一.使用deepseek 大模型，测试langchain结构化输出：

代码：

from typing import Optional
from langchain_community.chat_models import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from pydantic.v1 import BaseModel, Field
from lc_deepseek_ai import CreateDeepSeekModel,CreateChartDeepSeek
from langchain_core.runnables import RunnablePassthrough

class Dog(BaseModel):
    """
    描述一只狗 ,包括它的名字,年龄和品种
    如果没有这些属性,则使用默认值
    """
    name:Optional[str]=Field(default=None,description="狗的名字,如果没有则使用无名氏")
    age:Optional[int]=Field(default=None,description="狗的年龄，如果没有则使用0")
    breed:Optional[str]=Field(default=None,description="狗的品种，如果没有则使用无")

class Dogs(BaseModel):
    """
    描述一群狗
    """
    dogs:list[Dog]=Field(description="狗的列表")

llm=CreateChartDeepSeek()

prompt=ChatPromptTemplate.from_messages(
    [
        ("system","你是一个专业的提取算法,从用户输入的内容中提取一只或多只小狗的相关信息,如果没有相关信息,则返回null."),
        ("human","{input}"),
    ]
)

chain=prompt|llm.with_structured_output(schema=Dogs)

txt="我叫旺财,是一只小狗,今年1岁,我的品种是一只哈士奇,它经常蹦蹦跳跳地穿梭在草坪间，小爪子扑腾着，仿佛在跳一支欢快的舞蹈,从远处跑来一只黑色的边牧,它要大一些，大概5岁，它喜欢咬人"
res=chain.invoke({"input":txt})

print(res)

代码：（deepseek没有按预期输出结果）

#其它代码参考上面

class get_weather(BaseModel):
    """
    获取指定位置的天气信息
    :param location: 位置
    :return: 天气信息
    """
    location:str=Field(...,description="城市")
    weather:str=Field(...,description="天气")

mychain3=llm.bind_tools([get_weather])
res1=mychain3.invoke("西安的天气怎么样")
print(res1)