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。