刚接触 JSON 结构化输出的人，问得最多的往往是下面这几个问题。

Q1：结构化输出到底是什么？

结构化输出是让 AI 按照固定的字段和格式返回结果，例如 JSON、表格或固定标题的清单。这样结果可以直接粘贴进表格、导入系统，或被程序自动处理。

Q2：为什么它有效？和自由文本回答有什么不同？

自由文本每次结构都不同，后续整理很费时；预先定义字段相当于给 AI 一张要填的表，结果更一致，也更容易检查遗漏。自由文本可读性好但格式不稳定；结构化输出牺牲一点流畅度，换来可以直接复制、导入和自动处理的稳定结果。

Q3：哪些场景最值得用？

最典型的是两类：一是需要把结果导入表格或数据库；二是写程序调用 AI 接口，需要稳定解析结果。以运维工程师为例，处理“把发布流水线的构建时间缩短约三分之一”这类工作时就很适合尝试。

Q4：具体怎么开始？

建议按这三步起步：

  1. 先确定你需要哪些字段，以及每个字段的类型和含义。
  2. 把字段定义写进提示词，最好直接给出一个空的 JSON 或表头。
  3. 说明缺失值怎么处理，例如找不到就填 null 或“未提及”

熟练之后再养成一个习惯：如果通过接口调用，优先使用平台提供的结构化输出或 JSON 模式等功能，并在程序里做格式校验。

Q5：有没有现成的模板？

有，下面这个可以直接复制，按需替换方括号内容：

你是数据抽取程序，必须严格遵守以下 JSON Schema：
{"type":"object","required":["items"],
 "properties":{"items":{"type":"array","items":{"type":"object",
   "required":["name","category","amount"],
   "properties":{"name":{"type":"string"},
     "category":{"type":"string","enum":["办公","差旅","餐饮","其他"]},
     "amount":{"type":"number"}}}}}}
规则：金额统一为数字（不带单位）；无法判断类别时用“其他”；输出前自检是否为合法 JSON。

Q6：表格和 JSON 怎么选？

给人看选表格，给程序处理选 JSON；两者都要时，可以先输出 JSON，再让 AI 转成表格。

Q7：AI 偶尔输出不合法的 JSON 怎么办？

在程序中加格式校验，失败时把错误信息连同原输出发回给 AI 修正，并保留人工兜底。

Q8：一次能处理多少条数据？

取决于工具的上下文长度和稳定性，建议每次几条到十几条，批量更大时用脚本分批调用。

举个例子

举个虚构的例子：一位 HR 收到 30 份简历，需要统计候选人的工作年限、技能和期望城市。逐份阅读要花一下午；定义好字段后让 AI 逐份输出 JSON，再合并成表格，HR 只需抽查几份核对，把时间用在面试判断上。

补充：最容易踩的坑和用好的诀窍

  • 要求 JSON 却允许附带解释。改进：写明“只输出 JSON”，程序解析时才不会因为多余文字报错。
  • 一次提取的字段过多。改进：字段太多时拆成两次，先提取核心字段，再补充次要字段。
  • 表格形式适合人看，JSON 适合程序处理，按用途选择。
  • 批量处理时保持字段顺序不变，方便后续合并。

延伸学习

结构化输出和少样本提示、调用大模型 API 关系密切。建议先把结构化输出在一个真实任务里用熟，再逐个尝试相关技能，而不是一次学很多。

相关阅读