Structured output

Structured output 用于让模型返回可被程序直接解析的 JSON，而不是自由文本。它适合信息抽取、单据解析、分类结果返回、表单填充、配置生成、工具参数生成等场景。

使用 structured output 时，不要把模型输出直接当成可信业务数据。请在应用侧解析 JSON、校验 schema、检查关键字段，再写入数据库或触发后续动作。

选择输出方式

先根据业务结果需要的稳定程度选择请求方式。选择错了方式，即使模型返回 200，也可能得到无法稳定解析的内容。

使用 response_format.type = "json_schema"：当结果必须包含固定字段、必填项、枚举值、嵌套对象或数组时使用。典型任务包括单据解析、实体抽取、结构化表单生成。
使用 response_format.type = "json_object"：当只需要返回合法 JSON 对象，但字段结构可以由 prompt 约束时使用。典型任务包括轻量分类、状态返回、简单配置生成。
使用 Function Calling：当模型需要生成工具参数，或结构化结果会直接驱动函数、任务、查询、工作流时使用。工具参数也需要作为 JSON 解析和校验。
使用普通文本：当输出面向人阅读，且后续代码不需要稳定解析字段时使用。

如果某个流程既要调用工具，又要返回最终结构化结果，可以分两步处理：先使用 Function Calling 生成并执行工具参数，再使用 json_schema 让模型基于工具结果返回最终对象。

确认模型支持请求形态

不同模型对 json_schema、json_object 和 Function Calling 的支持程度不同。接入前，请用目标模型、目标 schema 和目标 prompt 在测试环境中验证一次。

以下表格列出本文示例请求的验证结果。

信息

该表格是一次能力快照，只覆盖本文测试过的部分模型，不包含全部 GenStudio LLM 模型。模型能力和服务行为可能随时间变化；接入前，请用目标模型、目标 schema 和目标 prompt 在测试环境中重新验证。表格中的 pass 或 fail 只表示本文示例请求当时的验证结果，不应替代您的业务 schema 验证。

模型	`json_schema`	`json_object`	工具参数	备注
`deepseek-r1`	pass	pass	pass	无
`deepseek-v3.2`	pass	pass	pass	无
`deepseek-v3.2-thinking`	pass	pass	pass	无
`deepseek-v4-flash`	pass	pass	pass	无
`deepseek-v4-pro`	pass	pass	fail	工具参数请求返回 HTTP 500。
`deepseek-ocr-2`	pass	fail	fail	无
`glm-4.5-air`	fail	pass	pass	无
`glm-4.6v`	fail	fail	pass	无
`glm-5.1`	pass	pass	pass	无
`gpt-oss-120b`	fail	pass	pass	无
`kimi-k2.6`	pass	pass	pass	无
`megrez-3b-instruct`	pass	pass	pass	无
`minimax-m2.7`	fail	fail	pass	无
`mimo-v2.5-pro`	fail	pass	pass	无
`qwen3-235b-a22b-instruct-2507`	fail	pass	pass	无
`qwen3-coder-480b-a35b-instruct`	fail	pass	pass	无
`qwen3-next-80b-a3b-thinking`	fail	fail	fail	未稳定通过本文示例验证。
`qwen3-vl-235b-a22b-thinking`	pass	pass	pass	无

信息

如果模型返回 HTTP 200，但 choices[0].message.content 为空、不是 JSON，或字段不符合 schema，仍应视为本次结构化输出失败。

编写可校验的 schema

优先使用简单、明确、可在应用侧验证的 JSON Schema。schema 越复杂，越应该在调用后做本地校验。

建议优先使用的结构：

type
properties
required
additionalProperties
enum
items
description
简单的 minimum、maximum、minLength、maxLength

