Instructor — Typed Structured Outputs for LLMs

简介

Instructor 把 LLM 输出直接变成可校验的 Pydantic 模型，并自动重试失败解析。pip install instructor 后即可做 schema-first 抽取，兼容 OpenAI/Anthropic 等。

• 适合谁（Best for）: 需要可靠结构化抽取的后端团队，希望拿到可校验的类型结果，避免手写解析器与脆弱正则清洗
• 兼容工具（Works with）: Python、Pydantic 模型、OpenAI/Anthropic/Google/Ollama 等提供方（仓库示例）
• 安装时间（Setup time）: 8 分钟

量化信息

• GitHub stars（已核验）：见「来源与感谢」
• 装机约 8 分钟
• 安装命令：pip install instructor（仓库）

实战要点

当你已经明确「答案应该长什么样」时，用 Instructor 会非常稳：一次调用对应一个 Pydantic 模型，把字段约束收紧（枚举/范围/必填），再配置重试预算。稳定后，把 schema 当成 API 合同来维护：版本化、补回归样例，并把校验失败率当作质量指标持续监控。

安全提示： Schema 纪律很重要：模型过大、字段语义模糊会带来更多重试，进而拉高延迟与成本。

FAQ

Q: Instructor 解决什么问题？ A: 它让 LLM 输出遵循明确的类型/结构（Pydantic），并对不合规输出自动重试，让你拿到稳定的结构化结果而不是靠解析字符串。

Q: 只能配 OpenAI 吗？ A: 不是。仓库示例包含 OpenAI、Anthropic、Google 以及本地 Ollama 的 provider 写法，调用方式一致。

Q: 如何降低失败率？ A: 把 schema 做小、枚举尽量收敛，并尽量一次只抽取一个对象；schema 越小越容易通过校验、重试次数越少。