langchain4j 学习系列(6)-结构化输出(参数提取)

继续学习langchain4j，玩过dify的朋友想必对"参数提取器"这个节点很熟悉，示例：

 参数提取器可以很方便的从“非结构的自然语言”中，提取出结构化的结果。

下面来看看langchain4j如何实现类似功能：

    public static final String TEST_DATA = """金庸（1924年3月10日—2018年10月30日），本名查良镛，浙江省海宁市人，祖籍江西省婺源县浙源乡凤山村 [10] [146-147]，1948年移居香港。当代武侠小说作家、新闻学家、企业家、政治评论家、社会活动家，被誉为“香港四大才子”之一，与古龙、梁羽生、温瑞安并称为“中国武侠小说四大宗师”。 [1-4]1944年，考入重庆中央政治大学外交系。1946年秋，进入上海《大公报》任国际电讯翻译。1948年，毕业于上海东吴大学法学院，并被调往《大公报》香港分社 [5]。1952年调入《新晚报》编辑副刊，并写出《绝代佳人》《兰花花》等电影剧本。1959年，金庸等人于香港创办《明报》 [6]。1985年起，历任香港特别行政区基本法起草委员会委员、政治体制小组负责人之一，基本法咨询委员会执行委员会委员，以及香港特别行政区筹备委员会委员。1994年，受聘北京大学名誉教授 [7]。2000年，获得大紫荆勋章。2007年，出任香港中文大学文学院荣誉教授 [5]。2009年9月，被聘为中国作协第七届全国委员会名誉副主席 [8]；同年荣获2008影响世界华人终身成就奖 [9]。2010年，获得剑桥大学哲学博士学位 [2]。"2018年10月30日，在香港逝世，享年94岁。""";@GetMapping(value = "/extract", produces = MediaType.APPLICATION_JSON_VALUE)public ResponseEntity<String> extract() {try {Prompt prompt = PromptTemplate.from("请从以下生平介绍中，提取出该人物的基本信息，以json格式输出，参考格式：{{json_output_sample}} \n{{test_data}}").apply(Map.of("json_output_sample", "{\"name\":\"张三\",\"age\":10,\"birthDay\":\"2000-01-01\",\"isAlive\":false,\"deathDate\":\"2040-02-01\",\"degree\":\"本科\"}","test_data", TEST_DATA));String text = ollamaChatModel.chat(prompt.toUserMessage()).aiMessage().text();return ResponseEntity.ok(text);} catch (Exception e) {log.error("extract", e);return ResponseEntity.ok("{\"error\":\"extract error: " + e.getMessage() + "\"}");}}

代码很简单，直接在prompt提示词里，告诉LLM怎么做就行，输出结果：

不过，这个输出结果是个string，还不能算是结构化的输出，可以再改进一下：

    /*** Person 记录类，用于表示一个人的基本信息* 使用 Java record 类型实现，自动生成构造函数、getter 方法、equals()、hashCode() 和 toString() 方法** @param name      人的姓名* @param age       人的年龄* @param birthDay  人的出生日期* @param isAlive   人是否仍然活着* @param deathDate 人的死亡日期（如果已故）* @param degree    人的学位*/record Person(String name, int age, Date birthDay, boolean isAlive, Date deathDate, String degree) {// 这是一个记录类声明，包含了表示个人基本信息的数据字段// 所有字段都是 final 的，且自动生成对应的访问器方法}/*** 人员信息提取接口* 该接口定义了一个从生平介绍中提取人员信息的方法*/interface PersonExtractor {/*** 从生平介绍中提取人员主要信息** @param biography 人员的生平介绍文本* @return 包含提取信息的Person对象*/@SystemMessage("""你的任务是从生平介绍中，提取出该人的主要信息：name[姓名],age[年龄], birthDay[出生日期], isAlive[是否健在], deathDate[死亡日期(如果已逝世)], degree[最高学历]""")Person extractPerson(String biography);}/*** 处理GET请求，提取人员信息并以JSON格式返回** @return 返回包含提取的人员信息的ResponseEntity对象*/@GetMapping(value = "/extract2", produces = MediaType.APPLICATION_JSON_VALUE)public ResponseEntity<Person> extract2() {try {// 创建PersonExtractor实例，使用AiServices和ollamaChatModelPersonExtractor personExtractor = AiServices.create(PersonExtractor.class, ollamaChatModel);// 使用TEST_DATA调用extractPerson方法提取人员信息Person person = personExtractor.extractPerson(TEST_DATA);// 返回成功响应，包含提取的人员信息return ResponseEntity.ok(person);} catch (Exception e) {// 捕获异常并记录错误日志log.error("extract2", e);// 发生异常时返回默认的Person对象return ResponseEntity.ok(new Person("", -1, null, false, null, ""));}}

这里我们用抽象级别更高的AiService来创建指定的抽取器，一步到位的输出了对象实例

本文示例完整代码：GitHub - yjmyzz/langchain4j-study at day06