LLM项目0.23版本发布：JSON Schema支持与结构化数据提取新特性

LLM是一个强大的命令行工具和Python库，专注于与大型语言模型(LLM)的交互。它简化了与各种AI模型的交互过程，提供了统一的接口来处理文本生成、对话管理等任务。最新发布的0.23版本带来了重大功能更新，特别是对JSON Schema的支持，使得从非结构化内容中提取结构化数据变得更加容易和可靠。

核心特性：Schema支持

0.23版本最引人注目的新功能是对JSON Schema的全面支持。这一功能允许开发者定义预期的输出数据结构，模型将按照指定的格式返回数据，极大简化了后续数据处理流程。

Schema基本用法

开发者现在可以通过命令行直接指定输出Schema：

llm prompt --schema '{JSON schema goes here}'

例如，要获取一个人的结构化信息，可以这样使用：

llm prompt "介绍OpenAI CEO" --schema 'name, bio, age int'

这个简洁的DSL语法会被自动转换为完整的JSON Schema定义，大大提高了开发效率。

Schema的高级应用

Schema不仅可以通过命令行直接指定，还支持多种灵活的配置方式：

1. 通过文件指定Schema
2. 保存到模板中重复使用
3. 在Python API中通过model.prompt(..., schema={...})参数传递

Python API特别强大，它既接受传统的字典形式JSON Schema定义，也支持Pydantic的BaseModel子类，为Python开发者提供了极大的灵活性。

配套工具链

围绕Schema功能，LLM 0.23版本提供了一系列配套工具：

1. Schema管理命令：

   • llm schemas list：列出所有可用Schema
   • llm schemas show：查看特定Schema详情
   • llm schemas dsl：调试简洁Schema语言

2. 日志数据分析： 新版llm logs命令增加了多个选项专门处理Schema收集的数据：

   • --data：提取日志中的结构化数据
   • --data-key：按特定键筛选数据
   • --data-array：将数据作为数组输出
   • --data-ids：获取包含数据的日志ID

模型支持与兼容性

Schema功能需要模型本身的支持。0.23版本中：

1. 默认的OpenAI插件已为所有支持的模型启用Schema功能
2. llm-anthropic和llm-gemini插件也已升级支持Schema
3. 新增llm models --schemas命令可列出所有支持Schema的模型

开发者也可以为自己的模型插件添加Schema支持，LLM提供了清晰的实现指南。

其他重要改进

除了核心的Schema功能外，0.23版本还包含多项实用改进：

1. GPT-4.5预览版支持：新增对OpenAI最新GPT-4.5模型的支持
2. Python API增强：model.prompt()现在可以省略提示文本，仅使用附件
3. Pydantic v2升级：放弃对Pydantic v1的支持，全面转向v2
4. OpenAI额外模型配置：支持通过YAML配置模型的推理能力

技术意义与应用场景

LLM 0.23版本的Schema功能解决了LLM应用开发中的一个关键痛点——从非结构化模型输出中提取结构化数据。这一功能在以下场景特别有价值：

1. 数据抽取：从文本中提取实体、关系等结构化信息
2. API集成：生成可直接用于后续处理的规范JSON数据
3. 数据分析：批量处理文档并收集统一格式的结果
4. 内容生成：确保模型输出符合特定的格式要求

通过将Schema支持深度集成到工具链中，LLM为开发者提供了从交互到日志分析的全流程支持，大大降低了LLM应用的开发门槛和维护成本。

这一版本的发布标志着LLM项目从单纯的模型交互工具向完整的LLM应用开发框架的演进，为构建可靠的、生产级的LLM应用提供了坚实基础。