需要谨慎使用的结构：

复杂 pattern
多层 anyOf、oneOf、allOf
深层嵌套对象
很长的枚举列表
依赖自然语言解释才能判断的字段约束

如果业务要求严格一致，请把 schema 作为应用代码的一部分维护，并在收到响应后再次校验。不要只依赖 prompt 描述字段。

以下示例使用发票解析任务。它要求模型从原始文本中提取供应商、发票号、日期、明细项、合计金额和币种。

language-json

{
  "type": "object",
  "additionalProperties": false,
  "properties": {
    "vendor_name": { "type": "string" },
    "vendor_address": {
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "street": { "type": "string" },
        "city": { "type": "string" },
        "postal_code": { "type": "string" },
        "country": { "type": "string" }
      },
      "required": ["street", "city", "postal_code", "country"]
    },
    "invoice_number": { "type": "string" },
    "invoice_date": { "type": "string" },
    "line_items": {
      "type": "array",
      "items": {
        "type": "object",
        "additionalProperties": false,
        "properties": {
          "description": { "type": "string" },
          "quantity": { "type": "integer" },
          "unit_price": { "type": "number" }
        },
        "required": ["description", "quantity", "unit_price"]
      }
    },
    "total_amount": { "type": "number" },
    "currency": { "type": "string", "enum": ["USD", "EUR", "GBP", "CNY"] }
  },
  "required": [
    "vendor_name",
    "vendor_address",
    "invoice_number",
    "invoice_date",
    "line_items",
    "total_amount",
    "currency"
  ]
}

选择 SDK 接入方式

生产接入通常会使用 SDK。GenStudio 提供 OpenAI 兼容 Chat Completions 接口，因此可以使用 OpenAI 兼容客户端发送 response_format、tools 和 tool_choice。

建议按以下方式选择 SDK 用法：

日常接入优先使用 SDK 的 chat.completions.create(...)，并显式传入 response_format 或 tools。这种方式最接近原始 HTTP 请求，也最容易排查。
可以使用 Pydantic、Zod 等库维护 schema，但发送前应确认最终 schema 符合目标模型支持的请求结构。
可以使用 SDK 提供的结构化输出辅助方法，例如自动从 Pydantic 或 Zod 生成 schema、自动解析响应等。使用前请确认该 SDK 版本最终发送的请求体仍是 GenStudio 支持的 response_format 或 tools 结构。
不要把 SDK 辅助方法的行为当成平台能力保证。平台侧可验证的是发送到 /chat/completions 的请求体，以及模型返回的响应结构。
保留一份等价 curl 请求。遇到 SDK 报错、字段缺失或解析失败时，用等价请求确认问题来自模型/API 行为，还是 SDK 参数转换。

无论使用哪种 SDK，用于业务判断的最终数据都应经过应用侧 JSON 解析和 schema 校验。

使用 curl 请求 JSON Schema 输出

先用 curl 固定一份等价请求。这样可以确认模型和接口是否接受当前请求体；后续使用 SDK 时，也能用它对照 SDK 最终发送的参数。

以下 curl 命令适用于 bash/zsh 等 POSIX 风格 Shell。请先设置 GENSTUDIO_API_KEY 环境变量。

language-shell

curl --request POST \
  --url "https://cloud.infini-ai.com/maas/v1/chat/completions" \
  --header "Authorization: Bearer $GENSTUDIO_API_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "kimi-k2.6",
    "messages": [
      {
        "role": "system",
        "content": "Extract invoice data. Return only JSON data that matches the requested schema."
      },
      {
        "role": "user",
        "content": "Vendor: Acme Corp, 123 Main St, Springfield, IL 62704\nInvoice Number: INV-2025-001\nDate: 2025-02-10\nItems:\n- Widget A, 5 units, $10.00 each\n- Widget B, 2 units, $15.00 each\nTotal: $80.00 USD"
      }
    ],
    "temperature": 0,
    "max_tokens": 2048,
    "response_format": {
      "type": "json_schema",
      "json_schema": {
        "name": "invoice",
        "strict": true,
        "schema": {
          "type": "object",
          "additionalProperties": false,
          "properties": {
            "vendor_name": { "type": "string" },
            "vendor_address": {
              "type": "object",
              "additionalProperties": false,
              "properties": {
                "street": { "type": "string" },
                "city": { "type": "string" },
                "postal_code": { "type": "string" },
                "country": { "type": "string" }
              },
              "required": ["street", "city", "postal_code", "country"]
            },
            "invoice_number": { "type": "string" },
            "invoice_date": { "type": "string" },
            "line_items": {
              "type": "array",
              "items": {
                "type": "object",
                "additionalProperties": false,
                "properties": {
                  "description": { "type": "string" },
                  "quantity": { "type": "integer" },
                  "unit_price": { "type": "number" }
                },
                "required": ["description", "quantity", "unit_price"]
              }
            },
            "total_amount": { "type": "number" },
            "currency": { "type": "string", "enum": ["USD", "EUR", "GBP", "CNY"] }
          },
          "required": [
            "vendor_name",
            "vendor_address",
            "invoice_number",
            "invoice_date",
            "line_items",
            "total_amount",
            "currency"
          ]
        }
      }
    }
  }'

