Documentation Index
Fetch the complete documentation index at: /llms.txt
Use this file to discover all available pages before exploring further.
output_schema，智能体的回答会严格匹配该模型的结构，适合信息抽取、分类等需要直接解析结果的场景。
from pydantic import BaseModel, Field
from veadk import Agent
class Ticket(BaseModel):
summary: str = Field(description="问题的一句话摘要。")
category: str = Field(description="billing、bug、feature_request 或 other 之一。")
priority: str = Field(description="low、medium 或 high 之一。")
agent = Agent(
name="ticket_extractor",
instruction="从用户消息中抽取一张工单。",
output_schema=Ticket,
)
run 返回的是符合该 schema 的 JSON 字符串，可直接用 Pydantic 解析：
from veadk import Runner
raw = await Runner(agent=agent, app_name="structured_output").run(
messages="账单页面一打开就闪退，已经第三次了，请尽快处理。",
session_id="demo-session",
)
ticket = Ticket.model_validate_json(raw)
enable_responses=True，VeADK 会改用火山方舟的 Responses 接口，将 output_schema 转换为方舟原生的 json_schema（strict: true），由模型侧强制约束输出。相比默认方式（依赖提示词引导模型生成 JSON），这种方式更为可靠。
agent = Agent(
name="ticket_extractor",
instruction="从用户消息中抽取一张工单。",
output_schema=Ticket,
enable_responses=True,
)
output_schema 后，智能体只返回结构化结果，无法调用工具或转交给子智能体。