很多用LangChain做大模型应用的开发者，肯定都碰到过这样的糟心事：明明给大模型的提示词写得清清楚楚，要求返回标准JSON格式，结果拿到的输出要么是多了几个换行，要么是把JSON包在了Markdown的代码块里，甚至连引号都少打了一个，直接导致程序炸锅，整个流程卡在上游。这时候光靠LangChain自带的原生解析器根本不够用，得自己动手做个会“挑错、改错”的自定义解析器，再加上一套容错机制，才能让应用跑起来更稳。

一、为什么大模型输出解析总翻车？

1.1 常见的解析失败场景

大模型的输出本质是“文本生成”，不是精准的结构化输出，所以很容易踩坑：比如你要它返回用户的基本信息，要求是{"姓名":"小明","年龄":25,"手机号":"13xxxxxxxxx"}，它可能偏偏返回json {"姓名":"小明","年龄":25} ，或者把逗号写成了顿号，甚至在JSON外面加了一句“以上是用户信息”的说明文字。还有的模型会自动补全内容，导致返回的结构和要求的不一样，比如你要两个字段，它多返回了三个，这时候原生解析器就会因为字段不对抛异常。

1.2 原生解析器的局限性

LangChain自带的JsonOutputParser、PydanticOutputParser这些组件，对输出格式的要求几乎是“零容忍”，哪怕只是多了一个空格，少了一个双引号，都会直接抛出解析错误。它不会去尝试修复问题，也不会管你模型是不是偶尔“调皮”，只要格式不对就罢工，这对于真实场景下的大模型应用来说，显然太脆弱了。

二、自定义解析器：给模型输出“洗干净”再用

2.1 自定义解析要做的核心事

自定义解析器的核心目标，就是把模型输出里的“垃圾内容”清掉，把剩下的文本转成你要的格式，同时留好容错的后路。具体来说，要做这几件事：第一，去掉Markdown的代码块标记，比如把json 或者 这类内容删掉；第二，过滤掉非目标格式的额外文字，比如模型多写的解释性话；第三，对格式做初步修复，比如把单引号改成双引号，补全缺失的逗号；第四，做格式校验，要是实在修不好就抛出错误，留给后续的容错逻辑处理。

2.2 第一个自定义解析器示例（Python技术栈）

这里我们用Python来写，因为LangChain最常用的就是Python环境，示例代码会带详细注释，每一步做什么都标清楚。

# 技术栈：LangChain 0.1.x + Python 3.10
from langchain.output_parsers import BaseOutputParser
import re
import json

class CustomJsonParser(BaseOutputParser):
    # 定义解析的预期字段，用来校验后续输出的结构
    expected_fields: list = ["姓名", "年龄", "手机号"]

    def parse(self, text: str) -> dict:
        # 第一步：清洗文本，去掉Markdown代码块标记和多余前后空格
        cleaned_text = re.sub(r"```(json)?|```", "", text).strip()
        # 第二步：去掉模型可能加的额外说明文字，比如“以下是返回结果”类的内容
        cleaned_text = re.sub(r"^.*?(?={)", "", cleaned_text, flags=re.DOTALL)
        # 第三步：修复格式问题，把模型偶尔会用的单引号换成双引号
        cleaned_text = cleaned_text.replace("'", '"')
        try:
            # 第四步：转成JSON格式并校验必填字段是否存在
            result = json.loads(cleaned_text)
            for field in self.expected_fields:
                if field not in result:
                    raise ValueError(f"缺少必填字段：{field}")
            return result
        except Exception as e:
            # 清洗后仍有问题，抛出解析错误交由容错逻辑处理
            raise ValueError(f"解析失败，原因为：{str(e)}，清洗后的文本为：{cleaned_text}")

# 测试这个自定义解析器
if __name__ == "__main__":
    parser = CustomJsonParser()
    # 模拟模型返回的格式混乱的输出
    test_model_output = """
    我整理了当前用户的信息如下：
    ```json
    {姓名: "小明", '年龄':25, "手机号":"13800138000"}
    ```
    """
    try:
        parsed_result = parser.parse(test_model_output)
        print("成功解析结果：", parsed_result)
    except ValueError as e:
        print("解析错误详情：", e)

这个示例里，我们自定义的解析器会自动清理干扰内容，修复常见格式问题，还会校验必填字段，哪怕模型输出的格式乱七八糟，也能顺利提取到想要的结构化数据。

三、容错处理：解析失败了别直接炸锅

3.1 加重试机制，让模型再试一次

解析失败的时候，直接给模型发一条明确的重试指令，比如“刚才返回的JSON格式不对，请只返回标准JSON字符串，不要加任何其他文字或Markdown标记，必须包含姓名、年龄、手机号三个字段”，这样模型大概率会返回正确的格式。LangChain里可以用自带的retry装饰器，或者自己写简单的重试逻辑，控制重试次数最多2次就够，避免浪费算力和时间。

3.2 兜底：用默认值替代异常

如果重试之后还是解析失败，就不要直接报错打断流程，而是返回预设的默认值，比如如果是用户信息就返回{"姓名":"未知","年龄":0,"手机号":"未知"}，这样程序就能继续跑，不会因为一次小失误导致整个功能失效，用户体验也不会太差。

3.3 记日志，方便后续排查优化

把每次解析失败的模型原始输出、清洗后的文本、错误原因都记到日志里，比如用Python的logging模块，还可以做脱敏处理避免记录敏感信息。通过分析日志，能发现模型的输出规律，比如发现模型老是把手机号少写一位，就可以在提示词里加上“手机号必须是11位数字，不能多不能少”，从源头减少解析失败的情况。

四、实际应用中的场景和注意点

4.1 适合的应用场景

这种自定义解析加容错的方案，特别适合需要结构化输出的任务：比如客服机器人提取用户的问题类型、优先级，自动化报表生成需要大模型返回报表的结构，数据采集工具从网页里提取结构化数据，还有一些对稳定性要求高的工具类应用，都能通过这个方案大幅降低解析失败的概率。

4.2 技术方案的优缺点

优点很明显：第一，灵活性高，可以根据自己的需求定制解析逻辑，比如只允许特定字段，或者修复特定的格式错误；第二，容错性强，不会因为模型的偶尔失误就崩溃；第三，开发成本低，基于LangChain的BaseOutputParser开发，不用处理底层的序列化细节，比从零写解析器简单很多。缺点的话，需要花时间调试解析规则，不同模型的输出习惯不一样，可能要针对不同模型微调清洗规则，另外重试机制用得不好会稍微增加一点算力消耗，但影响不大。

4.3 注意事项

首先，提示词要写得足够明确，不要给模型留“发挥”空间，比如要求返回JSON，就说“只返回标准JSON字符串，不要任何其他文字，不要用Markdown包裹”；其次，重试次数要控制在1-2次，太多会拖慢流程；另外，日志必须做敏感信息脱敏，比如用户的手机号、身份证号这些，不能直接记录；最后，预期字段要具体，不要用“个人信息”这类模糊的词，避免模型漏返回字段。

4.4 总结

大模型输出解析失败是开发中很常见的问题，原生解析器的严格要求根本适配不了真实场景，自定义解析器加上容错机制，是目前最实用的解决方案。只要做好文本清洗、格式修复、重试兜底和日志记录，就能让LangChain的应用稳定跑起来，不会再因为一点格式问题卡壳，不管是新手还是有经验的开发者，都能快速落地这个方案。