Chain 与 OutputParser

20.1 Chain 的作用

Chain 不是模型。

它负责：

将多个组件按照数据流连接起来。

例如：

chain = prompt | llm

表示：

Prompt输出

↓

LLM输入

---

20.2 RAG 中 Chain 的作用

未来 RAG：

用户问题

↓

Retriever

↓

Prompt

↓

LLM

↓

OutputParser

↓

答案

本质也是一条 Chain。

---

二十一、OutputParser

21.1 为什么需要 OutputParser？

模型返回内容：

• 格式不稳定
• 可能包含多余解释
• 不一定符合程序要求

OutputParser 负责：

模型输出

↓

业务需要的数据格式

---

二十二、三种常见 OutputParser

22.1 StrOutputParser

作用：

AIMessage

↓

str

代码：

parser = StrOutputParser()

chain = prompt | llm | parser

最终：

result = "模型回答文本"

---

22.2 JsonOutputParser

作用：

AIMessage

↓

dict

适合：

• 意图识别
• 信息抽取
• 工作流控制

---

22.3 PydanticOutputParser

作用：

AIMessage

↓

Pydantic对象

---

定义数据结构：

from pydantic import BaseModel


class User(BaseModel):
    name:str
    age:int

创建：

parser = PydanticOutputParser(
    pydantic_object=User
)

表示：

输出必须符合 User 格式。

---

22.4 JsonOutputParser 与 PydanticOutputParser 区别

Json：

保证是JSON

Pydantic：

保证字段存在
+
保证字段类型
+
生成强类型对象

企业项目更推荐严格结构化输出时使用 Pydantic。

---