BAML 使用介绍：功能、价格与上手指南
BAML 是一门面向 LLM 结构化输出的领域特定语言，通过强类型 Schema 和自动重试机制，让开发者以声明式方式获取可靠的 JSON 结果。本文系统介绍 BAML 的核心功能、价格方案与完整上手指南，并给出实践建议与结论。
在大模型应用开发中，如何让 LLM 稳定输出结构化数据，一直是工程落地的核心痛点。BAML（Boundary AI Markup Language）正是为解决这一问题而生的领域特定语言。本文将从功能、价格与上手三个维度，带你快速了解并使用 BAML。
一、BAML 是什么
BAML 是一门用于定义 LLM 输入输出结构的 DSL。开发者用类 TypeScript 的语法声明函数与类型，BAML 编译器会自动生成类型安全的客户端代码，并负责 Prompt 渲染、结果解析与失败重试。
它的核心价值在于：把「不确定的模型输出」转化为「可预测的类型化数据」。
二、BAML 核心功能
1. 强类型 Schema 定义
通过 class 和 enum 声明数据结构，BAML 会自动生成对应语言的类型定义，编译期即可发现字段错误。
class Resume {
name string
skills string[]
years int
}
function ExtractResume(text: string) -> Resume {
client GPT4
prompt #"
从以下文本提取简历信息：{{ text }}
"#
}2. 自动重试与修复
当模型返回不符合 Schema 的内容时，BAML 会自动附加错误信息重新请求，显著提升解析成功率。
3. 多模型统一接口
同一份 BAML 定义可切换 OpenAI、Anthropic、Gemini、Ollama 等客户端，无需改写业务逻辑。
4. 流式与并行调用
支持流式返回部分结构化结果，并可将多个函数组合并行执行，降低延迟。
5. 可观测与测试
BAML 提供本地 Playground，可实时调试 Prompt、查看 Token 消耗与调用链路，并支持单元测试。
三、BAML 价格
BAML 本身是开源免费的（Apache 2.0 许可），使用它不产生额外费用。真正的成本来自底层调用的模型 API：
| 项目 | 费用说明 |
|---|---|
| BAML 框架 | 免费开源 |
| 模型调用 | 按各厂商 API 计费 |
| 云托管版（Boundary） | 提供团队协作与托管服务，需联系官方报价 |
对个人开发者和小团队而言，只需承担模型 Token 费用即可。
四、BAML 上手指南
步骤 1：安装
npm install -g @boundaryml/baml
# 或使用 Python
pip install baml-py步骤 2：初始化项目
baml init该命令会生成 baml_src/ 目录与基础配置文件。
步骤 3：配置模型客户端
在 clients.baml 中填入 API Key 对应的客户端，也可通过环境变量注入。
步骤 4：编写 BAML 函数
在 baml_src/ 下新建 .baml 文件，定义类型与函数，如第二部分的示例。
步骤 5：生成客户端代码
baml generate生成 Python/TypeScript 等语言的类型安全 SDK。
步骤 6：在业务代码中调用
from baml_client import b
resume = b.ExtractResume(text="张三，5 年 Python 经验……")
print(resume.skills)步骤 7：使用 Playground 调试
baml dev浏览器打开本地地址即可实时测试 Prompt 效果。
五、实践建议
- 字段命名清晰：Schema 字段名会进入 Prompt，命名越语义化，模型理解越准确。
- 善用 enum：对分类任务使用枚举，可有效约束输出空间。
- 设置合理重试次数：默认重试可应对偶发格式错误，但过多重试会增加成本。
- 结合测试用例：为关键函数编写测试，防止 Prompt 修改引入回归。
六、结论
BAML 通过 DSL + 代码生成的方式，把 LLM 结构化输出从「手工解析 JSON」升级为「类型安全的函数调用」。它开源免费、上手成本低，配合自动重试与多模型支持，非常适合需要稳定结构化输出的 AI 应用。如果你正在构建抽取、分类、Agent 等场景，BAML 值得纳入技术选型。