大模型应用开发 / 系统课时
生成结构化数据
生成结构化数据
结构化输出的目标不是“看起来像 JSON”,而是让程序能够稳定解析、校验并继续处理。本课从字段契约出发,给出提示约束、可执行校验代码和失败恢复策略,建立可靠的数据消费链路。
学习目标
- 用明确字段、类型和必填规则定义输出契约
- 解析并校验模型返回的 JSON,而不是直接信任文本
- 处理多余字段、类型错误和非 JSON 内容
先定义字段契约
假设系统要从商品描述中提取名称、价格和库存状态,可以先定义如下 JSON Schema。additionalProperties 设为 false,用于拒绝模型自行添加的解释字段。
{
"type": "object",
"additionalProperties": false,
"required": ["name", "price", "inStock"],
"properties": {
"name": {
"type": "string"
},
"price": {
"type": "number",
"minimum": 0
},
"inStock": {
"type": "boolean"
}
}
}接入支持结构化输出的模型服务时,应把该契约放入服务提供的 Schema 或响应格式参数;若服务只支持普通文本,就把字段要求写进提示词,并在客户端执行同样严格的校验。
给模型明确的输出指令
提示词应同时说明任务、字段含义、缺失值策略和禁止内容。不要只写“返回 JSON”,因为模型仍可能添加 Markdown 围栏、解释文字或未约定字段。
任务:从用户提供的商品描述中提取结构化信息。
输出要求:
1. 只返回一个 JSON 对象,不要使用 Markdown 围栏。
2. 只能包含 name、price、inStock 三个字段。
3. price 使用数字,不能带货币符号。
4. 无法判断库存时返回 false,不要省略字段。
用户输入:
机械键盘,售价 399 元,当前有货。对应的合格结果应为 {"name":"机械键盘","price":399,"inStock":true}。字段顺序不重要,字段集合、数据类型和业务约束才是程序需要验证的内容。
在程序中解析和校验
下面的示例使用 Python 标准库完成严格校验。它拒绝数组、缺失字段、多余字段、负数价格和错误类型,适合作为模型调用后的第一道防线。
import json
from typing import Any
EXPECTED_FIELDS = {"name", "price", "inStock"}
def parse_product_json(raw: str) -> dict[str, Any]:
data = json.loads(raw)
if not isinstance(data, dict):
raise ValueError("顶层结果必须是 JSON 对象")
if set(data) != EXPECTED_FIELDS:
raise ValueError("字段必须且只能是 name、price、inStock")
if not isinstance(data["name"], str) or not data["name"].strip():
raise ValueError("name 必须是非空字符串")
# bool 是 int 的子类,因此必须先显式排除。
if isinstance(data["price"], bool) or not isinstance(data["price"], (int, float)):
raise ValueError("price 必须是数字")
if data["price"] < 0:
raise ValueError("price 不能为负数")
if not isinstance(data["inStock"], bool):
raise ValueError("inStock 必须是布尔值")
return data
def main() -> None:
raw_model_output = '{"name":"机械键盘","price":399.0,"inStock":true}'
product = parse_product_json(raw_model_output)
print(json.dumps(product, ensure_ascii=False, indent=2))
if __name__ == "__main__":
main()预期输出:
{
"name": "机械键盘",
"price": 399.0,
"inStock": true
}真实接入中,raw_model_output 应替换为模型响应中的文本字段。若服务已经返回原生对象,也仍要执行字段和业务规则校验,不能因为 JSON 解析成功就视为数据可信。
处理失败而不是勉强解析
json.loads 失败时,说明结果包含非法 JSON、额外说明或未闭合结构。不要用正则表达式从长文本中“捞”花括号,这可能把错误内容伪装成成功结果。
更稳妥的做法是记录原始响应和校验错误,然后进行一次受控重试:把原始字段契约与具体错误重新发送给模型,要求只修复格式,不改变事实。重试后仍不通过时,应返回明确错误或转入人工处理,避免无限循环。
还要区分语法正确与业务正确。price=-1 是合法 JSON,却违反价格约束;inStock="true" 看起来合理,却是字符串而非布尔值。结构化输出必须经过“解析、结构校验、业务校验”三层检查。
选择结构化输出的边界
当结果要写入数据库、调用接口、驱动工作流或参与自动决策时,应优先使用结构化输出。面向用户的解释、文章和开放式创作不必强行塞进 JSON,否则会降低可读性并增加字段设计成本。
字段应保持最小且稳定。新增字段前先确认下游是否真的需要,枚举值要提前约定,日期、金额和单位要统一格式。契约越清晰,模型越容易生成,程序也越容易发现异常。
本课总结
- 结构化输出必须先有字段、类型、必填项和业务规则
- 模型返回值需要经过解析、结构校验和业务校验
- 失败时应受控重试或显式报错,不要用宽松正则掩盖异常
下一课预告
下一课将继续控制输出质量,介绍如何通过提示词约束格式、语气和内容边界。