BAML vs Instructor：类型化函数、结构化抽取与事实校验怎么选？

希望把提示词、输入输出类型和测试维护成函数接口，可以优先比较 BAML；已有 Python/Pydantic schema，希望把抽取与验证接入现有调用流程，Instructor 更适合先试。最终选择还要看版本路径、失败处理、来源核验和团队维护成本。

资料核对日期为 2026 年 10 月 14 日。本文没有在统一模型与文档集上测试准确率或延迟，不按厂商宣传数据判定优胜。

核心差异速览

维度	BAML	Instructor
工作组织	类型化函数、提示词与工具链	抽取调用、schema 校验与重试
Python 路径	v0 SDK 生成 baml_client 与类型	使用 Pydantic 模型定义输出
类型变更	修改定义并重新生成对应接口	修改应用中的 schema 与校验代码
校验	v0 有 assert/check 等规则	可使用 Pydantic 验证规则
事实正确性	仍需来源与业务验证	仍需来源与业务验证
版本条件	区分 v0 SDK 与新工具链	核对库版本、provider 与模式
软件许可	Apache-2.0	MIT
运行费用	模型、部署和日志另计	模型、部署和日志另计

功能入口可核对 BAML 官方 SDK 文档、Instructor 文档。适用性结论是工作流分析。

BAML 适合什么团队

当同一抽取能力将被多个服务复用时，明确的函数输入、输出与提示词定义有助于审查变更。BAML v0 SDK 的流程是维护 .baml 文件，再生成对应调用接口。客户端生成

例如项目记录抽取增加了证据字段，团队可以把函数定义、调用方和测试样本一起修改。重点是把“返回什么”和“如何验收”变为可以追踪的变更。

这需要额外维护工具链。生成器、runtime 和编辑器版本要配合；BAML 官网当前提示 1.0 即将 GA，采用旧 SDK 示例时应固定版本。不要把新独立命令直接替换到旧教程中。版本说明、当前官网

Instructor 适合什么团队

Instructor 的 Python 路径围绕 Pydantic 模型组织抽取与验证，适合已有 Python 数据模型的应用。团队可以继续使用字段约束和自定义校验，把模型响应放到相同 schema 下处理。验证说明

例如已有工单模型需要从文本补充字段，可以先定义可缺省字段、验证规则和失败状态，再增加模型调用。采用成本较低与否，应以团队现有代码和实际排错时间判断。

Instructor 的重试机制也需要预算。格式失败可以反馈校验问题；原文没有答案时，继续重试可能只会得到更像真的补全。应区分“资料缺失”“业务校验失败”和“网络请求失败”。