模型 I/O 与 LangChain 实践

本文是《LangChain 实战课》第 4 节——模型 I/O：输入提示、调用模型、解析输出的一些学习笔记与总结。这篇文章将围绕模型 I/O 的基本概念、LangChain 提供的最佳实践以及如何通过 LangChain 实现高效的结构化数据处理展开。

---

什么是模型 I/O？

模型 I/O 是指与机器学习模型的输入（Input）和输出（Output）相关的操作和设计。它决定了如何将数据传递给模型，以及如何从模型返回结果，是模型开发和应用中的核心环节。有效的模型 I/O 设计可以显著提升模型的性能、易用性和应用效果。

在实际开发中，模型 I/O 通常包括三个关键环节：

1. 输入提示（Prompt Engineering） ：设计优质的输入提示模板，帮助模型更高效地理解任务。
2. 调用模型（Model Invocation） ：通过统一接口调用不同的语言模型，保证灵活性和高可用性。
3. 输出解析（Output Parsing） ：将模型生成的非结构化文本转换为程序可处理的结构化数据，以满足实际需求。

LangChain 框架专注于语言模型的应用开发，在模型 I/O 领域提供了系统化的解决方案，其核心功能涵盖了上述三个环节。

---

LangChain 提供的模型 I/O 最佳实践

在 LangChain 中，模型 I/O 的工作流程被清晰地划分为输入提示（对应图中的Format）、调用模型（对应图中的Predict）和输出解析（对应图中的Parse）三个部分，对应开发中的核心步骤。

1. 输入提示

输入提示的质量直接影响模型的输出质量。LangChain 提供了灵活的提示模板功能，开发者可以根据具体任务动态调整输入内容。例如，针对不同的应用场景（如文本生成、问答系统等），可以自定义变量化的模板，以便更精确地控制模型行为。

在大型项目中，LangChain 的模板功能能够有效管理大量的提示模板，使代码更清晰、逻辑更紧凑，同时减少出错的可能性。

2. 调用模型

LangChain 提供了统一的模型调用接口，使开发者可以轻松切换不同的语言模型（如 OpenAI、Hugging Face 或其他本地模型）。这种灵活性不仅降低了开发难度，还提升了代码的可维护性。

例如，如果你希望尝试不同的模型，只需修改模型名称而无需重构整个调用逻辑。这对于快速迭代和验证模型效果尤为重要。

3. 输出解析

大语言模型的输出通常是非结构化文本，对于需要高质量数据的应用场景，这种输出可能难以直接使用。LangChain 的输出解析功能，可以将这些非结构化文本精确提取为结构化数据，方便后续处理。例如，通过定义输出格式的模板，可以直接生成 JSON、表格或其他程序可读的格式化结果。

这种机制在大规模数据搜集、自动化报告生成以及知识抽取等场景中，尤为实用。

---

为什么模型 I/O 设计如此重要？

在大语言模型（LLMs）的应用中，开发的核心在于如何输入高质量的数据并获得理想的输出。这意味着：

1. 输入提示需要足够清晰且目标明确，能够引导模型生成所需的内容。
2. 输出结果需要有效解析，以确保可用性和准确性。

LangChain 的模型 I/O 框架恰好针对这些痛点，提供了从输入到输出的全流程支持，大大提升了开发效率和模型应用效果。

---

LangChain 模型 I/O 的优势

总结 LangChain 在处理模型 I/O 时的主要优势，可以归纳为以下几点：

1. 模板化管理：
   LangChain 提供了灵活的提示模板功能，帮助开发者高效管理和维护多样化的输入提示。在大型项目中，这种模板化的设计显得尤为重要。
2. 自动变量提取与检查：
   LangChain 可以自动提取模板中的变量并检查其完整性，避免漏填或错误设置变量的情况，从而提升代码的鲁棒性。
3. 模型切换简便：
   开发者可以轻松切换不同的模型，无需修改代码逻辑。这对于测试新模型、比较不同模型性能来说，极为方便。
4. 输出解析便捷：
   LangChain 的输出解析器能够直接从模型输出中提取关键数据，将非结构化结果转化为程序可读的结构化格式，为后续数据处理节省大量时间。