预期返回中，choices[0].message.content 是一个 JSON 字符串。解析后应类似：

language-json

{
  "vendor_name": "Acme Corp",
  "vendor_address": {
    "street": "123 Main St",
    "city": "Springfield",
    "postal_code": "62704",
    "country": "US"
  },
  "invoice_number": "INV-2025-001",
  "invoice_date": "2025-02-10",
  "line_items": [
    {
      "description": "Widget A",
      "quantity": 5,
      "unit_price": 10
    },
    {
      "description": "Widget B",
      "quantity": 2,
      "unit_price": 15
    }
  ],
  "total_amount": 80,
  "currency": "USD"
}

警告

部分后端在使用 response_format 时要求消息内容明确包含 JSON 字样。建议在 system prompt 中写明 Return only JSON data...，避免请求被拒绝或输出解释性文本。

使用 Python SDK 显式传入 response_format

Python 示例使用 OpenAI 客户端发送请求，并显式传入 response_format。这种写法不会依赖 SDK 的自动解析能力，便于对照 curl 请求排查问题。

language-python

import json
import os
from enum import Enum
from typing import List

from openai import OpenAI
from pydantic import BaseModel, Field, ValidationError


class Currency(str, Enum):
    USD = "USD"
    EUR = "EUR"
    GBP = "GBP"
    CNY = "CNY"


class Address(BaseModel):
    street: str
    city: str
    postal_code: str
    country: str


class LineItem(BaseModel):
    description: str
    quantity: int = Field(ge=1)
    unit_price: float = Field(ge=0)


class Invoice(BaseModel):
    vendor_name: str
    vendor_address: Address
    invoice_number: str
    invoice_date: str
    line_items: List[LineItem]
    total_amount: float = Field(ge=0)
    currency: Currency


invoice_schema = Invoice.model_json_schema()
invoice_schema["additionalProperties"] = False

client = OpenAI(
    api_key=os.environ["GENSTUDIO_API_KEY"],
    base_url=os.environ.get("GENSTUDIO_BASE_URL", "https://cloud.infini-ai.com/maas/v1"),
)

completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {
            "role": "system",
            "content": "Extract invoice data. Return only JSON data that matches the requested schema.",
        },
        {
            "role": "user",
            "content": (
                "Vendor: Acme Corp, 123 Main St, Springfield, IL 62704\n"
                "Invoice Number: INV-2025-001\n"
                "Date: 2025-02-10\n"
                "Items:\n"
                "- Widget A, 5 units, $10.00 each\n"
                "- Widget B, 2 units, $15.00 each\n"
                "Total: $80.00 USD"
            ),
        },
    ],
    temperature=0,
    max_tokens=2048,
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "invoice",
            "strict": True,
            "schema": invoice_schema,
        },
    },
)

content = completion.choices[0].message.content

try:
    invoice = Invoice.model_validate_json(content)
except (TypeError, ValidationError, json.JSONDecodeError) as exc:
    raise RuntimeError(f"Structured output validation failed: {exc}") from exc

print(invoice.invoice_number)
print(invoice.total_amount)

如果 Pydantic 生成的 schema 中包含业务暂不需要的复杂关键字，请在发送前简化 schema。生产代码中也可以使用固定 JSON Schema 文件，避免客户端库升级改变请求结构。

如果希望使用 SDK 的自动解析辅助方法，请先在测试环境中确认它最终发送的请求体。只要最终请求仍是 GenStudio 支持的 response_format.type = "json_schema"，并且返回内容通过应用侧校验，就可以在业务代码中使用该辅助方法。

