LLM 结构化输出 XML 解析器

LLM 结构化输出 XML 解析器：Claude-Mem 的具体实现

学习目标

本章聚焦 Claude-Mem 如何解析 LLM 生成的 XML 格式输出。建议先阅读前置知识，下文直接聚焦具体落地方案。

前置知识

本章涉及结构化输出策略的通用知识，建议先阅读：

• 结构化输出策略 — LLM 结构化输出的常见模式

项目实践

解析器入口

src/sdk/parser.ts 提供了完整的 XML 解析能力，入口函数为 parseAgentXml(raw)：

XML 字段提取

解析器使用正则提取每个 XML 标签的内容：

// 伪代码：单字段提取
function extractField(content, fieldName):
  regex = /<fieldName>([\s\S]*?)<\/fieldName>/
  match = regex.exec(content)
  return match ? match[1].trim() : null

// 伪代码：数组字段提取
function extractArrayElements(content, arrayName, elementName):
  // 先提取 <facts>...</facts> 块
  // 再用 <fact>...</fact> 正则提取每个元素
  // 过滤空字符串

概念去重

解析器在提取 concepts 数组后，自动移除与 type 相同的值：

const cleanedConcepts = concepts.filter(c => c !== finalType)

这是因为 type 字段已经是观察的分类，将其同时放入 concepts 会导致冗余标签。

模式感知的类型验证

ModeManager 维护当前活动模式的有效观察类型列表。解析器在提取到 type 字段后：

1. 检查 type 是否在有效列表中
2. 若有效 → 使用
3. 若无效 → 记录错误日志，回退到默认类型（有效列表的第一个）
4. 若缺失 → 记录错误日志，使用默认类型

这种设计使模式可以定义自己支持的观察类型集合，而无需修改解析器代码。

空观察过滤

解析器检测以下情况：

if (!title && !narrative && facts.length === 0 && cleanedConcepts.length === 0) {
  → 跳过该观察（所有字段为空，无实际内容）
}

这避免了 LLM 生成空观察时浪费存储空间。

问题与规避

LLM 输出格式不稳定

问题：不同 LLM、不同温度设置下，XML 输出格式可能不一致。

规避：

1. 代码围栏剥离：处理 xml ... 包裹
2. 宽松正则：[\s\S]*? 匹配任意字符（包括换行）
3. 字段缺失容忍：缺少非必需字段（如 subtitle）不会导致解析失败
4. 空内容过滤：跳过全空的观察块

嵌套 XML 冲突

问题：如果观察的 narrative 字段中包含 <observation> 字样，正则可能误匹配。

规避：使用非贪婪匹配 *? 和逐块提取模式，优先匹配最近的一对闭合标签。

设计取舍

正则解析 vs DOM 解析

Claude-Mem 使用正则而非 DOM 解析器（如 xml2js）：

维度	正则	DOM 解析器
依赖	无（内建）	需要第三方库
容错	高（部分匹配也有效）	低（格式错误会抛异常）
性能	快（纯字符串操作）	慢（需要构建 DOM 树）
维护	需要维护正则表达式	标准 API

Claude-Mem 选择正则是因为 LLM 生成的 XML 格式不完全可靠，正则比 DOM 解析器更容错。代码注释中标注了 TODO，计划迁移到 Anthropic tool-use API 的结构化输出，届时将不再需要 XML 解析。

参考来源

• Claude-Mem SDK Parser 源码