AI 结构化输出怎么做？让模型稳定返回 JSON 的指南

让 AI 写一段文案可以接受自由发挥；让它驱动数据库、表单或自动化流程时，“差不多像 JSON”远远不够。字段缺失、类型错误、多写一句解释，都可能让后续程序失败。

结构化输出的目标是把模型的自然语言能力装进明确的数据契约：它必须返回哪些字段、字段是什么类型、可取哪些值。

从“请返回 JSON”到 Schema

只在提示词里说“返回 JSON”很脆弱。更可靠的方式是定义 Schema，例如：

{
  "priority": "high | medium | low",
  "summary": "string",
  "needs_human_review": "boolean"
}

支持结构化输出的 API 可以根据 Schema 约束响应；即使接口不支持，也应在代码侧验证解析结果，而非直接相信模型。

一个稳健的处理流程

1. 给模型清楚的字段定义和示例。
2. 解析后用 Schema 校验必填项、类型和枚举值。
3. 校验失败时，将具体错误反馈给模型进行有限次数修复。
4. 仍失败则进入人工队列或安全降级，不要猜字段含义。

关键动作还要有业务规则：模型说 priority: high 不代表它就能自动退款或发邮件。结构化输出解决格式问题，不替代权限与审批。

和 Function Calling 的关系

Function Calling让模型选择工具并填写参数；结构化输出让它按指定结构返回数据。两者本质上都在把自然语言转换成程序可验证的数据，只是一个偏“调用动作”，一个偏“返回结果”。

常见误区

• 只用正则从自然语言里硬抠 JSON
• 允许字段随意增删，后端却假定格式永远不变
• 把模型生成的字符串直接拼进 SQL 或命令
• 忽略空值、未知类别和版本升级后的兼容性

总结

结构化输出是让 AI 从聊天框走进业务系统的基础。用 Schema 定义契约、在程序侧验证、对失败有限重试、对高风险动作加规则和人工确认，才能让模型输出既灵活又可靠。