instructor

环境要求

• Python 环境（Instructor 是 Python 库）
• 已选好包管理器：pip、uv 或 poetry 之一
• 用于调用的 LLM 提供商凭证

安装与启动步骤

1. 1用 pip 安装

   最通用的安装方式，在已激活的虚拟环境中执行，几秒即可完成。

   pip install instructor

   复制

2. 2或用 uv 安装

   如果你用 uv 管理依赖，用这条命令把 instructor 加入项目依赖。

   uv add instructor

   复制

3. 3或用 poetry 安装

   Poetry 项目使用这条命令添加依赖，二选一即可，不要重复安装。

   poetry add instructor

   复制

4. 4定义模型并调用

   用 Pydantic 定义期望结构，通过 from_provider 创建客户端并传入 response_model。

   import instructor
   from pydantic import BaseModel
   
   
   # Define what you want
   class User(BaseModel):
       name: str
       age: int
   
   
   # Extract it from natural language
   client = instructor.from_provider("openai/gpt-4o-mini")
   user = client.chat.completions.create(
       response_model=User,
       messages=[{"role": "user", "content": "John is 25 years old"}],
   )
   
   print(user)  # User(name='John', age=25)

   复制

如何确认成功

运行脚本后打印出 User(name='John', age=25) 形式的 Pydantic 对象，而非原始 JSON 字符串，即表示成功。

常见问题

注意事项

• 使用前需按所选提供商要求配置对应的 API Key（README 未给出具体环境变量名，请以提供商文档为准）。
• Instructor 定位是 schema-first 的结构化抽取，保持简单和低成本；复杂 agent 场景建议换用 PydanticAI。
• pip、uv、poetry 三种安装方式任选其一，避免在同一环境中混用造成依赖冲突。