llm2dict

简介

llm2dict 通过与大型语言模型（LLM）的两次交互，将自然语言的回答自动转换为结构化的 Python 字典dict / 列表list。

llm2dict 将提取格式的任务交给了 LLM 处理：

• 第一次提问：获取 LLM 的自然语言回答。
• 第二次提问：让 LLM 根据第一次的回答和指定的数据结构，生成提取数据的 Python 代码。
• 代码执行：自动执行生成的代码，返回结构化的数据。

你只需输入问题和期望的数据结构，即可获得关键词确定的结构化的数据，让LLM的注意力回到问题本身。

安装与使用

你可以通过以下命令安装 llm2dict 包：

pip install llm2dict

使用示例

from llm2dict import llm2dict,LLM_API
#  硅基流动API: https://cloud.siliconflow.cn/models
api_key = "<修改成你的api_key>"
url = "https://api.siliconflow.cn/v1/chat/completions"
model_name = "Qwen/QwQ-32B"
llm=LLM_API(api_key,model_name,url)

# 发给llm的提问
msg = "写关于爱情的歌，要顺口，歌词不要太多重复，可以短一点。写一下这首歌的简介（50字）。起一个歌名。为这首歌写一个吸引人的长句标题（参考小红书风格）。写5条这首歌的评论（参考网易云音乐的评论风格）"

#str 用文本设定返回的数据结构
data_structures = """
{
    "歌名": str,
    "歌词": list,  # 每一句歌词一项,放到列表里
    "简介": str,
    "标题": str,
    "评论": list,
}
"""

# 调用llm2dict函数，使llm返回结构化数据
dict_data = llm2dict(msg,data_structures,llm.send_request)
print("dict_data:",dict_data)

返回数据：

{'歌名': '《心跳拼图》',
 '歌词': ['图书馆第三排的风掀动书页',
        '你睫毛投下的阴影 在我手背作祟',
        '橡皮擦蹭过草稿纸的轻响',
        '偷走了所有解题公式',
        '指纹在玻璃窗写下未完成的吻',
        '时针停摆在借阅卡签名的那秒',
        '我们都是散落的拼图碎片',
        '在安全距离外 碰撞成银河',
        '自动贩卖机吞下硬币的闷响',
        '映出你侧脸轮廓的金属回响',
        '奶茶杯沿的唇印半颗月亮',
        '被我藏进校服口袋发酵成糖'],
 '简介': "慵懒吉他与电子音效交织，讲述暗恋时笨拙又甜蜜的试探。用'指纹吻''时针停摆'等意象，勾勒出不敢完全靠近却渴望完整的心动模样。",
 '标题': '#爱情就像散落的拼图碎片 我在歌词里藏了三个心动瞬间 星星吻过眼睑的夜晚 愿你也拥有《心跳拼图》的勇气🌙✨',
 '评论': ["副歌那句'碰撞成银河'直接戳到泪点，想起高三教室窗外的星光",
        "verse里'吞下硬币的闷响'细节太戳我！就是我们初遇的自动贩卖机",
        '建议循环播放第五遍开始，电子音效像心跳漏拍的节奏，耳膜在恋爱',
        '最后奶茶杯沿的唇印细节太绝了！我直接把这句设为锁屏壁纸了',
        "在网易云听歌时旁边女生突然小声念'指纹在玻璃窗写下未完成的吻'，原来我们都在听这首"]}

项目结构

├── llm2dict/               
│   ├── llm2dict.py     # 核心实现
│   ├── api.py          # 大模型API
│   ├── execute.py      # 执行生成的代码
│   ├── prompt.py       # 生成代码的提示词模版
│   └── validate.py     # 数据结构验证

代码说明

函数名： llm2dict()
说明： 核心函数，使模型输出结构化数据

llm2dict(msg, data_structures, api) -> dict|list|False

传入参数：

参数名	类型	可选	说明
msg	list/str	否	向大模型发送的提问，例：[{"role": "system", "content": ""},{"role": "user", "content": ""}]
data_structures	str	否	希望返回的格式，例： "{'歌名': str, '歌词': list, #每一句一项 '简介': str, '标题': str, '评论': list,|False, '标题': str, '评论': list|False,}"
api	function	否	封装好的大模型API，传入问题(str)，返回大模型生成的回答(str)
to_code_api	function	可选	指定第二次交换的大模型API
delay	int	可选	2次请求API的间隔时间
to_dict_prompt_template	str	可选	提示词模板，用于生成提取数据的python代码。可参考prompt.py中的dict_prompt_template

返回值： dict/list | Flase

---

类名： LLM_API
说明： 大模型接口，封装了请求大模型API的函数，支持多个平台

llm=LLM_API(api_key, model_name, url)
llm.send_request("1+1等于多少?")