使用 JavaScript SDK 显式传入 response_format

JavaScript 示例使用 OpenAI 客户端发送请求，并显式传入 response_format。API Key 只应在服务端环境中读取，不要写入浏览器代码。

language-javascript

import OpenAI from "openai";
import { z } from "zod";
import { zodToJsonSchema } from "zod-to-json-schema";

const InvoiceSchema = z.object({
  vendor_name: z.string(),
  vendor_address: z.object({
    street: z.string(),
    city: z.string(),
    postal_code: z.string(),
    country: z.string(),
  }),
  invoice_number: z.string(),
  invoice_date: z.string(),
  line_items: z.array(
    z.object({
      description: z.string(),
      quantity: z.number().int().min(1),
      unit_price: z.number().min(0),
    })
  ),
  total_amount: z.number().min(0),
  currency: z.enum(["USD", "EUR", "GBP", "CNY"]),
});

const client = new OpenAI({
  apiKey: process.env.GENSTUDIO_API_KEY,
  baseURL: process.env.GENSTUDIO_BASE_URL || "https://cloud.infini-ai.com/maas/v1",
});

const completion = await client.chat.completions.create({
  model: "kimi-k2.6",
  messages: [
    {
      role: "system",
      content: "Extract invoice data. Return only JSON data that matches the requested schema.",
    },
    {
      role: "user",
      content: [
        "Vendor: Acme Corp, 123 Main St, Springfield, IL 62704",
        "Invoice Number: INV-2025-001",
        "Date: 2025-02-10",
        "Items:",
        "- Widget A, 5 units, $10.00 each",
        "- Widget B, 2 units, $15.00 each",
        "Total: $80.00 USD",
      ].join("\n"),
    },
  ],
  temperature: 0,
  max_tokens: 2048,
  response_format: {
    type: "json_schema",
    json_schema: {
      name: "invoice",
      strict: true,
      schema: zodToJsonSchema(InvoiceSchema, "invoice"),
    },
  },
});

const content = completion.choices[0]?.message?.content;
if (!content) {
  throw new Error("Structured output content is empty.");
}

const parsed = InvoiceSchema.safeParse(JSON.parse(content));
if (!parsed.success) {
  throw new Error(`Structured output validation failed: ${parsed.error.message}`);
}

console.log(parsed.data.invoice_number);
console.log(parsed.data.total_amount);

如果使用 zodResponseFormat、zodToJsonSchema 或其他 schema 转换辅助方法，请把转换后的 JSON Schema 记录到测试日志或单元测试快照中。SDK 升级后，先确认 schema 形状没有意外变化，再发布到生产环境。

使用 JSON object 返回宽松对象

如果只需要合法 JSON 对象，不需要服务端按完整 schema 限制字段，可以使用 json_object。这种方式适合轻量状态、简单分类、开关配置等任务。

language-shell

curl --request POST \
  --url "https://cloud.infini-ai.com/maas/v1/chat/completions" \
  --header "Authorization: Bearer $GENSTUDIO_API_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "kimi-k2.6",
    "messages": [
      {
        "role": "system",
        "content": "Return a valid JSON object. Do not include Markdown fences."
      },
      {
        "role": "user",
        "content": "Return a JSON object with keys status, model_task, and score. Use status=ok, model_task=structured_output_probe, score=1."
      }
    ],
    "temperature": 0,
    "max_tokens": 512,
    "response_format": {
      "type": "json_object"
    }
  }'

预期解析结果：

language-json

{
  "status": "ok",
  "model_task": "structured_output_probe",
  "score": 1
}

json_object 只约束输出是 JSON 对象，不等于字段一定完整或类型一定正确。请继续用应用侧 schema 检查字段。

使用 Function Calling 生成工具参数

当模型输出会触发外部函数、数据库查询、工作流或任务队列时，优先把目标动作定义为工具。工具参数 schema 可以限制模型生成的参数结构。

以下示例要求模型调用 create_order，并返回订单参数。

language-shell

curl --request POST \
  --url "https://cloud.infini-ai.com/maas/v1/chat/completions" \
  --header "Authorization: Bearer $GENSTUDIO_API_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "deepseek-v4-flash",
    "messages": [
      {
        "role": "user",
        "content": "Create an order for Alice buying 3 notebooks for 12.50 CNY on 2026-05-14. Use the tool."
      }
    ],
    "temperature": 0,
    "max_tokens": 2048,
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "create_order",
          "description": "Create an order record.",
          "strict": true,
          "parameters": {
            "type": "object",
            "additionalProperties": false,
            "properties": {
              "order_id": { "type": "string" },
              "buyer": { "type": "string" },
              "item": { "type": "string" },
              "quantity": { "type": "integer" },
              "total": { "type": "number" },
              "currency": { "type": "string", "enum": ["CNY", "USD"] },
              "order_date": { "type": "string" }
            },
            "required": ["buyer", "item", "quantity", "total", "currency", "order_date"]
          }
        }
      }
    ],
    "tool_choice": {
      "type": "function",
      "function": {
        "name": "create_order"
      }
    }
  }'

