象。”

在大模型的应用场景中，格式化输出是一个非常重要的环节；特别是对Agent智能体来说，没有格式化输出，智能体就是空中楼阁。

但从技术的角度来说，文本类模型的输出只有一种格式，那就是文本数据，json也是文本数据的一种格式；模型本身无法生成类似于json对象，python对象等格式的数据；因此，虽然我们可以约束模型按照json格式进行输出，但它本质上输出的只是json字符串，而不是json对象。

大模型的格式化输出

基于大模型只能输出字符串的前提，那么我们怎么约束大模型的输出呢？

在当今的程序开发领域，json格式是主流的数据传输格式；因此，一般情况下，我们和大模型的交互也是通过json串的形式来实现；但大模型本身又没有格式化输出。

在之前的文章中有提到过，在大模型应用中，唯一能和大模型直接打交道的角色只有一个——那就是提示词。

因此，一般情况下我们都会在提示词中约束大模型的输出格式，也就是告诉大模型要按照什么样的格式进行输出；这样的好处是有助于我们的程序处理；当然，现在的模型为了方便进行开发，部分模型也专门针对json格式进行训练或微调。

所以，我们现在知道可以通过提示词的方式告诉模型，可以使用json格式进行通讯；但怎么把大模型输出的json字符串转换成我们可以直接使用的对象，以及由于大模型本身的不稳定性，导致偶尔模型的输出不完全符合我们要求的json格式。这个时候我们应该怎么处理？

所以，这里就涉及到另一个问题——怎么解析大模型的输出，也就是输出解析器的问题。输出解析器的几个核心目标如下：

核心目标

1. 格式化输出：指导 LLM 按照特定格式（如 JSON、XML）生成文本。
2. 解析结果：将 LLM 的文本输出解析为结构化对象（如 Python 对象）。
3. 错误处理：提供容错机制（如重试、自动修复）。

输出解析器不但扮演着把文本数据解析成结构化对象的桥梁，同时还需要提供怎么格式化模型输出的问题，也就是指导大模型按照特定的格式进行文本输出；同时，为了解决模型本身的不确定性，同时还需要提供容错机制。

所以，怎么实现一个输出解析器——OutputParse？

1. 通过提示词约束模型的输出——格式化输出
2. 解析输出——把大模型输出的文本数据转换成json或其它结构化对象
3. 容错机制，当输出解析失败时，则尝试其它解析方式或重新生成

而Langchain中的输出解析器——OutputParse就是基于这个原理来实现的；如StructuredOutputParser就是通过responseSchema来约束模型的输出格式，并通过parse方法来把模型输出的文本数据转换成json格式的数据。

当然，Langchain还提供了自定义解析的方式，用户可以根据自己的需求，自定义解析器。

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发