传入参数：

参数名	类型	可选	说明
api_key	str	否	API平台秘钥
model_name	str	否	模型名称
url	str	否	完整的请求url

硅基流动

    # 硅基流动 https://cloud.siliconflow.cn/models
    api_key = "填入api_key"
    url = "https://api.siliconflow.cn/v1/chat/completions"
    model_name = "Qwen/QwQ-32B"
    llm = LLM_API(api_key=api_key, model_name=model_name, url=url)
    llm.max_tokens = 16000 #设定最大返回token数
    max_seq_len = 16000 #设定最大序列长度
    print(llm.send_request("1+1等于多少?"))

DeepSeek

    # DeepSeek https://platform.deepseek.com/usage
    api_key = "填入api_key" 
    url = "https://api.deepseek.com/v1/chat/completions"
    model_name = "deepseek-chat"
    llm = LLM_API(api_key=api_key, model_name=model_name, url=url)
    print(llm.send_request("1+1等于多少?"))

KIMI

    # KIMI https://platform.moonshot.cn/docs/intro#%E6%96%87%E6%9C%AC%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B
    api_key = "填入api_key"
    url = "https://api.moonshot.cn/v1/chat/completions"
    model_name = "moonshot-v1-8k"
    llm = LLM_API(api_key=api_key, model_name=model_name, url=url)
    print(llm.send_request("1+1等于多少?"))

阿里云百炼

    # 阿里云百炼 https://www.aliyun.com/product/bailian
    api_key = "填入api_key"
    url = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions"
    model_name = "qwq-32b"
    #阿里云需要stream=True
    llm = LLM_API(api_key=api_key, model_name=model_name, url=url, stream=True)
    print(llm.send_request("1+1等于多少?"))

火山引擎

    # 豆包 https://www.volcengine.com/product/doubao
    api_key = "填入api_key"
    url = "https://ark.cn-beijing.volces.com/api/v3/chat/completions"
    model_name = "deepseek-r1-250120"
    llm = LLM_API(api_key=api_key, model_name=model_name, url=url)
    print(llm.send_request("1+1等于多少?"))

---

函数名： add_system() / add_user() / add_assistant() 构建提问/提问上下文

msg = []
msg = add_system(msg, "你是AI助手")
msg = add_user(msg, "1+1等于多少")
msg = add_assistant(msg, "1+1等于2")
print(msg)

返回:

[
    {"role": "system", "content": "你是AI助手"}, 
    {"role": "user", "content": "1+1等于多少"}, 
    {"role": "assistant", "content": "1+1等于2"}
]

---

函数名： validate_dict
说明： 验证数据结构是否符合规则
传入参数：

参数名	类型	可选	说明
data	dict	否	被检验的数据
schema	dict	否	检验规则
allow_extra_keys	bool	可选	是否把data中没有被schema检验的数据也返回

验证数据类型：

data={
    "name":"alice",
    "age":30.5,
}
schema={
    "name":str,
    "age":[int,float]
}
validate_dict(data,schema)

验证成功：

(True, {'name': 'alice', 'age': 30.5})

"age"类型不符合规则：

data={
    "name":"alice",
    "age":"30.5",
}
schema={
    "name":str,
    "age":[int,float]
}
validate_dict(data,schema)

验证失败，返回：

(False, None)

根据schema，data缺失"address"数据：

data={
    "name":"alice",
    "age":30.5,
}
schema={
    "name":str,
    "age":[int,float],
    "address":{
        "city": str,
    }
}
validate_dict(data,schema)

验证失败，返回：

(False, None)

使用{'type':str,'process': lambda x: x.upper()}
传入的处理函数，对"city"数据做处理：

data={
    "name":"alice",
    "age":30.5,
    "address":{
        "city":"shanghai"
    }
}
schema={
    "name":str,
    "age":[int,float],
    "address":{
        "city": {'type':str,'process': lambda x: x.upper()},
    }
}
validate_dict(data,schema)

验证成功并处理后返回：

(True, {'name': 'alice', 'age': 30.5, 'address': {'city': 'SHANGHAI'}})

---

其他

• 需要使用QWQ32b/deepseek-r1:671b 以上模型