预期返回中，工具参数位于 choices[0].message.tool_calls[0].function.arguments。该字段通常是 JSON 字符串，解析后应类似：

language-json

{
  "order_id": "SO-20260514-001",
  "buyer": "Alice",
  "item": "notebooks",
  "quantity": 3,
  "total": 12.5,
  "currency": "CNY",
  "order_date": "2026-05-14"
}

不要直接执行工具调用。请先解析 arguments，校验参数 schema，再检查金额、数量、用户权限和幂等键。

执行工具后返回最终结构化结果

如果业务流程需要先调用工具，再把工具结果整理成最终 JSON，请拆成两个请求，降低单次响应的不确定性。

第一次请求使用 Function Calling，让模型生成工具参数。
应用校验参数并执行工具。
第二次请求把工具结果作为上下文传给模型，并使用 response_format.type = "json_schema" 约束最终返回对象。

第二次请求示例：

language-json

{
  "model": "kimi-k2.6",
  "messages": [
    {
      "role": "system",
      "content": "Return only JSON data that matches the requested schema."
    },
    {
      "role": "user",
      "content": "The order creation tool returned success=true, order_id=SO-20260514-001, buyer=Alice, total=12.50, currency=CNY. Return the final order summary."
    }
  ],
  "temperature": 0,
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "order_summary",
      "strict": true,
      "schema": {
        "type": "object",
        "additionalProperties": false,
        "properties": {
          "success": { "type": "boolean" },
          "order_id": { "type": "string" },
          "buyer": { "type": "string" },
          "total": { "type": "number" },
          "currency": { "type": "string", "enum": ["CNY", "USD"] }
        },
        "required": ["success", "order_id", "buyer", "total", "currency"]
      }
    }
  }
}

这种拆分方式更容易定位失败原因：第一步失败通常是工具参数问题，第二步失败通常是最终结果 schema 或 prompt 问题。

解析流式结构化输出

如果使用流式响应，请先累积完整 content，再解析 JSON。不要在半截 chunk 上做最终校验。

Python 解析示例：

language-python

content_parts = []

stream = client.chat.completions.create(
    model="kimi-k2.6",
    messages=messages,
    temperature=0,
    response_format=response_format,
    stream=True,
)

for chunk in stream:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta
    if getattr(delta, "content", None):
        content_parts.append(delta.content)

content = "".join(content_parts)
invoice = Invoice.model_validate_json(content)

JavaScript 解析示例：

language-javascript

let content = "";

const stream = await client.chat.completions.create({
  model: "kimi-k2.6",
  messages,
  temperature: 0,
  response_format,
  stream: true,
});

for await (const chunk of stream) {
  const delta = chunk.choices?.[0]?.delta;
  if (delta?.content) {
    content += delta.content;
  }
}

const invoice = InvoiceSchema.parse(JSON.parse(content));

流式输出的中间片段可能不是合法 JSON。只有完整响应结束后，才适合做最终 JSON 解析和 schema 校验。

固定失败处理路径

结构化输出失败时，请让应用进入明确的失败路径。不要让失败内容继续流入后续业务动作。

建议按以下顺序处理：

检查 HTTP 状态码。非 2xx 响应先按请求错误或服务错误处理。
检查 choices[0].message.content 或 tool_calls[0].function.arguments 是否存在。
尝试解析 JSON。解析失败时记录原始响应摘要，不要执行后续动作。
使用应用侧 schema 校验字段、类型、枚举和必填项。
校验金额、数量、日期、用户权限、幂等键等业务规则。
记录响应头中的 traceresponse、响应体中的 id、模型 ID、schema 版本和校验错误。
根据业务风险选择重试、降级、人工复核或直接失败。

如果重试，请使用相同输入、相同 schema 和较低随机性参数。不要用无限重试掩盖模型或 schema 不兼容。

排查请求被拒绝或返回异常

遇到失败时，先判断是请求被拒绝，还是模型返回内容未通过应用校验。

让 prompt 明确要求 JSON

部分后端在使用 response_format 时会检查消息中是否出现 json。如果错误提示类似 messages must contain the word json，请在 system prompt 中明确写入：

language-text

Return only JSON data that matches the requested schema.

