JSON 结构化输出和自由文本回答经常被放在一起比较。弄清区别后，你能更快判断该用哪一种。

核心区别

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。

从原理看，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。设计字段时要从“下一步怎么用”倒推。如果结果要做数据透视，字段值就要标准化；如果要人工复核，就需要保留原文依据；如果要导入系统，字段名最好与系统字段一致。先想清楚用途，结构化输出才真正省事。

什么时候选结构化输出

  • 从大量文本里提取信息，比如简历、合同、反馈里的关键字段。
  • 需要把结果导入表格或数据库。
  • 多人协作需要统一格式的输出。
  • 写程序调用 AI 接口，需要稳定解析结果。

一个虚构的对比：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。

什么时候自由文本回答就够了

任务简单、一次性、对格式没有严格要求时，自由文本回答往往更省事。另外要注意，一次提取的字段过多。更好的做法是：字段太多时拆成两次，先提取核心字段，再补充次要字段。

如果选择结构化输出，这样开始

  1. 说明缺失值怎么处理，例如找不到就填 null 或“未提及”
  2. 要求“只输出 JSON，不要任何解释”
  3. 用几条真实样本测试，检查字段是否齐全、格式是否合法。
  4. 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。

示范提示词

以老师的场景为例：

请从下面的教案片段中提取信息，只输出 JSON，不要解释。
字段要求：
{
  "主题": "字符串，不超过 20 字",
  "负责人": "字符串，原文未提及填 null",
  "截止日期": "YYYY-MM-DD 格式，未提及填 null",
  "风险点": ["字符串数组，最多 3 条"],
  "需要教研组长决策的事项": ["字符串数组"]
}
原文：
[粘贴内容]

使用时请注意：学生个人信息不要输入 AI，涉及成绩和评价的内容要保护隐私。

一个常被问到的问题

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。

结论

一句话：对质量要求高、愿意多花一点准备时间时选结构化输出，临时的简单问题用自由文本回答即可。两者也可以先后使用：先用自由文本回答快速试探，再用结构化输出打磨。

常见误解

有人认为结构化输出一定比自由文本回答高级，其实不然。工具没有高低，只有合不合适。真正需要警惕的是两种极端：凡事都套复杂方法，或者明明效果不稳定还坚持最简单的问法。

相关阅读