structured-llm

一个轻量的 Python 结构化输出运行时。

它直接使用 Pydantic 类型作为 schema，不需要 .baml 文件、CLI、代码生成，也不需要额外的运行时编译器。默认行为是 BAML 风格的「output format prompt + 本地 JSON 提取/轻量修复 + Pydantic 校验」，因此不依赖特定供应商是否支持 response_format。

安装依赖

普通运行依赖：

uv sync --no-config --default-index https://pypi.org/simple

开发依赖安装在 dev dependency group 中，包括 pytest、pytest-asyncio、ruff、mypy：

uv sync --group dev --no-config --default-index https://pypi.org/simple

如果需要新增开发工具依赖：

uv add <package> --group dev --no-config --default-index https://pypi.org/simple

使用示例

from pydantic import BaseModel, Field
from structured_llm import StructuredClient


class Receipt(BaseModel):
    merchant: str = Field(description="商户或店铺名称")
    total: float = Field(description="收据最终支付总金额")


client = StructuredClient(model="gpt-4o-mini", debug=True)
receipt = client.run("Extract the receipt: Coffee $4.50", Receipt)

print(receipt.merchant)
print(receipt.total)

默认 OpenAI-compatible provider 会从 OPENAI_API_KEY 和 OPENAI_BASE_URL 读取配置；如果代码里显式传入 api_key 或 base_url，会优先使用显式参数。examples/receipt_extraction.py 会通过 python-dotenv 自动加载本地 .env。

Field(description=...) 会渲染到默认 output format prompt。debug=True 会把传给 OpenAI-compatible SDK 的 request payload 和模型解析前的原始输出打印到 stderr。默认不会发送 response_format；只有显式设置 mode="native" 或 mode="auto" 时才会尝试 provider-native structured output。

只解析已有的 LLM 文本输出：

raw = """
```json
{"merchant": "Coffee Shop", "total": 4.5}

"""

receipt = client.parse(raw, Receipt)

## 开发命令

运行测试：

```bash
PYTHONDONTWRITEBYTECODE=1 uv run --no-config --default-index https://pypi.org/simple --group dev python -m pytest -p no:cacheprovider

运行 Ruff：

uv run --no-config --default-index https://pypi.org/simple --group dev ruff check .

运行 mypy：

uv run --no-config --default-index https://pypi.org/simple --group dev mypy structured_llm

当前范围

• 支持同步调用：StructuredClient.run(...)
• 支持异步调用：StructuredClient.arun(...)
• 支持本地解析：StructuredClient.parse(...)
• 支持 Pydantic BaseModel、list[...]、dict[...]、Literal、Enum 等 TypeAdapter 可处理的类型
• 暂不支持流式 partial object、多 provider 内置适配、BAML DSL/codegen