输出解析器

pydantic 模型 langchain.

  解析逗号分隔的列表。

() → str

  关于如何格式化LLM输出的说明。

(text: str) → List[str]

  解析LLM调用的输出。

pydantic 模型 langchain.output_parsers.

  field : str = '%Y-%m-%dT%H:%M:%S.%fZ'

  () → str

  关于如何格式化LLM输出的说明。

(response: str) → datetime.datetime

  解析LLM调用的输出。

  该方法接受一个字符串（假定为语言模型的输出），并将其解析为某种结构。

Parameters   text – 语言模型的输出

Returns   结构化的输出

pydantic model langchain.output_parsers.

  field : Any = None

class langchain.output_parsers.rail_parser.

(rail_file: str, num_reasks: int = 1) → langchain.output_parsers.rail_parser.GuardrailsOutputParser

  

(rail_str: str, num_reasks: int = 1) → langchain.output_parsers.rail_parser.GuardrailsOutputParser

  

() → str

  

(text: str) → Dict

  

  

Parameters     text – 语言模型的输出

Returns     结构化的输出

pydantic 模型 langchain.output_parsers.

  用于解析LLM调用的输出为列表的类。

abstract (text: str) → List[str]

  解析LLM调用的输出。

pydantic 模型 langchain.output_parsers.

  包装一个解析器，并尝试修复解析错误。

field : langchain.schema.BaseOutputParser[langchain.output_parsers.fix.T] [Required]

field : langchain.chains.llm.LLMChain [Required]

classmethod (llm: langchain.base_language.BaseLanguageModel, parser: langchain.schema.BaseOutputParser[langchain.output_parsers.fix.T], prompt: langchain.prompts.base.BasePromptTemplate = PromptTemplate(input_variables=['completion', 'error', 'instructions'], output_parser=None, partial_variables={}, template='Instructions:\n--------------\n{instructions}\n--------------\nCompletion:\n--------------\n{completion}\n--------------\n\nAbove, the Completion did not satisfy the constraints given in the Instructions.\nError:\n--------------\n{error}\n--------------\n\nPlease try again. Please only respond with an answer that satisfies the constraints laid out in the Instructions:', template_format='f-string', validate_template=True)) → langchain.output_parsers.fix.OutputFixingParser[langchain.output_parsers.fix.T]

→ str

  

→ langchain.output_parsers.fix.T

  

  

Parameters     text – 语言模型的输出

Returns     结构化的输出

pydantic model langchain.output_parsers.

  field : Type[langchain.output_parsers.pydantic.T] [Required]

    

→ str

  

→ langchain.output_parsers.pydantic.T

  

  

Parameters     text – 语言模型的输出

Returns     结构化的输出

pydantic model langchain.output_parsers.

  用于将输出解析为字典的类。

field : Optional[str] = None

field : Dict[str, str] [Required]

field : str = "{}:\s?([^.'\n']*)\.?"

(text: str) → Dict[str, str]

  

pydantic model langchain.output_parsers.

  用于将输出解析为字典的类。

field : Optional[str] = None

field : List[str] [Required]

field : str [Required]

(text: str) → Dict[str, str]

  

pydantic model langchain.output_parsers.

field : str [Required]

field : str [Required]

field : str = 'string'

pydantic model langchain.output_parsers.

  

  

field : langchain.schema.BaseOutputParser[langchain.output_parsers.retry.T] [Required]

field : langchain.chains.llm.LLMChain [Required]

classmethod (llm: langchain.base_language.BaseLanguageModel, parser: langchain.schema.BaseOutputParser[langchain.output_parsers.retry.T], prompt: langchain.prompts.base.BasePromptTemplate = PromptTemplate(input_variables=['completion', 'prompt'], output_parser=None, partial_variables={}, template='Prompt:\n{prompt}\nCompletion:\n{completion}\n\nAbove, the Completion did not satisfy the constraints given in the Prompt.\nPlease try again:', template_format='f-string', validate_template=True)) → langchain.output_parsers.retry.RetryOutputParser[langchain.output_parsers.retry.T]

() → str

  

(completion: str) → langchain.output_parsers.retry.T

  

  

Parameters   text – 语言模型的输出

Returns   结构化的输出

parse_with_prompt(completion: str, prompt_value: langchain.schema.PromptValue) → langchain.output_parsers.retry.T

这是一个可选方法，用于使用提示来解析LLM调用的输出。

在输出解析器希望重新尝试或修复输出的情况下，通常会提供提示，以便从提示中获取必要的信息进行修复。

Parameters   completion – 语言模型的输出

  prompt – 提示值

Returns   结构化的输出

pydantic model langchain.output_parsers.

  包装一个解析器并尝试修复解析错误。

  通过将原始提示、完成的输出和引发的错误传递给另一个语言模型来实现。告诉该模型完成的输出不正确，并引发了给定的错误。与RetryOutputParser不同之处在于，该实现向LLM提供了引发的错误，理论上应该提供更多修复错误的信息。

field : langchain.schema.BaseOutputParser[langchain.output_parsers.retry.T] [Required]

  

field : langchain.chains.llm.LLMChain [Required]

  

classmethod (llm: langchain.base_language.BaseLanguageModel, parser: langchain.schema.BaseOutputParser[langchain.output_parsers.retry.T], prompt: langchain.prompts.base.BasePromptTemplate = PromptTemplate(input_variables=['completion', 'error', 'prompt'], output_parser=None, partial_variables={}, template='Prompt:\n{prompt}\nCompletion:\n{completion}\n\nAbove, the Completion did not satisfy the constraints given in the Prompt.\nDetails: {error}\nPlease try again:', template_format='f-string', validate_template=True)) → langchain.output_parsers.retry.RetryWithErrorOutputParser[langchain.output_parsers.retry.T]

() → str

(completion: str) → langchain.output_parsers.retry.T

Parameters   completion – 语言模型的输出

  prompt – 提示值

Returns   结构化的输出

(completion: str, prompt_value: langchain.schema.PromptValue) → langchain.output_parsers.retry.T

  用于解析带有提示的LLM调用输出的可选方法。

  在需要重新尝试或修复输出的情况下，提示主要用于提供信息给OutputParser，以便进行修复或其他处理。

Parameters   completion – 语言模型的输出

  prompt – 提示值

Returns   结构化的输出

pydantic model langchain.output_parsers.

field response_schemas: List[langchain.output_parsers.structured.ResponseSchema] [Required] classmethod from_response_schemas(response_schemas: List[langchain.output_parsers.structured.ResponseSchema]) → langchain.output_parsers.structured.StructuredOutputParser

→ str

  LLM输出的格式化指令。

→ Any

  解析LLM调用的输出。

  这个方法接受一个字符串（假设为语言模型的输出），并将其解析为某种结构。

Parameters   completion – 语言模型的输出

Returns   结构化的输出