---

实践：基于 LangChain 实现结构化古诗数据搜集

下面是一个具体的实践案例，展示如何使用LangChain 框架和豆包大模型，完成古诗的结构化数据搜集。目标是根据指定场景，生成符合要求的诗句，并将其整理为结构化数据。

实践步骤

1. 定义输入提示模板：
   根据需求设计提示模板，引导模型生成指定场景下的诗句。模板包括场景描述、输出数量及格式要求。
2. 调用模型生成诗句：
   使用 LangChain 提供的统一接口调用大模型，根据输入提示生成诗句数据。
3. 解析输出为结构化数据：
   使用输出解析器，将模型生成的非结构化文本转化为包括场景、诗句内容、生成原因等字段的结构化数据表。
4. 存储和展示：
   将整理好的数据保存为 CSV 文件，便于后续分析或展示。

代码示例

以下为实践代码：

from langchain.output_parsers import StructuredOutputParser, ResponseSchema
from langchain.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
import os
import pandas as pd

# 定义输出模式
response_schemas = [
    ResponseSchema(name="scence", description="古诗的场景"),
    ResponseSchema(name="num", description="该场景展示的古诗总数量"),
    ResponseSchema(name="seq", description="该场景古诗原文的序号"),
    ResponseSchema(name="poem", description="古诗原文"),
    ResponseSchema(name="reason", description="展示这首诗的理由"),
]
output_parser = StructuredOutputParser.from_response_schemas(response_schemas)
format_instructions = output_parser.get_format_instructions()

# 定义提示模板
prompt_template = """
您是一位专业的古诗文研究员。
请展示与{scence}相关的优美古诗，共需要展示{num}首。
输出需严格按照以下格式：
{format_instructions}
如果不足指定数量，请继续生成，直至满足数量要求。
"""

prompt = PromptTemplate.from_template(
    prompt_template, partial_variables={"format_instructions": format_instructions}
)

# 初始化模型
model = ChatOpenAI(model=os.environ.get("LLM_MODELEND"), temperature=0)

# 数据准备
scences = ["春风", "雨夜", "秋天"]
nums = [2, 1, 0]

# 创建 DataFrame 存储结果
df = pd.DataFrame(columns=["scence", "num", "seq", "poem", "reason"])

# 优化生成逻辑
for scence, num in zip(scences, nums):
    poems = []
    seq = 1  # 初始化序号
    while len(poems) < num:
        input_prompt = prompt.format(scence=scence, num=num - len(poems))
        output = model.invoke(input_prompt)

        try:
            parsed_output = output_parser.parse(output.content)
        except Exception as e:
            print(f"解析失败，模型输出: {output.content}, 错误: {e}")
            break

        # 提取数据并避免重复
        new_poem = parsed_output.get("poem", "")
        if new_poem and new_poem not in poems:
            poems.append(new_poem)
            df = pd.concat([df, pd.DataFrame({
                "scence": [scence],
                "num": [num],
                "seq": [seq],
                "poem": [new_poem],
                "reason": [parsed_output.get("reason", "")]
            })], ignore_index=True)
            seq += 1

    # 打印进度
    print(f"已完成场景 {scence} 的古诗生成，共生成 {len(poems)} 首。")

# 打印结果
print(df.to_dict(orient="records"))

# 保存到 CSV
df.to_csv("poems_with_reasons.csv", index=False)

---

运行结果

可以看到，由于豆包模型推理能力有限，返回了两首相同的关于春风的古诗：第一首截取了原文四句，第二首截取了两句，籍此来区别为两首诗，哈哈哈，有点好笑。

总结与展望

通过 LangChain 框架对模型 I/O 的标准化设计，开发者可以更高效地完成复杂任务，例如大规模数据生成与解析。结合豆包 MarsCode 模型，LangChain 展现出了在自然语言处理领域的强大优势。未来，随着大模型能力的提升和框架功能的完善，模型 I/O 将成为推动人工智能落地应用的重要基础设施。