BAML vs PydanticAI：结构化抽取接口与 Python Agent 流程怎么选？

需要把文档抽取维护成类型化函数并接入现有应用，可以优先比较 BAML；需要在 Python 中组织 Agent 的工具、依赖和运行上下文，PydanticAI 更值得先试。它们可以在不同层次配合使用，选择时先确定抽取之外还有哪些任务。

本文于 2026 年 10 月 14 日核对资料，未进行统一模型的性能或准确率测试。

核心差异速览

维度	BAML	PydanticAI
主要组织方式	类型化函数、提示词与工具链	Python Agent 与运行流程
输出定义	在 BAML 中声明类型并生成或桥接接口	以 output_type 和校验器定义输出
Python 集成	v0 SDK 可生成 Pydantic 类型	框架使用 Python 类型与 Pydantic
工具与上下文	按所用版本及应用设计组合	有工具、依赖、消息与运行机制
事实核对	来源与业务规则另做检查	来源与业务规则另做检查
版本条件	当前区分 v0 SDK 和新工具链	核对框架版本与 provider 支持
软件许可	Apache-2.0	MIT
运行费用	模型与资源另计	模型、资源与可选托管服务另计

参见 BAML SDK 流程、PydanticAI 概览。本表用工作层次解释选择，不声称任一工具在所有任务中更强。

BAML 适合可复用的抽取接口

例如多个服务需要从项目记录中获得名称、负责人和日期，可以将输入输出定义与提示词集中维护，再让调用方使用对应接口。BAML v0 的 Python 路径将类型生成为 Pydantic 模型，供应用继续处理。Python 集成

这适合明确的抽取任务：输入一份资料，返回一组字段及来源证据。应用可以把这个函数放入自己的队列、服务或工作流。

版本要明确。当前官网提示 BAML 1.0 即将 GA，而文档仍提供 v0 SDK 路径。新的语言能力不应直接套用到旧客户端示例；团队应保存 runtime、生成器和编辑器版本。官网、版本同步

PydanticAI 适合具有工具和上下文的流程

当模型需要先查询资料、调用工具，然后返回类型化结果时，PydanticAI 的 Agent、工具与依赖机制值得比较。输出可以使用类型定义，也可加入输出校验函数。输出文档、工具文档

例如一个项目助手需要先根据当前用户权限检索记录，再抽取信息、提出待确认操作。这种流程涉及身份、上下文、工具结果和输出状态，应在 Agent 与应用之间明确分工。

工具调用能够形成工作流，但授权仍应来自业务系统。模型生成的用户 ID、文档 ID 或工具参数不能直接证明它有权限访问相应对象。

两者怎样组合

一种可行设计是由 Agent 获取经授权的资料，再调用独立抽取函数，随后做来源与业务校验。另一种设计是用 PydanticAI 自身的 output_type 完成抽取。选择哪种，需要比较团队维护成本和已有接口。

组合时保留明确责任：谁检索文档、谁调用模型、谁检查结果、谁审批外部写入。不要让两个层次都自动重试而没有总请求上限，避免一次失败引发叠加调用。

也不要为了使用框架而扩展任务。如果只需要提取少数字段，一个清晰函数与校验步骤可能已经足够。

类型检查不能代替事实与权限检查

输出对象符合类型，只能说明结果满足相应结构条件。原文中有多个日期时，选错字段仍可能通过校验。应要求段落 ID 和精确引句，再检查是否真正支持目标含义。

PydanticAI 提供输出校验器，可以访问运行上下文，并在需要时反馈重试；BAML v0 提供 check/assert 与错误路径。业务程序需要决定何时重试、何时标记缺失、何时交给人工。PydanticAI 输出校验、BAML 校验规则

对于要写回系统的字段，应取得最终结果并完成验收。流式部分对象用于展示时，还需显示未完成状态，避免用户把临时内容当作已批准数据。

故障、历史与幂等怎么设计

保存文档版本、类型定义、提示词、模型配置、调用记录和最终验收状态。重新执行抽取时，应知道它针对哪一份来源，不能悄悄换成更新后的文档。

外部写入使用业务幂等键，例如“文档 revision + 审批版本 + 动作类型”。重复生成相同对象不代表已经完成的操作可以再执行。审批完成之后，也要重新核对对象权限与资料是否仍适用。

候选方案的测试至少覆盖超时、取消、截断、来源缺失、错误证据、权限失效和重复请求。关注业务系统最终状态，别只检查函数是否没有抛异常。

软件费用与数据去向

BAML 开源软件免费、Apache-2.0，当前云套餐金额未公开；PydanticAI 开源框架采用 MIT。模型、部署、日志和可选托管服务按各自条件计费。BAML 价格、BAML 仓库、PydanticAI 仓库

本地程序调用云模型时，输入仍会发给所选 provider。记录数据接收方、日志范围和保留期限。使用 fallback 时，应将新 provider 纳入数据审查和预算。

应该选哪一个

先比较 BAML：团队希望维护可复用的抽取函数和类型接口，应用本身已有任务与状态管理。

先比较 PydanticAI：Python 应用需要工具、依赖和运行上下文，希望在 Agent 流程内处理类型化结果。

考虑组合：Agent 负责取得授权资料，抽取函数负责返回字段，应用负责事实核对、审批与写入。先用 文档抽取与事实校验教程 验证这种边界，再扩大任务。更多选型见 5 款结构化输出工具推荐。