المخرجات المنظمة

ما هي المشكلة التي يجب أن تحل

إجبار LLM على إخراج شكل JSON و Schema المحدد

الحل القديم

طلب من LLM في الإشارة إخراج شكل JSON واسم ونوع كل حقل ، على سبيل المثال

output in JSON object with follow fileds:
- name: string
- age: number
- isFemale: boolean

LangChain لديها محلل يمكن أن يساعدك في إنشاء النصوص.

السؤال 1

ومع ذلك ، فإن LLM لا يزال لديه احتمالات لإخراج تنسيق غير JSON ، أو أن الحقل غير متوقع.

الحل اللاحق

تقدم واجهة برمجة تطبيقات OpenAI نموذج json_object الذي يجبر LLM على العودة إلى تنسيق JSON.

السؤال 2

قد لا تكون الحقول التي يعود LLM متوقعة.

أحدث حلول

يمكن لبرنامج OpenAI Structured Outputs إدخال مخطط JSON صريح في حقل API بحيث يمكن لLLM إخراج التنسيق المحدد.

response_format: { "type": "json_schema", "json_schema": … , "strict": true }

يمكنك تحديد التنسيق في json_schema ، على سبيل المثال:

{
        type: "json_schema",
        json_schema: {
            name: "math_response",
            schema: {
                type: "object",
                properties: {
                    steps: {
                        type: "array",
                        items: {
                            type: "object",
                            properties: {
                                explanation: { type: "string" },
                                output: { type: "string" }
                            },
                            required: ["explanation", "output"],
                            additionalProperties: false
                        }
                    },
                    final_answer: { type: "string" }
                },
                required: ["steps", "final_answer"],
                additionalProperties: false
            },
            strict: true
        }
}

في Node.js ، يمكنك الاستخدام بسهولة أكبر:

تعريف مخطط JSON

import { z } from "zod";
import { zodResponseFormat } from "openai/helpers/zod";

const Step = z.object({
  explanation: z.string(),
  output: z.string(),
});

const MathResponse = z.object({
  steps: z.array(Step),
  final_answer: z.string(),
});

اضغط على الحقل response_format

const completion = await openai.beta.chat.completions.parse({
  model: "gpt-4o-mini",
  messages: [
    { role: "system", content: "You are a helpful math tutor. Guide the user through the solution step by step." },
    { role: "user", content: "how can I solve 8x + 7 = -23" },
  ],
  response_format: zodResponseFormat(MathResponse, "math_response"),
});

مريحة جداً.

** كيفية استخدامها في LangChain **

import { ChatOpenAI } from "@langchain/openai";
import { HumanMessage, SystemMessage } from "@langchain/core/messages";
import { StringOutputParser } from "@langchain/core/output_parsers";
import { z } from "zod";
import { zodResponseFormat } from "openai/helpers/zod";

export async function main() {
  const CalendarEvent = z.object({
    name: z.string(),
    date: z.string(),
    participants: z.array(z.string()),
  });

  const model = new ChatOpenAI({
    model: "gpt-4o-mini",
    // 在这里添加
    modelKwargs: {
      response_format: zodResponseFormat(CalendarEvent, "event"),
    },
  });
  const messages = [
    new SystemMessage("Extract the event information."),
    new HumanMessage("我和小明参加婚礼"),
  ];
  const parser = new StringOutputParser();

  const chain = model.pipe(parser);
  const resp = await chain.invoke(messages);
  console.log(resp);
}

المراجع

官网