在上一篇里，我们解决了“怎么调模型”：初始化、消息格式、同步异步、流式、批量。但模型返回的始终是一段自由文本，而真实的程序需要的是能直接使用的数据结构；并且一个稍复杂的任务往往要经过“拼提示词 → 调模型 → 解析结果”好几步。这一篇就解决这两个问题：让输出结构化，以及把步骤编排成链。

一、为什么需要输出解析#

上一篇里所有的调用都是这样收尾的：

Python
response = model.invoke("...")
print(response.content)  # 一段自由文本

打印出来给人看没问题，但程序没法消费自由文本。想象一个场景：让模型从一段话里提取日程信息，你希望拿到的是 event.name、event.date 这样能直接访问的字段，而不是“好的！这段话中提到的日程是……”这样一段话，还得自己写正则去抠。

让模型输出结构化数据，主流有两条路：

  1. 提示词约束：在提示词里明确要求模型“只输出 JSON，格式如下”，拿到文本后再解析成字典——对任何模型都有效；
  2. 厂商原生结构化输出：利用厂商 API 自带的结构化能力，由服务端保证输出符合给定 schema——更可靠，但要求模型支持。

下面分别看这两种。

二、方式一：JsonOutputParser——提示词约束 JSON#

自己在提示词里手写“请输出 JSON，包含 xx 字段……”当然可以，但格式说明写得不严谨，模型就容易跑偏。JsonOutputParser 帮你把这段提示词生成出来：先用 Pydantic 类描述目标结构，解析器会据此生成一份严格的格式说明。

Python
from typing import List
from pydantic import BaseModel
from langchain_core.output_parsers import JsonOutputParser

# 1. 用 Pydantic 类描述你想要的结构
class Star(BaseModel):
    name: str
    age: int

class StarList(BaseModel):
    stars: List[Star]

# 2. 创建解析器，并让它生成格式说明提示词
parser = JsonOutputParser(pydantic_object=StarList)
format_instructions = parser.get_format_instructions()
# 内容大意：输出必须是符合以下 JSON schema 的实例……（附上完整 schema）

# 3. 把格式说明放进 system 消息，正常提问
messages = [
    {: , : format_instructions},
    {: , : },
]
response = model.invoke(messages)


result = parser.parse(response.content)
names = [star[]  star  result[]]
(names)