如何从消息对象中解析文本

先决条件

本指南假设您熟悉以下概念：

• 聊天模型
• 消息
• 输出解析器
• LangChain Expression Language (LCEL)

LangChain 的 消息 对象支持 多种格式 的内容，包括文本、多模态数据 和一个包含 内容块 字典的列表。

聊天模型 响应内容 的格式可能取决于提供商。例如，Anthropic 的聊天模型会为典型的字符串输入返回字符串内容：

from langchain_anthropic import ChatAnthropic

llm = ChatAnthropic(model="claude-3-5-haiku-latest")

response = llm.invoke("Hello")
response.content

API Reference:ChatAnthropic

'Hi there! How are you doing today? Is there anything I can help you with?'

但当生成工具调用时，则会将响应内容结构化为内容块，以传达模型的推理过程：

from langchain_core.tools import tool


@tool
def get_weather(location: str) -> str:
    """Get the weather from a location."""

    return "Sunny."


llm_with_tools = llm.bind_tools([get_weather])

response = llm_with_tools.invoke("What's the weather in San Francisco, CA?")
response.content

API Reference:tool

[{'text': "I'll help you get the current weather for San Francisco, California. Let me check that for you right away.",
  'type': 'text'},
 {'id': 'toolu_015PwwcKxWYctKfY3pruHFyy',
  'input': {'location': 'San Francisco, CA'},
  'name': 'get_weather',
  'type': 'tool_use'}]

为了自动解析消息对象中的文本，而不考虑底层内容的格式，我们可以使用 StrOutputParser。我们可以像下面这样将它与聊天模型组合使用：

from langchain_core.output_parsers import StrOutputParser

chain = llm_with_tools | StrOutputParser()

API Reference:StrOutputParser

StrOutputParser 简化了从消息对象中提取文本的操作：

response = chain.invoke("What's the weather in San Francisco, CA?")
print(response)

I'll help you check the weather in San Francisco, CA right away.

这在流式处理的上下文中尤其有用：

for chunk in chain.stream("What's the weather in San Francisco, CA?"):
    print(chunk, end="|")

|I'll| help| you get| the current| weather for| San Francisco, California|. Let| me retrieve| that| information for you.||||||||||

参阅 API Reference 获取更多信息。