# Instructor Instructor 是开源库，可通过类型化 Schema 从 LLM 响应提取经过校验的结构化数据，支持自动重试、流式输出、多种编程语言和众多模型服务商。 Canonical URL: https://aiidelist.com/zh/ide/instructor Language: zh 更新日期: 2026-10-06 ## 概览 - 分类: Developer Workflow Tools - 面向 LLM 和智能体应用的结构化输出层，将模型响应转成经过校验的应用数据，专注这一能力而非完整智能体框架。 - 编辑器基础: Code library - 平台: Python, TypeScript, Go, Ruby, Elixir, Rust, Local models - 开源: 是 - 本地模型支持: 是 - 自带 API 密钥: 是 ## 简评 如果 LLM 功能需要可靠的类型化数据提取，而应用又无需引入完整智能体框架，Instructor 是值得优先考虑的方案。 ## 适合场景 - 从 LLM 提取结构化数据 - 类型化工具与 API 载荷 - 可在服务商之间迁移的应用 - 校验和重试流程 - 为现有服务增加 AI 的团队 ## 优点 - 范围专一，比完整智能体框架更容易接入 - 类型校验可在应用边界拦截格式错误的模型输出 - 广泛支持服务商和语言，避免绑定单一模型 - MIT 许可证支持商业及内部使用 ## 局限 - 完整的多智能体编排 - 长期运行的持久化工作流 - 期待校验能避免幻觉的应用 - 希望使用托管无代码产品的团队 - 不提供编排、记忆、工具或持久化智能体执行 - 重试会增加延迟和模型成本 - 符合 Schema 的输出，事实仍可能错误 - 服务商特有行为和模型升级仍需评估 # Instructor 评测 Instructor 是开源库，可通过类型化 Schema 从 LLM 响应提取经过校验的结构化数据，支持自动重试、流式输出、多种编程语言和众多模型服务商。 ## Instructor 是什么 面向 LLM 和智能体应用的结构化输出层，将模型响应转成经过校验的应用数据，专注这一能力而非完整智能体框架。 ## 核心能力 ### 类型化结构输出 - 用编程语言原生的校验模型定义响应 Schema - 将 LLM 响应解析为可靠的应用对象 - 输出不合法时将校验反馈返回给模型 ### 可靠的数据提取 - 自动重试与校验 - 流式与部分结构化输出 - 批量和可迭代数据提取方式 ### 服务商与语言覆盖 - 支持多种托管模型 API - 支持本地及 OpenAI 兼容模型 - 提供 Python、TypeScript、Go、Ruby、Elixir 和 Rust 库 ## 适用场景 - 从 LLM 提取结构化数据 - 类型化工具与 API 载荷 - 可在服务商之间迁移的应用 - 校验和重试流程 - 为现有服务增加 AI 的团队 ## 价格 - **Open Source：** $0 — Instructor 各语言库采用 MIT 许可证。 - **模型使用：** 按服务商价格 — 向所选托管模型服务商支付费用，或自行运行兼容本地模型。 - **应用实现：** 自行管理 — 应用托管、运行观测、校验和重试成本由你承担。 价格和可用情况可能调整。以上信息已于 2026-08-14 根据官方资料核对。 ## 优势 - 范围专一，比完整智能体框架更容易接入 - 类型校验可在应用边界拦截格式错误的模型输出 - 广泛支持服务商和语言，避免绑定单一模型 - MIT 许可证支持商业及内部使用 ## 局限与注意事项 - 不提供编排、记忆、工具或持久化智能体执行 - 重试会增加延迟和模型成本 - 符合 Schema 的输出，事实仍可能错误 - 服务商特有行为和模型升级仍需评估 ## 隐私与使用注意事项 Instructor 本身是客户端库，但提示词和源数据会发往所配置的模型端点。应检查服务商保留条款，避免记录敏感载荷；结构校验保证的是格式，不代表事实正确或使用安全。 ## Instructor 替代方案 主要比较对象包括 Pydantic AI、DSPy 和 Guidance。应比较执行方式、集成范围、安全控制、部署方式、维护负担及总使用成本。 ## 选型建议 如果 LLM 功能需要可靠的类型化数据提取，而应用又无需引入完整智能体框架，Instructor 是值得优先考虑的方案。 ## 官方资料 - [Python 文档](https://python.useinstructor.com/) - [官方代码仓库](https://github.com/567-labs/instructor) - [许可证](https://github.com/567-labs/instructor/blob/main/LICENSE) ## 功能 ### 类型化结构输出 - 用编程语言原生的校验模型定义响应 Schema - 将 LLM 响应解析为可靠的应用对象 - 输出不合法时将校验反馈返回给模型 ### 可靠的数据提取 - 自动重试与校验 - 流式与部分结构化输出 - 批量和可迭代数据提取方式 ### 服务商与语言覆盖 - 支持多种托管模型 API - 支持本地及 OpenAI 兼容模型 - 提供 Python、TypeScript、Go、Ruby、Elixir 和 Rust 库 ## 价格 open-source - Open Source: $0 — Instructor 各语言库采用 MIT 许可证。 - Model usage: Provider rates — 向所选托管模型服务商支付费用，或自行运行兼容本地模型。 - Implementation: Self-managed — 应用托管、运行观测、校验和重试成本由你承担。 价格核对日期: 2026-08-14 ## 隐私与数据处理 Instructor 本身是客户端库，但提示词和源数据会发往所配置的模型端点。应检查服务商保留条款，避免记录敏感载荷；结构校验保证的是格式，不代表事实正确或使用安全。 ## 替代工具 - Pydantic AI - DSPy - Guidance ## 资料来源 - [官方网站](https://python.useinstructor.com/) - [Python 文档](https://python.useinstructor.com/) - [官方代码仓库](https://github.com/567-labs/instructor) - [许可证](https://github.com/567-labs/instructor/blob/main/LICENSE) 最近核对日期: 2026-08-14 ## 更新记录 - 2026-08-14: 新增为专注类型化、经校验 LLM 输出的生产应用库；当前代码仓库品牌为 567 Labs Instructor。