langchain_community.chains.ernie_functions.base.create_structured_output_chain

langchain_community.chains.ernie_functions.base.create_structured_output_chain(output_schema: Union[Dict[str, Any], Type[BaseModel]], llm: BaseLanguageModel, prompt: BasePromptTemplate, *, output_key: str = 'function', output_parser: Optional[BaseLLMOutputParser] = None, **kwargs: Any) → LLMChain[source]

[旧版本] 使用Ernie函数获取结构化输出的LLMChain。

参数

  • output_schema (Union[Dict[str, Any], Type[BaseModel]]) – 可以是字典或pydantic.BaseModel类。如果传入的是字典，假定它已经是一个有效的JsonSchema。为了获得最佳结果，pydantic.BaseModels应包含描述模式含义和参数描述的文档字符串。

  • llm (BaseLanguageModel) – 使用语言模型，假设其支持Ernie函数调用API。

  • prompt (BasePromptTemplate) – 要传递给模型的BasePromptTemplate。

  • output_key (str) – 在LLMChain.__call__中返回输出时使用的键。

  • output_parser (可选[BaseLLMOutputParser]) – 用于解析模型输出的BaseLLMOutputParser基类。默认情况下，将根据函数类型推断。如果传递了pydantic.BaseModels，则OutputParser将尝试使用这些模型来解析输出。否则，模型输出将简单地按JSON格式解析。

  • kwargs (任意) –

返回

将给定函数传递给模型的LLMChain。

返回类型

LLMChain

示例

from typing import Optional

from langchain.chains.ernie_functions import create_structured_output_chain
from langchain_community.chat_models import ErnieBotChat
from langchain_core.prompts import ChatPromptTemplate

from langchain.pydantic_v1 import BaseModel, Field

class Dog(BaseModel):
    """Identifying information about a dog."""

    name: str = Field(..., description="The dog's name")
    color: str = Field(..., description="The dog's color")
    fav_food: Optional[str] = Field(None, description="The dog's favorite food")

llm = ErnieBotChat(model_name="ERNIE-Bot-4")
prompt = ChatPromptTemplate.from_messages(
    [
        ("user", "Use the given format to extract information from the following input: {input}"),
        ("assistant", "OK!"),
        ("user", "Tip: Make sure to answer in the correct format"),
    ]
)
chain = create_structured_output_chain(Dog, llm, prompt)
chain.run("Harry was a chubby brown beagle who loved chicken")
# -> Dog(name="Harry", color="brown", fav_food="chicken")

使用create_structured_output_chain的示例