第2章 学习:Instructor 安装指南——从 LLM 提取结构化输出
Instructor 安装指南:LLM 结构化输出配置
安装 Instructor,这是从 GPT-4、Claude 和 Gemini 等大语言模型中提取结构化数据的 Python 库。这份全面的安装教程涵盖主要 LLM 提供商,并帮助你做好生产环境使用准备。
快速上手:安装 Instructor 用于 LLM 开发
几秒内即可开始使用结构化 LLM 输出。使用 pip 安装 Instructor: pip install instructor
Instructor 借助 Pydantic 实现类型安全的 LLM 数据提取: pip install pydantic
小贴士:使用 uv 可加快安装速度: uv pip install instructor
LLM 提供商安装指南
Instructor 支持 15 多个 LLM 提供商。以下是各提供商的安装与配置方法:
OpenAI (GPT-4, GPT-3.5)
OpenAI 是 Instructor 的默认 LLM 提供商,适用于 GPT-4 和 GPT-3.5-turbo 的结构化输出: pip install instructor
配置 OpenAI API 密钥以访问 LLM: export OPENAI_API_KEY=your_openai_key
Anthropic Claude LLM 设置
利用原生工具支持,从 Claude 3 系列模型(Opus、Sonnet、Haiku)中提取结构化数据: pip install "instructor[anthropic]"
配置 Claude API 访问: export ANTHROPIC_API_KEY=your_anthropic_key
Google Gemini LLM 集成
使用 Gemini Pro 和 Flash 模型,结合函数调用实现结构化输出: pip install "instructor[google-genai]"
设置 Gemini API 访问: export GOOGLE_API_KEY=your_google_key
Cohere
使用 Cohere 的模型: pip install "instructor[cohere]"
设置 Cohere API 密钥: export COHERE_API_KEY=your_cohere_key
Mistral
使用 Mistral AI 的模型: pip install "instructor[mistral]"
设置 Mistral API 密钥: export MISTRAL_API_KEY=your_mistral_key
LiteLLM(多提供商)
使用 LiteLLM 访问多个提供商: pip install "instructor[litellm]"
设置你要使用的提供商的 API 密钥。
验证 Instructor LLM 设置
使用以下简单的 LLM 结构化输出示例测试你的 Instructor 安装:
import instructor from pydantic import BaseModel
class Person(BaseModel): name: str age: int
client = instructor.from_provider("openai/gpt-5-nano") person = client.create( model="gpt-5.4-mini", response_model=Person, messages=[ {"role": "user", "content": "John Doe is 30 years old"} ] )
print(f"Name: {person.name}, Age: {person.age}")
LLM 教程旅程的下一步
安装 Instructor 后,你可以开始构建强大的 LLM 应用:
- 创建你的第一个 LLM 提取:使用任何 LLM 构建结构化输出 - 掌握响应模型:学习用于 LLM 数据验证的 Pydantic 模型 - 配置 LLM 客户端:设置 OpenAI、Anthropic、Google 等
常见安装问题
- 导入错误:确保已安装特定提供商的额外依赖(例如 instructor[anthropic]) - API 密钥问题:验证你的环境变量是否设置正确 - 版本冲突:使用 pip install --upgrade instructor 获取最新版本
准备从 LLM 中提取结构化数据?继续前往你的第一个提取 →