结构化输出提示

结构化输出的重要性

在日常使用 AI 的过程中，我们经常需要 AI 返回的结果能够被程序解析、处理或展示。结构化输出就是让 AI 按照预定义的格式返回内容，确保输出的一致性和可解析性。

结构化输出广泛应用于：

数据提取和信息抽取
程序化调用 AI 的结果处理
报告和文档的自动生成
API 响应格式的模拟

JSON Schema 指定格式

1. 基础 JSON 格式

最常用的结构化输出格式，适合机器处理。

请以 JSON 格式返回用户信息，包含以下字段：
- name: 用户名（字符串）
- email: 邮箱（字符串）
- age: 年龄（数字）
- interests: 兴趣标签（字符串数组）

返回示例格式即可。

2. 详细 Schema 定义

提供完整的 JSON Schema，让模型更精确地理解输出要求。

请返回产品信息，格式如下：

{
  "type": "object",
  "properties": {
    "productName": {
      "type": "string",
      "description": "产品名称"
    },
    "price": {
      "type": "number",
      "description": "价格，单位元"
    },
    "category": {
      "type": "string",
      "enum": ["电子产品", "服装", "食品", "图书"],
      "description": "产品分类"
    },
    "inStock": {
      "type": "boolean",
      "description": "是否有库存"
    },
    "tags": {
      "type": "array",
      "items": {"type": "string"},
      "description": "产品标签"
    }
  },
  "required": ["productName", "price", "category"]
}

请为一个智能手表生成符合上述格式的信息。

3. 嵌套结构

处理复杂的多层嵌套数据。

请以 JSON 格式返回公司组织架构：

{
  "company": "公司名称",
  "departments": [
    {
      "name": "部门名称",
      "head": "部门负责人",
      "employeeCount": 人数,
      "teams": [
        {
          "name": "团队名称",
          "lead": "团队负责人",
          "members": ["成员1", "成员2"]
        }
      ]
    }
  ]
}

4. 带注释的 Schema

用自然语言描述字段含义，帮助模型理解。

返回一篇分析报告，包含：

1. 基本信息
   - title: 报告标题
   - author: 作者
   - date: 日期 (格式：YYYY-MM-DD)

2. 核心发现（数组，每项包含）
   - 发现编号
   - 发现内容描述
   - 重要程度 (high/medium/low)

3. 建议措施（数组）
   - 具体建议
   - 预期效果
   - 实施难度 (easy/medium/hard)

请分析以下内容：[内容]

Markdown 表格格式

1. 基础表格

适合返回列表类、比较类信息。

请用 Markdown 表格对比以下三款手机：

| 特性 | 手机A | 手机B | 手机C |
|------|-------|-------|-------|
| 价格 | ? | ? | ? |
| 处理器 | ? | ? | ? |
| 内存 | ? | ? | ? |
| 存储 | ? | ? | ? |
| 电池 | ? | ? | ? |

2. 复杂表格

包含多级表头、合并单元格等复杂结构。

用 Markdown 表格展示 2024 年各季度营收数据：

| 区域 | Q1 | Q2 | Q3 | Q4 | 全年 |
|------|-----|-----|-----|-----|------|
| 华东 | 120 | 135 | 150 | 180 | 585 |
| 华南 | 100 | 110 | 125 | 140 | 475 |
| 华北 | 90 | 95 | 110 | 130 | 425 |
| 西部 | 60 | 70 | 85 | 95 | 310 |
| **合计** | **370** | **410** | **470** | **545** | **1795** |

3. 表格+说明

表格与文字结合，适合报告类输出。

分析这三款产品的市场表现：

## 产品对比表

| 产品 | 市场份额 | 增长率 | 用户满意度 | 竞品差距 |
|------|----------|--------|------------|----------|
| 产品A | 35% | 15% | 4.5/5 | 领先 |
| 产品B | 25% | 20% | 4.2/5 | 追赶 |
| 产品C | 20% | 8% | 3.8/5 | 落后 |

## 关键发现

1. 产品A市场份额最高，但增长率放缓
2. 产品B增长最快，有望超越
3. 产品C需要重新定位

## 建议

- 产品A：维持优势，注重用户体验
- 产品B：加大投入，扩大优势
- 产品C：考虑差异化或退出

4. 多表格组合

处理需要多维度展示的信息。

请分析一个软件项目的开发情况，返回以下表格：

表1：项目成员及职责
| 角色 | 姓名 | 主要职责 |
|------|------|----------|
| PM | ? | 项目管理 |
| 前端 | ? | UI开发 |
| 后端 | ? | 接口开发 |
| 测试 | ? | 质量保证 |

