请求结构化输出
在创建词汇图（lexical graph）时，您使用文本分割器从文本中提取角色名称和台词，但这种方法常常会在分割边界附近丢失上下文。例如，文本中的舞台指示可以用来判断该角色当时正在对谁说话。
您将把 Character 类嵌入到一个新的 Line 类中，用它来描述正在说的这句台词，同时包含说话人以及这句台词所指向的角色列表。您还将创建一个包装类 LineOutput，以便一次提取多条这样的台词。
已为您定义了包含提取说明的 prompt 变量，以及作为 llm 的一个 LLM 实例。
本练习是课程的一部分
使用 LangChain 和 Neo4j 的 Graph RAG
练习说明
- 将
LineOutput类更新为请求Line对象的列表。 - 使用
LineOutput类定义一个能生成结构化输出的 LLM。
交互式实操练习
通过完成这段示例代码来试试这个练习。
class Line(BaseModel):
text: str = Field(..., description="The text of the line")
spoken_by: Character = Field(..., description="The character who speaks the line")
spoken_to: Optional[list[Character]] = Field(None, description="The character who the line is spoken to")
class LineOutput(BaseModel):
# Request more than one line from the text
lines: ____[Line] = Field(..., description="The lines from the text")
# Return an instance of LineOutput
structured_llm = llm.____(____)
for line in structured_llm.invoke(prompt.format_messages(text=text)):
print(line)