llm.with_structured_output结构化输出为None

问题描述：

按课程代码结构化llm输出结果为None

相关代码：

from typing import Literal

import dotenv
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI

dotenv.load_dotenv()


class RouteQuery(BaseModel):
    """将用户查询映射到对应的数据源上"""
    datasource: Literal["python_docs", "js_docs", "golang_docs"] = Field(
        description="根据用户的问题，选择哪个数据源最相关以回答用户的问题"
    )


#

def choose_route(result: RouteQuery) -> str:
    print('----:', result)
    """根据不同的传递结果选择不同的检索器"""
    if "python_docs" in result.datasource:
        return 'chain in python_docs'
    elif "js_docs" in result.datasource:
        return 'chain in js_docs'
    else:
        return 'chain in golang_docs'


llm = ChatOpenAI(model="gpt-3.5-turbo-16k", temperature=5)
structured_llm = llm.with_structured_output(RouteQuery)

prompt = ChatPromptTemplate.from_messages([
    ('system', '你是一个擅长将用户问题路由到适应数据源的专家。\n请根据问题涉及的编程语言，将其路由到相关数据源'),
    ('human', '{question}')
])
router = {'question': RunnablePassthrough()} | prompt

question = """下面的代码为什么不工作了，请帮我检查下：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages(['human','speak in {language}'])

prompt.invoke('中文')
"""
res = router.invoke(question)
print(res)
res_s = structured_llm.invoke(res)
print(res_s)

输出如下：对应最后两行print

相关截图：