构建提取链
在本教程中，我们将构建一个链，以从非结构化文本中提取结构化信息。
本教程仅适用于支持 工具调用 的模型
设置
Jupyter Notebook
本指南（以及文档中的大多数其他指南）使用 Jupyter notebooks 并假设读者也使用它。Jupyter notebooks 非常适合学习如何使用 LLM 系统，因为有时事情可能会出错（意外输出、API 故障等），在交互式环境中逐步阅读指南是更好理解它们的好方法。
本教程和其他教程在 Jupyter notebook 中运行可能最为方便。有关如何安装的说明，请参见 这里。
安装
要安装 LangChain，请运行：
- Pip
- Conda
pip install langchain
conda install langchain -c conda-forge
有关更多详细信息，请参阅我们的 安装指南.
LangSmith
您使用 LangChain 构建的许多应用程序将包含多个步骤和多次调用 LLM。
随着这些应用程序变得越来越复杂，能够检查您的链或代理内部到底发生了什么变得至关重要。
最好的方法是使用 LangSmith。
在您在上述链接注册后，请确保设置您的环境变量以开始记录跟踪信息：
export LANGCHAIN_TRACING_V2="true"
export LANGCHAIN_API_KEY="..."
或者，如果在笔记本中，您可以通过以下方式设置它们：
import getpass
import os
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()
模式
首先，我们需要描述我们想要从文本中提取的信息。
我们将使用 Pydantic 来定义一个示例模式，以提取个人信息。
from typing import Optional
from langchain_core.pydantic_v1 import BaseModel, Field
class Person(BaseModel):
"""关于一个人的信息。"""
# ^ 实体 Person 的文档字符串。
# 此文档字符串作为模式 Person 的描述发送给 LLM，
# 并且可以帮助改善提取结果。
# 请注意：
# 1. 每个字段都是 `optional` -- 这允许模型拒绝提取它！
# 2. 每个字段都有一个 `description` -- 这个描述被 LLM 使用。
# 有一个好的描述可以帮助改善提取结果。
name: Optional[str] = Field(default=None, description="这个人的名字")
hair_color: Optional[str] = Field(
default=None, description="如果已知，这个人的头发颜色"
)
height_in_meters: Optional[str] = Field(
default=None, description="以米为单位测量的身高"
)
在定义模式时，有两个最佳实践：
- 记录 属性 和 模式 本身：这些信息会发送给 LLM，并用于提高信息提取的质量。
- 不要强迫 LLM 编造信息！上述我们为属性使用了
Optional，允许 LLM 输出None，如果它不知道答案。
为了获得最佳性能，请详细记录模式，并确保模型在文本中没有可提取的信息时不会强制返回结果。
提取器
让我们使用上面定义的模式创建一个信息提取器。
from typing import Optional
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.pydantic_v1 import BaseModel, Field
# 定义一个自定义提示以提供指令和任何额外的上下文。
# 1) 您可以在提示模板中添加示例以提高提取质量
# 2) 引入额外的参数以考虑上下文（例如，包含提取文本的文档的元数据。）
prompt = ChatPromptTemplate.from_messages(
[
(
"system",
"您是一个专业的提取算法。"
"只从文本中提取相关信息。"
"如果您不知道要提取的属性的值，"
"则返回该属性的值为null。",
),
# 请参阅如何通过
# 参考示例提高性能的说明。
# MessagesPlaceholder('examples'),
("human", "{text}"),
]
)
我们需要使用一个支持函数/工具调用的模型。
请查看文档，以获取可以与此API一起使用的一些模型列表。
from langchain_mistralai import ChatMistralAI
llm = ChatMistralAI(model="mistral-large-latest", temperature=0)
runnable = prompt | llm.with_structured_output(schema=Person)
/Users/harrisonchase/workplace/langchain/libs/core/langchain_core/_api/beta_decorator.py:87: LangChainBetaWarning: 方法 `ChatMistralAI.with_structured_output` 正在测试中。它正在积极开发中，因此API可能会发生变化。
warn_beta(
让我们测试一下
text = "Alan Smith is 6 feet tall and has blond hair."
runnable.invoke({"text": text})
Person(name='Alan Smith', hair_color='blond', height_in_meters='1.83')
提取是生成性的 🤯
LLM是生成模型，因此它们可以做一些非常酷的事情，例如正确提取以米为单位的人身高，即使它是以英尺提供的！
我们可以在这里看到LangSmith跟踪： https://smith.langchain.com/public/44b69a63-3b3b-47b8-8a6d-61b46533f015/r
多个实体
在大多数情况下，您应该提取实体列表而不是单个实体。
这可以通过在模型内部嵌套模型，使用 pydantic 容易实现。
from typing import List, Optional
from langchain_core.pydantic_v1 import BaseModel, Field
class Person(BaseModel):
"""关于一个人的信息。"""
# ^ 实体 Person 的文档字符串。
# 此文档字符串作为模式 Person 的描述发送给 LLM，
# 并且可以帮助改善提取结果。
# 注意：
# 1. 每个字段都是 `optional` -- 这允许模型拒绝提取它！
# 2. 每个字段都有一个 `description` -- 这个描述被 LLM 使用。
# 拥有良好的描述可以帮助改善提取结果。
name: Optional[str] = Field(default=None, description="这个人的名字")
hair_color: Optional[str] = Field(
default=None, description="如果已知，这个人的头发颜色"
)
height_in_meters: Optional[str] = Field(
default=None, description="以米为单位测量的身高"
)
class Data(BaseModel):
"""关于人们的提取数据。"""
# 创建一个模型，以便我们可以提取多个实体。
people: List[Person]
提取结果可能并不完美。请继续查看如何使用参考示例来提高提取质量，并查看指南部分！
runnable = prompt | llm.with_structured_output(schema=Data)
text = "My name is Jeff, my hair is black and i am 6 feet tall. Anna has the same color hair as me."
runnable.invoke({"text": text})
Data(people=[Person(name='Jeff', hair_color=None, height_in_meters=None), Person(name='Anna', hair_color=None, height_in_meters=None)])
当模式适应提取多个实体时，它还允许模型在文本中没有相关信息时提取无实体，通过提供一个空列表。
这通常是一个好事！它允许在实体上指定必需属性，而不必强迫模型检测该实体。
我们可以在这里看到 LangSmith 跟踪： https://smith.langchain.com/public/7173764d-5e76-45fe-8496-84460bd9cdef/r
下一步
现在您已经了解了使用 LangChain 进行提取的基础知识，您可以继续阅读其余的操作指南：