Instructor 1.7.3版本发布：功能增强与多模型支持

Instructor是一个专注于结构化输出的AI工具库，它简化了开发者与大型语言模型(LLM)的交互过程。通过提供标准化的接口和工具，Instructor使得从LLM获取结构化数据变得简单高效。最新发布的1.7.3版本带来了多项重要更新和功能增强。

核心功能优化

1.7.3版本在底层架构上进行了多项优化，提升了整体性能和稳定性。其中最重要的改进之一是程序化移除LLM响应中的控制字符，这一特性解决了某些情况下模型输出包含不可见控制字符导致解析失败的问题。开发者现在可以更可靠地处理模型返回的数据，无需担心特殊字符干扰。

多模型支持扩展

本次更新显著扩展了对不同AI模型的支持范围：

1. Gemini模型：现在默认使用GEMINI_JSON模式，为Google的Gemini模型提供了更好的结构化输出支持。

2. Deepseek模型：新增了对Deepseek Reasoning能力的支持示例，展示了如何利用这一国产模型进行复杂推理任务。

3. Perplexity Sonar：添加了对这一新兴模型的支持，为开发者提供了更多选择。

4. Anthropic Claude：特别增加了对Sonnet 3.7推理能力的支持，通过ANTHROPIC_JSON模式可以更好地利用Claude模型的最新能力。

5. AWS Bedrock：通过boto3集成了对AWS Bedrock服务的支持，使企业用户能够更方便地在AWS云环境中使用Instructor。

文档与示例改进

1.7.3版本对文档进行了全面梳理和标准化，特别是针对Claude模型的使用示例进行了统一规范。新增了关于迁移到uv的指导文章，帮助开发者更平滑地过渡到最新工具链。同时修复了Markdown标题格式问题，提升了文档的可读性。

针对Google Vertex AI的异步调用示例也进行了修正，确保开发者能够正确实现异步交互模式。新增的Deepseek推理示例则为中文开发者提供了更贴近实际应用场景的参考代码。

开发者体验提升

除了功能增强外，1.7.3版本还注重改善开发者体验。通过优化内部实现，减少了不必要的开销，使得整体运行更加高效。对run.py脚本的更新则简化了本地开发和测试流程。

这些改进使得Instructor在保持易用性的同时，能够支持更广泛的AI模型和应用场景，为开发者构建基于LLM的应用提供了更强大的工具集。无论是处理简单的数据提取任务，还是实现复杂的推理流程，1.7.3版本都能提供可靠的支持。