🎯 课程主题

理解LangChain中结构化输出的概念、与传统方式的对比，以及四种输出模式的概览。

📝 核心知识点

1. 什么是结构化输出

• 概念说明：要求模型返回符合预定义结构的数据对象（如固定字段的JSON Schema、Pydantic模型、TypedDict），而不再是自由格式的自然语言文本。
• 关键细节：将模型的自然语言回答变成程序能够稳定解析的格式，方便后续代码处理。

2. 结构化输出的优势

• 更易被代码处理：JSON格式比纯文本友好得多
• 结果更稳定：减少因模型措辞变化导致的解析失败
• 更适合工程化：可以直接接入生产流程

3. 传统方式 vs 结构化输出方式

• 传统方式：
  • 手写冗长的提示词要求模型按JSON格式输出
  • 手动用 json.loads() 解析 + try/except 容错
  • 手动创建对象、类型转换
  • 工作繁琐，容易出错
• 结构化输出方式：
  • 调用 model.with_structured_output(...) 绑定格式
  • 直接 invoke 即可获得符合格式的结果
  • Prompt 变干净，字段 description 替代了提示词中的啰嗦描述
  • 类型安全，IDE 可自动补全和运行前类型检查
  • 依托大模型底层的 JSON Mode 能力，出错率极大降低

4. LangChain v1.2 中的四种输出模式

• Pydantic：返回 Schema 类的实例，类型不匹配时会抛出异常（推荐首选）
• TypedDict：返回字典类型，无强制校验
• JSON Schema：返回字典类型
• DataClass：返回字典类型

只有 Pydantic 模式在运行时强制执行类型校验，因此生产环境推荐使用 Pydantic。

5. 模型兼容性说明

• 绝大多数现代模型都支持结构化输出，其底层通过 Function Calling 机制实现（与上一章的 Tools 原理相同）
• 对于不支持结构化输出的模型，只能退回到传统方式：提示词 + JSON 手动解析

🏗️ 架构与工作流

💻 代码实战

本节课以理论讲解为主，无代码实战。

⚠️ 常见问题与避坑指南

• 不是所有模型都支持：老旧或不支持 function calling 的模型无法使用结构化输出，需退回传统方式
• 四种模式返回值不同：只有 Pydantic 返回类实例，其余三种返回字典
• 类型校验行为不同：Pydantic 类型不匹配会抛异常，其他三种不会

💡 个人总结与延伸

本节课从"为什么要结构化输出"出发，对比了传统方式和现代化方式，清晰展示了结构化输出在工程化开发中的价值。四种模式本质上都是通过 Function Calling 将 JSON Schema 传递给大模型，不同之处在于返回值的类型约束。生产环境首选 Pydantic，因为它提供了运行时的类型安全保障。