Initial commit

code/C5/01_pydantic.py

@@ -0,0 +1,50 @@
+from typing import List
+import os
+from langchain_core.prompts import PromptTemplate
+from pydantic import BaseModel, Field
+from langchain_core.output_parsers import PydanticOutputParser
+from langchain_deepseek import ChatDeepSeek
+
+# 初始化 LLM
+llm = ChatDeepSeek(
+    model="deepseek-chat",
+    api_key=os.getenv("DEEPSEEK_API_KEY")
+)
+
+# 1. 定义数据结构
+class PersonInfo(BaseModel):
+    name: str = Field(description="人物姓名")
+    age: int = Field(description="人物年龄")
+    skills: List[str] = Field(description="技能列表")
+
+# 2. 创建解析器
+parser = PydanticOutputParser(pydantic_object=PersonInfo)
+
+# 3. 创建提示模板
+prompt = PromptTemplate(
+    template="请根据以下文本提取信息。\n{format_instructions}\n{text}\n",
+    input_variables=["text"],
+    partial_variables={"format_instructions": parser.get_format_instructions()},
+)
+
+# # 打印格式指令
+# print("\n--- Format Instructions ---")
+# print(parser.get_format_instructions())
+# print("--------------------------\n")
+
+# 4. 创建处理链
+chain = prompt | llm | parser
+
+# 5. 定义输入文本并执行调用链
+text = "张三今年30岁，他擅长Python和Go语言。"
+result = chain.invoke({"text": text})
+
+# 6. 打印结果
+print("\n--- 解析结果 ---")
+print(f"结果类型: {type(result)}")
+print(result)
+print("--------------------\n")
+
+print(f"姓名: {result.name}")
+print(f"年龄: {result.age}")
+print(f"技能: {result.skills}")