表2：各模块开发进度
| 模块 | 进度 | 状态 | 负责人 |
|------|------|------|--------|
| 登录 | 100% | 已完成 | ? |
| 首页 | 80% | 进行中 | ? |
| 详情页 | 60% | 进行中 | ? |
| 支付 | 30% | 待开发 | ? |

YAML 格式

1. 基础 YAML

适合配置文件、结构化描述，格式清晰易读。

请用 YAML 格式描述这个项目的配置：

项目名称: AI学习助手
版本: 1.0.0
作者: 开发团队
配置:
  语言: zh-CN
  时区: Asia/Shanghai
  日志级别: info
功能模块:
  - 名称: 用户管理
    状态: 已完成
  - 名称: 内容推荐
    状态: 进行中
  - 名称: 数据分析
    状态: 规划中

2. 复杂嵌套 YAML

适合多层级的配置或描述信息。

服务器配置:
  web:
    host: 0.0.0.0
    port: 8080
    workers: 4
    timeout: 30
  database:
    primary:
      host: db1.example.com
      port: 5432
      name: production_db
    replica:
      host: db2.example.com
      port: 5432
      name: production_db
  cache:
    type: redis
    host: cache.example.com
    port: 6379
    db: 0

部署:
  环境: production
  策略: rolling
  健康检查:
    路径: /health
    间隔秒: 10

3. YAML + 说明

YAML 格式配合解释性文字。

请用 YAML 描述这个招聘岗位的要求：

# 招聘岗位：高级后端工程师

岗位要求:
  学历: 本科及以上
  经验: 3-5年
  技能要求:
    - 精通Go或Java
    - 熟悉微服务架构
    - 了解Docker/K8s
    - 有大规模系统经验
  加分项:
    - 开源项目贡献
    - 技术博客
    - 英文流利

薪资范围:
  最低: 30K
  最高: 50K
  福利: 六险一金、弹性工作、年度旅游

请为这个岗位生成完整的描述。

结构化输出的最佳实践

1. 明确格式要求

在提示中清晰说明输出格式，越具体越好。

❌ 返回一些数据
✅ 返回 JSON 格式，包含 name、age、city 三个字段，都是字符串类型

2. 提供示例

用示例展示期望的输出格式，比纯文字描述更有效。

返回格式如下：
{"name": "张三", "age": 30}

现在请返回你的信息。

3. 处理格式错误

考虑 AI 可能输出格式错误，添加容错处理。

请返回 JSON 格式。如果无法完全符合格式，请返回最接近的有效 JSON。

4. 验证输出

程序化使用时，务必验证输出格式。

5. 组合多种格式

根据需要组合使用不同格式。

先用 JSON 返回结构化数据
再用 Markdown 表格进行对比分析
最后用纯文本总结要点

常见问题处理

1. JSON 格式错误

减少嵌套层级
使用更简单的数据结构
提供更详细的格式说明

2. 表格列对齐问题

明确列数和列名
使用代码块包裹表格
避免过长或过短的单元格内容

3. YAML 缩进错误

使用一致的缩进（建议2或4空格）
避免混用 tab 和空格
提供对照示例

结构化输出模板

提取任务

从以下文本中提取信息，返回 JSON 格式：

{
  "entity": "实体名称",
  "attributes": {
    "属性1": "值",
    "属性2": "值"
  },
  "relations": ["关联实体1", "关联实体2"]
}

文本：[待处理文本]

转换任务

将以下数据从 [格式A] 转换为 [格式B]：

[格式A 示例]

预期输出：
[格式B 示例]

实际数据：[待转换数据]

分类任务

对以下评论进行情感分类，返回 JSON：

{
  "sentiment": "positive/negative/neutral",
  "score": 0.0-1.0,
  "key_phrases": ["关键词1", "关键词2"],
  "reason": "分类理由"
}

评论：[评论内容]

总结

结构化输出是让 AI 结果真正可用的关键技巧：

选择合适格式：JSON 适合程序处理，Markdown 适合展示，YAML 适合配置
明确字段定义：越详细的格式说明，输出越准确
提供示例辅助：用实例展示期望格式比纯描述更有效
处理错误情况：考虑格式可能出错的情况
验证输出结果：程序化使用时必须验证格式正确性

掌握结构化输出技巧，能够大大提升 AI 在实际工作流中的应用价值。

加载中...