结构化输出

区分 JSON 语法、schema 形状与业务语义，建立解析、校验、有限修复和失败返回的证据链。

学习目标

能解释“结构化输出”如何让模型输出通过机器校验后才进入程序控制流
能区分结构化输出、JSON Schema、语法校验、业务校验、修复预算，并指出它们在请求、状态或执行边界中的位置
能固定输入，沿以下证据定位首个分叉：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数
能注入“从回复中正则截取一段 JSON 后直接执行，忽略缺字段、额外字段和业务边界”，在同一预算和权限下完成故障、恢复与重放

来源、课程编排与适用边界

“结构化输出”以Anthropic 公开全文《Building effective agents》为总纲，并用Anthropic《Building effective agents》核对本单元机制；工具与外部能力的角色再由MCP 官方规范交叉检查。

这不是一本具有“官方九章目录”的纸质书。平台把公开文章中的 augmented LLM、工作流、智能体、上下文和工具工程重组为 9 个教学单元；下列 72 个节点是站内课程地图，不冒充 Anthropic 原文目录。正文、代码、图表和练习均为独立教学重写，产品或模型版本变化时应重新验证。

本单元的八个课程坐标

结构化输出：作为“让模型输出通过机器校验后才进入程序控制流”的第 1 个课程坐标，必须进入正文解释、交互观察或练习证据。
JSON 语法：作为“让模型输出通过机器校验后才进入程序控制流”的第 2 个课程坐标，必须进入正文解释、交互观察或练习证据。
JSON Schema：作为“让模型输出通过机器校验后才进入程序控制流”的第 3 个课程坐标，必须进入正文解释、交互观察或练习证据。
类型校验：作为“让模型输出通过机器校验后才进入程序控制流”的第 4 个课程坐标，必须进入正文解释、交互观察或练习证据。
业务语义：作为“让模型输出通过机器校验后才进入程序控制流”的第 5 个课程坐标，必须进入正文解释、交互观察或练习证据。
有限修复：作为“让模型输出通过机器校验后才进入程序控制流”的第 6 个课程坐标，必须进入正文解释、交互观察或练习证据。
失败返回：作为“让模型输出通过机器校验后才进入程序控制流”的第 7 个课程坐标，必须进入正文解释、交互观察或练习证据。
原始响应存证：作为“让模型输出通过机器校验后才进入程序控制流”的第 8 个课程坐标，必须进入正文解释、交互观察或练习证据。

术语与状态合同

、、、、。

本页不变量是：只有通过语法、schema 和业务三层校验的对象才能进入下游执行。任何“成功”结论都要保存以下证据：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数，不能把模型口头确认当作环境事实。

关键机制与可推翻实验

可解析不等于符合 schema

合法 JSON 仍可能缺字段、类型错误或包含未允许属性。解析器只解决语法，schema 校验才解决结构合同。

动手试：分别输入截断 JSON、缺字段 JSON 和多字段 JSON，保存每层错误。

schema 正确不等于业务正确

日期范围、金额上限、资源存在性和权限等约束无法只靠基本类型表达。业务验证必须在确定性代码中执行。

动手试：让模型返回格式正确但结束日期早于开始日期的对象，确认业务层拒绝。

修复必须有预算和原始证据

剥离代码围栏或再次请求可以修复常见错误，但无限修复会增加成本并掩盖模型回归。每次尝试都要保留原始响应和错误。

动手试：注入连续两次坏响应，验证达到重试上限后返回结构化失败。

下游只消费已验证对象

未通过全部校验的内容不得触发工具或数据库写入。把部分字段先执行再补校验会留下难以回滚的副作用。

动手试：在 schema 失败样本中监听工具注册表，确认调用次数为零。

先预测，再操作三类证据

分步1 / 3

1. 模型与结构边界

在“结构化输出”中先画出责任、数据或候选空间，再预测“让模型输出通过机器校验后才进入程序控制流”会在哪个节点改变结果。

可交互

第 1 / 5 步 · ① 模型回话可能不干净——把 JSON 包在 ```json 围栏里，或前后多说一句废话

解析容错重试五步：模型回话 → 剥壳 → 校验 →（不合规回灌再试 / 合规产出对象）。可暂停、单步、拖进度。

模型回话常不干净——先剥壳抠出 JSON，再按 schema 校验；不合规就把错误回灌进对话重试，到上限才放弃，合规才产出能被程序直接用的结构化对象。

最小可运行实现

def decode_response(raw, schema, max_repairs=1):
    attempts = []
    current = raw
    for index in range(max_repairs + 1):
        try:
            value = json.loads(strip_fence(current))
            validate_schema(value, schema)
            validate_business_rules(value)
            return {"ok": True, "value": value, "attempts": attempts}
        except ValidationError as error:
            attempts.append({"raw": current, "error": str(error)})
            if index == max_repairs:
                return {"ok": False, "attempts": attempts}
            current = request_repair(current, error)

这段实现只负责暴露“让模型输出通过机器校验后才进入程序控制流”的最小合同。交付版本还要补齐超时、日志、权限、密钥隔离和可重复评测；缺少以下证据时，代码能运行也不代表本章结论成立：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数。

练习与答案

练习

问题 1：系统边界。 怎样用最小输入证明“只有通过语法、schema 和业务三层校验的对象才能进入下游执行”？

问题 2：课程坐标。 结构化输出、JSON 语法、JSON Schema、类型校验、业务语义、有限修复、失败返回、原始响应存证如何进入可操作验证？

问题 3：故障恢复。 怎样证明“从回复中正则截取一段 JSON 后直接执行，忽略缺字段、额外字段和业务边界”已经修复？

本章回顾

“结构化输出”的主问题是让模型输出通过机器校验后才进入程序控制流。
核心不变量是只有通过语法、schema 和业务三层校验的对象才能进入下游执行。
首要反例是从回复中正则截取一段 JSON 后直接执行，忽略缺字段、额外字段和业务边界。
最小证据包包含schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数。

名词解释

本章出现的专业名词，用大白话再讲一遍。

结构化输出: 按明确机器合同生成而非只面向人阅读的结果。在“结构化输出”中必须能按以下证据重新定位：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数。
JSON Schema: 描述 JSON 对象字段、类型和约束的声明式规范。在“结构化输出”中必须能按以下证据重新定位：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数。
语法校验: 确认文本是否能被 JSON 解析器接受。在“结构化输出”中必须能按以下证据重新定位：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数。
业务校验: 验证跨字段、权限和真实资源等领域规则。在“结构化输出”中必须能按以下证据重新定位：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数。
修复预算: 允许重试或纠错的次数、token 与时间上限。在“结构化输出”中必须能按以下证据重新定位：schema 版本、原始响应、解析错误、字段错误、业务错误、修复次数、验证对象与下游调用数。

阅读导航

← 采样与解码 · 函数调用原理 →