---
title: "Instructor dengan base_url serasi OpenAI (Pydantic) | BroadRouter"
description: "Ekstrak objek Pydantic daripada BroadNet Inference dengan Instructor, melalui from_openai atau from_provider dengan base_url tersuai, dan pilih Mode yang betul."
url: https://broadrouter.com/ms/guides/instructor-structured-output/
lang: ms
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/guides/instructor-structured-output/) (dikemas kini 2026-11-16).

# Dapatkan output berstruktur dengan Instructor pada BroadNet Inference

Dikemas kini 2026-11-16

Balut klien OpenAI yang mempunyai base\_url https://inference.broadnet.ai/v1 dan kunci BroadNet anda dengan instructor.from\_openai, kemudian panggil chat.completions.create dengan response\_model ditetapkan kepada kelas Pydantic anda dan model kepada broadnet/glm-5.3 atau broadnet/qwen3.8-27b. Itulah dua model yang disenaraikan BroadNet dengan tools dan output berstruktur. Mode.TOOLS ialah lalai; Mode.JSON\_SCHEMA juga berfungsi.

Instructor ialah pustaka Python yang menukar balasan LLM kepada objek Pydantic yang telah disahkan, dan boleh mencuba semula apabila pengesahan gagal. Ia menampal klien OpenAI, dan dokumentasinya meliputi pelayan serasi OpenAI melalui `base_url`. BroadNet Inference menyediakan chat completions di `https://inference.broadnet.ai/v1`, dan menyenaraikan tools serta output berstruktur untuk GLM 5.3 dan Qwen3.8 27B. BroadRouter ialah laman web BroadNet sendiri; panduan ini mengikut dokumentasi Instructor setakat versi 1.17.0.

## Pasang

```bash
pip install instructor
export BROADNET_API_KEY='your-broadnet-key'
```

## Ekstrak objek

```python
import os
import instructor
from openai import OpenAI
from pydantic import BaseModel

class Invoice(BaseModel):
    vendor: str
    total: float
    currency: str

client = instructor.from_openai(
    OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"]),
    mode=instructor.Mode.TOOLS,
)

invoice = client.chat.completions.create(
    model="broadnet/glm-5.3",
    response_model=Invoice,
    max_tokens=4000,
    messages=[{"role": "user", "content": "Acme Trading invoice, total 1,250.00 SAR"}],
)
print(invoice)
```

Instructor menukar `Invoice` kepada skema alatan, memaksa model memanggilnya dengan `tool_choice`, dan mengesahkan argumennya. Hantar `max_retries` untuk mengawal berapa kali ia bertanya semula, bersama ralat pengesahan, apabila objek tidak lulus pengesahan.

## Atau guna from\_provider

```python
pclient = instructor.from_provider(
    "openai/broadnet/glm-5.3",
    base_url="https://inference.broadnet.ai/v1",
    api_key=os.environ["BROADNET_API_KEY"],
)
invoice = pclient.create(response_model=Invoice, max_tokens=4000,
                         messages=[{"role": "user", "content": "Acme Trading, 1,250.00 SAR"}])
```

Bahagian `openai/` memilih klien. Selebihnya, `broadnet/glm-5.3`, dihantar sebagai ID model.

## Mod mana

| Mod | Apa yang dihantar | Guna dengan BroadNet |
| --- | --- | --- |
| `Mode.TOOLS` (lalai) | Panggilan alatan paksa dengan skema anda | Ya, pada GLM 5.3 atau Qwen3.8 27B |
| `Mode.JSON_SCHEMA` | `response_format` jenis `json_schema` | Ya, pada GLM 5.3 atau Qwen3.8 27B |
| `Mode.MD_JSON` | Permintaan biasa; JSON dihurai daripada teks | Sandaran untuk model lain; uji dahulu |
| `Mode.RESPONSES_TOOLS` | Responses API | Tidak: BroadNet menyediakan chat completions |

## Imej

Qwen3.8 27B menerima imej serta alatan, jadi ia boleh membaca foto atau imbasan terus ke dalam model anda:

```python
import base64
img = base64.b64encode(open("invoice.jpg", "rb").read()).decode()
invoice = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_model=Invoice,
    max_tokens=4000,
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "Extract the invoice fields."},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + img}},
    ]}],
)
```

Pada kunci bayar ikut guna, imej dikira sebagai token input. Lihat [membaca invois bahasa Arab dengan vision](https://broadrouter.com/ms/guides/read-arabic-invoices-with-vision/).

## Cara kami mengujinya

Pada 2026-11-15 kami memasang instructor 1.17.0 bersama openai 3.3.0 dalam persekitaran maya yang bersih dan menjalankan contoh di atas terhadap pelayan olok-olok tempatan yang mengikut bentuk chat completions BroadNet. Kami membaca permintaan yang dilog. `Mode.TOOLS` menghantar skema sebagai alatan dengan `tool_choice` paksa, `Mode.JSON_SCHEMA` menghantar format respons `json_schema`, dan kedua-duanya memulangkan `Invoice` yang sah. `from_provider` menghantar ID model tanpa diubah. Pelayan olok-olok kami tidak menulis JSON teks bebas, jadi kami tidak menguji `Mode.MD_JSON`, dan kami tidak menghantar contoh imej. Kami tiada kunci BroadNet, jadi kami tidak menguji output model sebenar.

