结构化输出结果全部搞定。

03-输出结构化/02-自定义结构输出.py

@@ -16,7 +16,7 @@ llm = ChatOpenAI(
 );
 
 
-# 使用pydantic定义一个类
+# 使用pydantic定义一个类   数据模型类
 class Result(BaseModel):
 
     first: str = Field(description = "内容开头")

03-输出结构化/03-JSONOutput.py

@@ -0,0 +1,31 @@
+import json
+
+from langchain_core.output_parsers import SimpleJsonOutputParser
+from langchain_core.prompts import PromptTemplate, ChatPromptTemplate
+
+from langchain_openai import ChatOpenAI
+from pydantic import BaseModel, Field
+
+from env_util import DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL
+
+# llm对象就是调用大模型的对象
+llm = ChatOpenAI(
+    model = "qwen-plus",
+    base_url=DASHSCOPE_BASE_URL,
+    api_key=DASHSCOPE_API_KEY,
+    temperature=0.8,
+);
+
+
+# 提示词模板
+prompt = ChatPromptTemplate.from_template(
+    "进你所能回答问题。"
+    '你必须输出一个包含"answer"和"follow_answer"健的JSON对象，其中"answer"是你回答问题的答案，"follow_answer"是用户后续可能问的问题。'
+    "{question}"
+)
+
+chain = prompt | llm | SimpleJsonOutputParser()
+
+resp = chain.invoke({"question": "人类是怎么出现的"})
+
+print(resp)

03-输出结构化/04-工具结构输出.py

@@ -0,0 +1,28 @@
+from langchain_openai import ChatOpenAI
+from pydantic import BaseModel, Field
+
+from env_util import DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL
+
+# llm对象就是调用大模型的对象
+llm = ChatOpenAI(
+    model = "qwen-plus",
+    base_url=DASHSCOPE_BASE_URL,
+    api_key=DASHSCOPE_API_KEY,
+    temperature=0.8,
+);
+
+
+# 使用pydantic定义一个类   数据模型类
+class ResponseFormatter(BaseModel):
+
+    answer: str = Field(description = "对用户问题的回答")
+    follow_question: str = Field(description = "用户可能提出的后续问题")
+
+# 指定返回结果
+# 这里根据他要的类型，貌似需要给[]里面追加类型
+runnable = llm.bind_tools([ResponseFormatter])
+
+resp = runnable.invoke("现存存在最久的生物是什么？")
+
+print(resp)
+resp.pretty_print()