1. 概述

前面几篇一直在整理模型输入，这一篇开始处理模型输出。

如果模型的回答只需要显示在聊天窗口，我们读取助手消息中的文本就可以了。但是，当程序还要根据回答执行分支、写入数据库，或者渲染情绪标签、商品卡片等专用界面时，仅有一段自然语言就不够了。

例如，我们希望模型分析用户情绪，并返回下面的数据：

1
{
2
  "emotion": "anxious",
3
  "confidence": 0.82,
4
  "reason": "用户明确提到问题迟迟没有解决，并且越来越焦虑"
5
}

程序可以读取 emotion 决定回复语气，也可以把 confidence 转换成百分比显示。如果模型返回的是“用户现在似乎有些焦虑，置信度大约为 82%”，人能看懂，程序却很难稳定地取出每一个字段。

Output Parser 的作用，就是在模型输出和业务代码之间增加一道转换与校验边界：

1
模型生成文本
2
  -> Output Parser 解析
3
  -> JavaScript 数据
4
  -> 分支判断、数据库或界面组件

它做的是两件事：先告诉模型期望的格式，再检查模型实际返回的内容能否转换成程序需要的数据。