Instructor, opinión de Joute

Lo esencial en 20 segundos

Librería Python que envuelve las llamadas LLM para garantizar salidas estructuradas validadas por Pydantic
Reintento automático si la salida del LLM no corresponde al esquema esperado
Compatible con OpenAI, Anthropic, Google y cualquier LLM compatible con OpenAI
Precio: gratuito, open source MIT

Veredicto: Instructor es la forma más simple y fiable de extraer datos estructurados desde un LLM. Si usas Pydantic (y deberías), la integración es natural. Imprescindible.

¿Qué es Instructor?

Instructor es una librería Python creada por Jason Liu que simplifica radicalmente la extracción de datos estructurados desde LLM. Defines un modelo Pydantic, llamas al LLM y obtienes un objeto Python validado.

Si el LLM devuelve algo que no corresponde al esquema, Instructor relanza automáticamente la llamada con el mensaje de error en contexto.

from instructor import patch
from openai import OpenAI
from pydantic import BaseModel

client = patch(OpenAI())

class Person(BaseModel):
    name: str
    age: int

person = client.chat.completions.create(
    model="gpt-4",
    response_model=Person,
    messages=[{"role": "user", "content": "Jason Liu, 30 ans"}]
)
# person.name == "Jason Liu", person.age == 30

Puntos fuertes

Validación Pydantic nativa

Tus modelos Pydantic existentes funcionan directamente. No hace falta aprender un nuevo formato de esquema.

Reintento inteligente

Cuando el LLM produce una salida inválida, Instructor reinyecta el error de validación en el prompt para que el LLM se corrija. La tasa de éxito sube significativamente.

Soporte multi-LLM

OpenAI, Anthropic (Claude), Google (Gemini), Mistral y cualquier endpoint compatible con OpenAI.

Límites

Solo Python

No hay versión JavaScript/TypeScript nativa (BAML cubre está necesidad del lado TypeScript).

Dependencia fuerte de Pydantic

Si tu proyecto no usa Pydantic, hay que adoptarlo. En la práctica no es una limitación ya que Pydantic se ha convertido en un estándar.

Precios

Gratuito, open source MIT

Alternativas

BAML para extracción estructurada TypeScript-first
DSPy para un enfoque más completo de programación de pipelines LLM
Outlines para la generación estructurada con modelos locales

Veredicto

Instructor es una de las librerías más útiles del ecosistema Python LLM. Si construyes pipelines que extraen datos de textos o documentos, instala Instructor inmediatamente.