[智能体-166]：Langchain有哪些结构化地方和对应的方法？代码示例

LangChain 全场景结构化能力 + 对应方法 + 代码示例

按提示词结构化、流程链路结构化、模型输出结构化、数据传递结构化四大核心场景划分，每个场景说明作用、组件、用法 + 可运行代码。

前置依赖

bash

运行

pip install langchain langchain-openai

python

运行

from langchain_openai import ChatOpenAI from langchain_core.prompts import ChatPromptTemplate from langchain_core.output_parsers import ( StrOutputParser, PydanticOutputParser, JsonOutputParser ) from langchain_core.runnables import RunnableLambda, RunnablePassthrough, RunnableMap from pydantic import BaseModel, Field from typing import List import json # 初始化模型（示例通用） llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

一、提示词结构化（Prompt 层：输入）

作用

统一提示词格式、角色分层、固定指令框架，约束模型上下文与指令结构。

对应组件

1. ChatPromptTemplate：角色结构化（system/human/ai 分层）
2. 模板内固定排版、字段、格式要求：文本结构约束

示例 1：多角色结构化对话模板

python

运行

# 按角色结构化组织提示词，固定系统人设 + 用户提问 prompt = ChatPromptTemplate.from_messages([ ("system", "你是专业数据分析师，回答必须分点说明，语言简洁"), ("human", "请分析：{content}") ]) # 渲染查看结构化后的提示内容 print(prompt.format(content="本月订单量上涨30%，客单价小幅下降"))

示例 2：自定义固定段落结构

在模板中强行规定段落、标题、区块，属于纯文本结构化：

python

运行

template = """ 【问题】{question} 【分析】请简要分析原因 【结论】给出最终总结 """ prompt = ChatPromptTemplate.from_template(template) res = prompt.format(question="为什么夏季销量更高？") print(res)

二、执行流程结构化（LCEL 管道 Chain）

作用

把多个组件按固定顺序串联，形成标准化执行链路，流程可复用、可拆解、可维护。

对应组件

• 管道符|：串行结构化流程
• RunnableMap：并行结构化（多分支同时执行）
• RunnablePassthrough：透传字段，保持数据结构

示例 1：标准串行结构化链路（最常用）

固定流程：提示词 → 大模型 → 解析器

python

运行

# 结构化流程：prompt | llm | 字符串解析器 chain = prompt | llm | StrOutputParser() # 统一入口调用 result = chain.invoke({"content": "线上流量环比上升20%"}) print(result)

示例 2：并行结构化（RunnableMap 多分支）

同一输入分多路并行处理，再汇总结果，典型分支结构化

python

运行

# 定义两个分支任务 branch1 = ChatPromptTemplate.from_template("总结：{text}") | llm | StrOutputParser() branch2 = ChatPromptTemplate.from_template("提取关键词：{text}") | llm | StrOutputParser() # RunnableMap 实现并行结构化 parallel_chain = RunnableMap({ "总结": branch1, "关键词": branch2, "原文": RunnablePassthrough() # 透传原始数据 }) out = parallel_chain.invoke({"text": "人工智能正在赋能各行各业，提升生产效率"}) print(json.dumps(out, ensure_ascii=False, indent=2))

三、模型输出结构化（Output 层，核心高频）

作用

强制大模型输出JSON、对象、固定字段、数组等结构化数据，避免自由文本。

对应组件

1. JsonOutputParser：输出标准 JSON 字符串 / 字典
2. PydanticOutputParser：基于 Pydantic 模型强类型结构化（推荐）

示例 1：JSON 结构化输出（JsonOutputParser）

python

运行

# 1. 定义模板，要求输出JSON prompt = ChatPromptTemplate.from_template(""" 请把下面人物信息转为JSON格式，仅返回JSON： 姓名、年龄、职业 内容：{info} """) # 2. JSON解析器 json_parser = JsonOutputParser() # 3. 组装链路 chain = prompt | llm | json_parser # 4. 调用，直接得到字典结构化数据 data = chain.invoke({"info": "张三，28岁，软件工程师"}) print(type(data)) # <class 'dict'> print(data)

示例 2：强类型结构化（PydanticOutputParser）

通过模型定义字段名、类型、描述，严格约束输出结构，企业级首选。

python

运行

# 1. 定义Pydantic结构化模型 class UserInfo(BaseModel): name: str = Field(description="用户姓名") age: int = Field(description="用户年龄") hobby: List[str] = Field(description="爱好列表") # 2. 初始化解析器 + 自动获取格式说明 parser = PydanticOutputParser(pydantic_object=UserInfo) format_instructions = parser.get_format_instructions() # 3. 提示词嵌入结构化格式要求 prompt = ChatPromptTemplate.from_template(""" 解析人物信息，严格按照指定格式输出。 {format_instructions} 信息内容：{content} """).partial(format_instructions=format_instructions) # 4. 链路组装 chain = prompt | llm | parser # 5. 调用，直接得到结构化对象 result = chain.invoke({"content": "李四，25岁，喜欢游泳、读书、爬山"}) print(result.name, result.age, result.hobby) print(type(result)) # <class '__main__.UserInfo'>

四、数据传递结构化（输入 / 字段透传）

作用

在链式调用中保留、拆分、重组输入字典结构，保证上下游数据字段对齐。

对应组件

• RunnablePassthrough：原样透传字段
• RunnableLambda：自定义转换数据结构
• 字典映射：重组 Key

示例 1：字段透传 + 结构重组

python

运行

# 原始输入是字典，链路中保留原有字段，同时新增处理后字段 def upper_text(data: dict) -> str: # 自定义结构转换逻辑 return data["raw_text"].upper() chain = ( RunnablePassthrough.assign( upper_text=RunnableLambda(upper_text) # 新增结构化字段 ) | ChatPromptTemplate.from_template(""" 原文：{raw_text} 大写：{upper_text} 请简要评价内容 """) | llm | StrOutputParser() ) # 输入结构化字典 res = chain.invoke({"raw_text": "LangChain 结构化开发"}) print(res)

五、结构化场景总览表

六、核心总结

1. 提示词结构化：靠模板分层、固定文本框架，规范输入给大模型的内容；
2. 流程结构化：靠 LCEL 管道、Runnable 系列组件，编排执行顺序与分支；
3. 输出结构化：靠各类 OutputParser，把模型自由文本转为 JSON / 对象等规范数据；
4. 数据结构化：靠透传、Lambda 转换，保证全链路字段格式统一。