大模型天生只会"吐字符串"，但程序需要的是字符串、列表、JSON 对象…… 输出解析器负责把模型输出转换成 Python 数据，这是让 LLM 接入业务代码的关键一步。 本节课学到： StrOutputParser：只要文本内容（最常用）； PydanticOutputParser：用 Pydantic 模型约束输出结构（LCEL 经典写法）； with_structured_output：基于模型原生"函数调用"的结构化输出（更稳更现代）。 """ 运行方式： .venv\\Scripts\\python examples\\03_output_parser.py """ import sys from pathlib import Path from typing import Literal sys.path.insert(0, str(Path(__file__).resolve().parent.parent)) from pydantic import BaseModel, …

本节课会学到： PromptTemplate：纯文本模板（传统"补全式"模型风格，也适合拼长文本）； ChatPromptTemplate：聊天消息模板，支持 system / human 多角色（最常用）； FewShotChatMessagePromptTemplate：少样本示例，用几个例子"教"模型按格式输出； 模板本身不会调用模型，它只负责"拼提示词"，拼好后再交给 LLM。 """ 02 提示词模板（Prompt Template）—— LangChain 学习第 2 课 ========================================================== 本节课你会学到： 1. PromptTemplate：纯文本模板（传统"补全式"模型风格，也适合拼长文本）； 2. ChatPromptTemplate：聊天消息模板，支持 system / human 多角色（最常用）； 3. FewShotChatMessagePromptTe…

本节课会学到： ChatModel（聊天模型）是 LangChain 最核心的抽象，与具体厂商无关； 模型的三种调用方式：invoke（单次）、stream（流式）、batch（批量）； 消息（Message）的四种角色：System / Human / AI / Tool； 返回结果 AIMessage 的结构（内容、token 用量等）。 """ 01 模型基本调用 —— LangChain 学习第 1 课 ========================================== 本节课你会学到： 1. ChatModel（聊天模型）是 LangChain 最核心的抽象，与具体厂商无关； 2. 模型的三种调用方式：invoke（单次）、stream（流式）、batch（批量）； 3. 消息（Message）的四种角色：System / Human / AI / Tool； 4. 返回结果 AIMessage 的结构（内容、token 用量等）。 运行方式（在项目根目录下）： .venv\\Scripts\\python examples\\…