langchain.chains.openai_tools.extraction.create_extraction_chain_pydantic

langchain.chains.openai_tools.extraction.create_extraction_chain_pydantic(pydantic_schemas: Union[List[Type[BaseModel]], Type[BaseModel]], llm: BaseLanguageModel, system_message: str = 'Extract and save the relevant entities mentioned in the following passage together with their properties.\n\nIf a property is not present and is not required in the function parameters, do not include it in the output.') → Runnable[source]

已弃用自版本 0.1.14: LangChain 引入了一个名为 with_structured_output 的方法，该方法适用于支持工具调用的 ChatModel。您可以在以下链接中了解更多关于此方法的信息：<https://python.langchain.ac.cn/docs/modules/model_io/chat/structured_output/>。有关如何使用 LLM 进行信息提取的更多指导，请参阅我们的提取用例文档。<https://python.langchain.ac.cn/docs/use_cases/extraction/>。with_structured_output 目前不支持 pydantic schemas 的列表。如果这是一个阻碍因素或您注意到其他问题，请在此处提供反馈：<https://github.com/langchain-ai/langchain/discussions/18154</a>。使用 `` from langchain_core.pydantic_v1 import BaseModel, Field from langchain_anthropic import ChatAnthropic

class Joke(BaseModel)

setup: str = Field(description="笑话的正文") punchline: str = Field(description="笑话的结尾")

# 或者任何其他支持工具的聊天模型。# 请参考 structured_output 的文档来查看支持 with_structured_output 的模型列表。model = ChatAnthropic(model="claude-3-opus-20240229", temperature=0) structured_llm = model.with_structured_output(Joke) structured_llm.invoke("告诉我一个关于猫的笑话。

确保调用 Joke 函数。”)

``。

创建一个从段落中提取信息的链。

参数
返回

一个从段落中提取信息的可执行对象。

返回类型

Runnable

使用 create_extraction_chain_pydantic 的示例