为嵌套JSON定义输出模式的最佳方法是什么？我目前使用的方法感觉并不理想。

# 添加到规划器 -> from langchain.experimental.plan_and_execute import load_chat_planner
refinement_response_schemas = [
    ResponseSchema(name="plan", description="""{'1': {'step': '','tools': [],'data_sources': [],'sub_steps_needed': bool}, '2': {'step': '','tools': [<empty list>],'data_sources': [<>], 'sub_steps_needed': bool},}"""),
] # 在描述中定义JSON模式，工作正常但感觉不够恰当
refinement_output_parser = StructuredOutputParser.from_response_schemas(refinement_response_schemas)
refinement_format_instructions = refinement_output_parser.get_format_instructions()
refinement_output_parser.parse(output)

结果如下：

{'plan': {'1': {'step': 'Identify the top 5 strikers in La Liga',
   'tools': [],
   'data_sources': ['sports websites', 'official league statistics'],
   'sub_steps_needed': False},
  '2': {'step': 'Identify the top 5 strikers in the Premier League',
   'tools': [],
   'data_sources': ['sports websites', 'official league statistics'],
   'sub_steps_needed': False},
    ...
  '6': {'step': 'Given the above steps taken, please respond to the users original question',
   'tools': [],
   'data_sources': [],
   'sub_steps_needed': False}}}

虽然它能工作，但我想要知道是否有更好的方法来处理这个问题。

回答：

据我所知，推荐的方法是使用pydantic输出解析器而不是结构化输出解析器… python.langchain.com/docs/modules/model_io/output_parsers/…（处理嵌套的解释在这里… youtube.com/watch?v=yD_oDTeObJY）。

例如：

from langchain.output_parsers import PydanticOutputParser
from pydantic import BaseModel, Field, validator
from typing import List, Optional
...
class PlanItem(BaseModel):
    step: str
    tools: Optional[str] = []
    data_sources: Optional[str] = []
    sub_steps_needed: str
class Plan(BaseModel):
    plan: List[PlanItem]
parser = PydanticOutputParser(pydantic_object=Plan)
parser.get_format_instructions()