## Penyelesaian masalah

-   **Cubaan semula pengesahan yang tidak pernah berjaya.** Penaakulan dikira dalam `max_tokens` pada GLM 5.3 dan Qwen3.8 27B. Had yang rendah boleh memotong argumen alatan. Naikkannya. [Mengapa jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/).
-   **400 pada permintaan.** Pastikan anda menggunakan GLM 5.3 atau Qwen3.8 27B. Jika `tool_choice` paksa ditolak, cuba `Mode.JSON_SCHEMA`.
-   **401.** Kunci salah, tamat tempoh atau kehabisan elaun.
-   **404.** `base_url` mesti berakhir dengan `/v1`. GLM 5.3 dan Qwen3.8 27B memerlukan tambah nilai; kredit $5 tidak meliputinya.
-   **429 semasa pengekstrakan kelompok.** Kunci bayar ikut guna membenarkan 30 permintaan seminit dan 4 serentak. Setiap cubaan semula pengesahan ialah satu permintaan lagi. Lihat [ralat dan cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/).

## Istilah dalam panduan ini

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Chat Completions API](https://broadrouter.com/ms/glossary/chat-completions-api/)

Chat Completions API ialah endpoint HTTP OpenAI, POST /v1/chat/completions, yang menerima nama model dan senarai mesej bertanda peranan, lalu memulangkan mesej seterusnya daripada model. Bentuk permintaan dan responsnya menjadi format biasa yang digunakan semula oleh penyedia dan SDK yang serasi OpenAI.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

[Had kadar (rate limit)](https://broadrouter.com/ms/glossary/rate-limit/)

Had kadar ialah had yang ditetapkan oleh API ke atas jumlah penggunaan klien dalam satu tempoh masa, seperti permintaan seminit atau token seminit. Permintaan yang melebihi had ditolak, biasanya dengan HTTP 429 Too Many Requests, sehingga penggunaan turun semula di bawahnya.

[Kredit prabayar (prepaid credit)](https://broadrouter.com/ms/glossary/prepaid-credit/)

Kredit prabayar ialah wang yang ditambah ke akaun API sebelum digunakan. Setiap permintaan menolak kosnya daripada baki, dan apabila baki habis, permintaan bermeter berhenti sehingga anda menambah nilai. Ia mengehadkan perbelanjaan kepada jumlah yang telah anda bayar.

[Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/)

Output berstruktur ialah ciri API LLM yang mengehadkan balasan model kepada format yang ditetapkan oleh pembangun, biasanya JSON Schema, supaya kod boleh menghuraikannya dengan boleh dipercayai. Ia lebih ketat daripada JSON mode, yang menjamin JSON yang sah tetapi bukan bentuk tertentu.

[Token](https://broadrouter.com/ms/glossary/token/)

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

## Soalan lazim

### Mod Instructor manakah yang patut saya guna dengan BroadNet?

Mode.TOOLS, iaitu lalai, pada GLM 5.3 atau Qwen3.8 27B, yang disenaraikan BroadNet dengan tools dan output berstruktur. Mode.JSON\_SCHEMA pula menghantar response\_format json\_schema. Kedua-duanya menghasilkan objek yang sah dalam ujian pelayan olok-olok kami.

### Bolehkah saya guna Mode.RESPONSES\_TOOLS?

Tidak. Dokumentasi Instructor menyatakan supaya tidak memilihnya melainkan pelayan melaksanakan Responses API. BroadNet hanya menyediakan chat completions.

### Adakah Instructor berfungsi dengan DeepSeek V4.1 Flash atau Gemma pada BroadNet?

BroadNet tidak menyenaraikan tools atau output berstruktur untuk model tersebut. Mode.MD\_JSON meminta JSON dalam teks biasa dan menghuraikannya, yang mungkin berfungsi, tetapi ujilah pada data anda sendiri sebelum bergantung padanya.

### Bagaimanakah saya menulis rentetan model untuk from\_provider?

Gunakan openai/broadnet/glm-5.3. Instructor memisahkan segmen pertama sebagai penyedia, dan dalam ujian kami ia menghantar broadnet/glm-5.3 ke pelayan tanpa diubah.

## Panduan berkaitan

-   [Cara guna OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/ms/guides/openai-python-sdk/)
-   [Guna Pydantic AI dengan BroadNet Inference (OpenAICompatibleProvider)](https://broadrouter.com/ms/guides/pydantic-ai-openai-compatible/)
-   [Baca invois dan resit Arab dengan model vision](https://broadrouter.com/ms/guides/read-arabic-invoices-with-vision/)
-   [Mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/)
-   [Semua alat yang berfungsi dengan BroadNet Inference (Bahasa Inggeris)](https://broadrouter.com/integrations/): SDK, ejen pengekodan, antara muka sembang dan alat automasi, dengan tetapan tepat bagi setiap satu

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-guides-instructor-structured-output&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi Instructor, OpenAI dan pelayan serasi OpenAI (disemak 2026-11-15)](https://python.useinstructor.com/integrations/openai/)
-   [PyPI, instructor 1.17.0 (disemak 2026-11-15)](https://pypi.org/project/instructor/)
-   [Rujukan API BroadNet Inference (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-guides-instructor-structured-output&utm_content=sources)
