跳至主要内容

String Output Parser

image.png

這張圖展示了 StrOutputParser 的概念與應用場景，主要用於將模型的輸出（例如 AIMessage 或文字）直接轉換為字符串，並保證輸出內容不經過任何改變。以下是對該圖的詳細解釋：

1. StrOutputParser 的作用​

  • 目的：將來自模型（LLM 或 Chat Model）的輸出，無論是 AIMessage 還是純文字，轉換成字符串。
  • 關鍵點：不對輸入進行任何變更，直接返回原始輸入作為輸出。

2. 方法解析​

2.1 parse() 方法​

  • 作用：接受純字符串作為輸入，直接返回相同的字符串。

  • 輸入輸出格式：

    str_parser.parse(input: str) → str

  • 範例：

    from langchain.output_parsers import StrOutputParser

    str_parser = StrOutputParser()
    result = str_parser.parse("Sure, how can I help you?")
    print(result)  # 輸出: "Sure, how can I help you?"

2.2 invoke() 方法​

  • 作用：接受字符串或 BaseMessage（如 AIMessage）作為輸入，將其轉換為字符串並返回。

  • 輸入輸出格式：

    str_parser.invoke(input: str | BaseMessage) → str

  • 範例：

    from langchain.schema import AIMessage

    str_parser = StrOutputParser()
    result = str_parser.invoke(AIMessage(content="Sure, how can I help you?"))
    print(result)  # 輸出: "Sure, how can I help you?"

3. 圖中的流程解釋​

3.1 輸入 (Input)​

  • 可以是：
    • Prompt（用戶輸入的問題或請求）：例如 "I need help."

3.2 模型處理 (Model)​

  • 可以是：
    • LLM（基礎語言模型）
    • Chat Model（針對對話優化的語言模型）
  • 通過 .invoke() 方法，模型將輸入的 Prompt 處理並生成輸出。

3.3 輸出 (Output)​

  • 模型的輸出可能是：

    1. 純文本（text）：例如 "\n\nSure, how can I help you?"

    2. 結構化消息（AIMessage）：例如：

      AIMessage(content="Sure, how can I help you?")

3.4 使用 StrOutputParser 處理輸出​

  • 通過 str_parser.parse() 或 str_parser.invoke()，將輸出轉換為純字符串。

  • 最終結果不變，例如：

    "Sure, how can I help you?"

4. 應用場景​

StrOutputParser 適用於以下場景：

  1. 簡單的文本處理：
    • 如果模型輸出的內容不需要進一步結構化處理，只需要純文本輸出。
    • 範例：直接返回模型生成的回應作為用戶界面的輸出。
  2. 多模型輸出處理一致性：
    • 在處理多種模型（LLM 或 Chat Model）時，將不同輸出統一為字符串格式，方便後續處理。
  3. 消息提取：
    • 如果模型返回的是 AIMessage，需要提取其中的 content 作為字符串。

5. 特點​

  • 簡單直接：StrOutputParser 不對輸出進行任何改變，僅提取或轉換為字符串。
  • 靈活兼容：既支持純文本，又支持結構化消息（如 AIMessage）。

6. 總結​

  • StrOutputParser 是最基本的解析器，適用於簡單場景，不對輸出進行任何變更。
  • 提供 .parse() 和 .invoke() 兩種方法，適應不同的輸入類型。
  • 適合用於純文本返回需求的應用，如用戶界面展示或基礎的結果處理。