LangChain4j 中如何实现结构化输出（Structured Output）？请说明其使用场景和常用实现方式

原创于 2026-06-12 16:56:03 发布 · 201 阅读

5 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#LangChain4j

LangChain4j 专栏收录该内容

25 篇文章

订阅专栏

文章标题：在 LangChain4j 中实现结构化输出（Structured Output）

在这里插入图片描述

引言

随着人工智能技术的快速发展，自然语言处理（NLP）领域也在不断进步。LangChain4j 是一个用于构建语言链（Language Chain）的框架，帮助开发者利用 AI 模型构建复杂的应用。一个重要的需求是能够从模型输出中生成结构化数据，即结构化输出（Structured Output）。本文将探讨如何在 LangChain4j 中实现结构化输出，包括使用场景和常用的实现方式，并通过 Java 代码示例来演示。

使用场景

结构化输出在多个场景下是非常有用的，尤其是当需要将自然语言处理的结果转换为可操作的数据格式时。以下是一些常见的使用场景：

信息提取：从非结构化文本中提取特定信息，比如从新闻文章中提取日期、地点和人物等。
数据转换：将用户输入的查询转化为结构化的数据请求，比如将自然语言问题转化为 SQL 查询。
报告生成：根据用户输入生成结构化的报告或文档。
API 集成：将自然语言指令解析为 API 请求参数，如将“找出2023年最畅销的书”转换为 API 请求。

实现方式

在 LangChain4j 中实现结构化输出主要有以下几种方法：

使用 OpenAI 等模型：利用预训练模型进行文本生成，并从生成的文本中解析出结构化数据。
定义 Schema：通过定义输出数据的结构，确保从原始文本中提取的信息符合预定的格式。
自定义链：构建一个自定义的处理链，将输入的自然语言转换为结构化的数据。

示例代码

以下是一个简单的 Java 示例，演示如何在 LangChain4j 中实现结构化输出。假设我们要从用户输入中提取一个人物的姓名和年龄。

首先，确保您已经在项目中引入了 LangChain4j 的依赖。

<dependency>
    <groupId>com.langchain4j</groupId>
    <artifactId>langchain4j</artifactId>
    <version>0.1.0</version>
</dependency>

接下来，可以使用以下代码实现结构化输出：

import com.langchain4j.output.OutputParser;
import com.langchain4j.prompts.PromptTemplate;
import com.langchain4j.llms.OpenAI;
import com.langchain4j.chains.LLMChain;

import java.util.HashMap;
import java.util.Map;

public class StructuredOutputExample {

    public static void main(String[] args) {
        // Initialize OpenAI model
        OpenAI openAI = new OpenAI("your_api_key");

        // Define a Prompt Template for extracting name and age
        PromptTemplate promptTemplate = new PromptTemplate("请告诉我一个人物的姓名和年龄", "{name} is {age} years old.");

        // Create an Output Parser to parse results
        OutputParser<Map<String, String>> parser = new OutputParser<Map<String, String>>() {
            @Override
            public Map<String, String> parse(String output) {
                String[] parts = output.split(" ");
                Map<String, String> result = new HashMap<>();
                result.put("name", parts[0]);
                result.put("age", parts[2]);
                return result;
            }
        };

        // Create a chain with the model and prompt template
        LLMChain<Map<String, String>> chain = new LLMChain<>(openAI, promptTemplate, parser);

        // Input from user
        String input = "John is 30 years old";
        
        // Generate structured output
        Map<String, String> result = chain.run(input);
        System.out.println("Name: " + result.get("name"));
        System.out.println("Age: " + result.get("age"));
    }
}