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。

json
{
  "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。

text
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。

python
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:

json
{
  "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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

生成结构化数据

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通