结构化输出是把“会说话的模型”变成“能接入系统的模块”的关键。本文总结2025年经验证的稳健方案，覆盖模式设计、提示工程、校验与自修复、函数调用与评估。
一、何时选择结构化输出？¶
- 场景：表单录入、票据/合同抽取、对账/报表、自动化工单、监控报警、RPA接入。
- 目标：可解析、可校验、可回放、可迭代优化。
二、JSON模式（Schema）与提示模板¶
Schema 示例：
{
"type": "object",
"properties": {
"title": {"type": "string"},
"amount": {"type": "number", "minimum": 0},
"date": {"type": "string", "pattern": "^\\d{4}-\\d{2}-\\d{2}$"},
"tags": {"type": "array", "items": {"type": "string"}}
},
"required": ["title", "amount", "date"],
"additionalProperties": false
}
提示模板要点：
仅输出JSON，禁止自然语言。
遵循如下Schema，字段必须完整且类型正确；若缺失信息，用null或空数组表示，不可编造。
Schema: {schema}
文本：{input}
三、校验与自修复¶
- 先解析：捕获JSON解析异常（括号/引号/转义）。
- 再校验：用JSON Schema校验类型与约束。
- 自修复策略：
1) 轻度修复（括号/逗号/转义）；
2) 带错误报告回送模型：提供错误位置与原因，请求“仅返回修正后的JSON”；
3) 限定重试次数并记录样本。
四、函数调用（Tool/Function Calling）¶
- 适用：需要模型下发“结构化指令”驱动外部工具时。
- 规范：
- 每个函数都有 name/description/parameters（JSON Schema）；
- 模型只给出函数名与参数JSON；
- 执行器负责真实调用与错误返回，避免模型“想象结果”。
函数定义示例：
{
"name": "create_invoice",
"description": "创建发票",
"parameters": {
"type": "object",
"properties": {
"customer": {"type": "string"},
"items": {"type": "array", "items": {"type": "string"}},
"amount": {"type": "number"},
"due_date": {"type": "string", "pattern": "^\\d{4}-\\d{2}-\\d{2}$"}
},
"required": ["customer", "items", "amount"]
}
}
五、抽取与评估（IE & Eval）¶
- 指标：字段准确率、召回率、严格F1；
- 过程：
1) 建立小规模金标集；
2) 运行自动评估（比较JSON字段）；
3) 人工抽检困难样本并迭代Schema与提示。
六、工程化建议¶
- 限流与幂等：为函数调用加请求ID；
- 审计：保留原文、模型输出、修复前后版本；
- 回放：以日志重放用于回归测试；
- 安全：PII脱敏、严格CORS与权限控制。
把自然语言变成结构化“接口”，你的自动化流水线就能无缝接入AI。更多实践指南尽在AI225导航。