调整 token 上限

如果 content 为空或不完整，检查 max_tokens 是否过低。结构化输出需要足够 token 返回完整 JSON。复杂 schema、推理模型和嵌套数组尤其容易受影响。

降低 schema 复杂度

如果返回 JSON 能解析但不满足 schema，先用更小的 schema 验证模型能力，再逐步增加嵌套对象、数组、枚举和业务字段。

更换请求形态

如果 json_schema 不稳定，但 json_object 通过，可以先用 json_object 获取 JSON，再把严格校验放在应用侧。如果结果会触发外部动作，请优先测试 Function Calling。

识别工具调用限制

如果工具参数请求返回 400 或 500，先去掉强制 tool_choice 进行验证，或更换同系列模型测试。本文验证中，deepseek-v4-pro 能通过 json_schema 和 json_object，但工具参数请求返回 HTTP 500；deepseek-v4-flash 三种请求形态均通过。

记录可复现信息

每次结构化输出失败，都应记录足够信息，方便复现和排查。

建议记录：

模型 ID。
请求路径。
response_format 或工具 schema 的版本。
HTTP 状态码。
响应头中的 traceresponse。
响应体中的 id 或 request_id。
JSON 解析错误或 schema 校验错误。
是否开启流式响应。
max_tokens、temperature 等关键参数。

关于如何获取 traceresponse 和响应体 id，参见请求标识。

接入前完成验证

把 structured output 接入生产流程前，请至少完成以下验证：

使用目标模型和目标 schema 跑通非流式请求。
用真实业务样本覆盖正常、缺字段、歧义文本、超长文本和非法输入。
确认应用侧 JSON 解析和 schema 校验会拦截坏响应。
确认校验失败不会触发数据库写入、外部工具执行或用户可见的错误动作。
记录请求标识，确保线上问题能回溯到具体请求。
如果使用流式响应，确认完整内容拼接后再解析 JSON。
如果使用 Function Calling，确认工具参数校验通过后才执行工具。

完成这些检查后，再把结构化输出接入需要稳定字段的业务流程。

租户管理

凭证管理

费用管理

开始使用

模型与能力

开发工具与集成

计费、限制与用量

排查与支持

更新与参考

Coding Plan

简介

工作流管理

API 文档

监控与计费

简介

版本与发布

计费

Structured output

选择输出方式

确认模型支持请求形态

编写可校验的 schema

选择 SDK 接入方式

使用 curl 请求 JSON Schema 输出

使用 Python SDK 显式传入 response_format

使用 JavaScript SDK 显式传入 response_format

使用 JSON object 返回宽松对象

使用 Function Calling 生成工具参数

执行工具后返回最终结构化结果

解析流式结构化输出

固定失败处理路径

排查请求被拒绝或返回异常

让 prompt 明确要求 JSON

调整 token 上限

降低 schema 复杂度

更换请求形态

识别工具调用限制

记录可复现信息

接入前完成验证

Structured output ​

选择输出方式 ​

确认模型支持请求形态 ​

编写可校验的 schema ​

选择 SDK 接入方式 ​

使用 curl 请求 JSON Schema 输出 ​

使用 Python SDK 显式传入 response_format ​

使用 JavaScript SDK 显式传入 response_format ​

使用 JSON object 返回宽松对象 ​

使用 Function Calling 生成工具参数 ​

执行工具后返回最终结构化结果 ​

解析流式结构化输出 ​

固定失败处理路径 ​

排查请求被拒绝或返回异常 ​

让 prompt 明确要求 JSON ​

调整 token 上限 ​

降低 schema 复杂度 ​

更换请求形态 ​

识别工具调用限制 ​

记录可复现信息 ​

接入前完成验证 ​

Structured output

选择输出方式

确认模型支持请求形态

编写可校验的 schema

选择 SDK 接入方式

使用 curl 请求 JSON Schema 输出

使用 Python SDK 显式传入 response_format

使用 JavaScript SDK 显式传入 response_format

使用 JSON object 返回宽松对象

使用 Function Calling 生成工具参数

执行工具后返回最终结构化结果

解析流式结构化输出

固定失败处理路径

排查请求被拒绝或返回异常

让 prompt 明确要求 JSON

调整 token 上限

降低 schema 复杂度

更换请求形态

识别工具调用限制

记录可复现信息

接入前完成验证