响应Schema是什么？教你用文档约束AI输出格式

响应 Schema 是一套让大语言模型“言出必行”的结构化输出控制技术，它通过 JSON Schema 定义、函数调用强制、XML 标签引导、固定模板填充以及后端校验重试五大实操方法，确保 AI 每次返回的都是精准、可解析、零冗余的标准化结果——无论你需要的是带字段名的 JSON 对象、严格对齐的键值对，还是嵌套清晰的数据列表，这套机制都能帮你把不可控的自由生成，变成稳定可靠的工程化输出。

当您希望大语言模型严格按照预定义结构返回结果，例如 JSON 对象、带字段名的列表或特定键值对集合时，响应 Schema 就是用于描述该结构的正式约定。以下是实现这一目标的具体方法：

一、使用 JSON Schema 定义输出结构

JSON Schema 是一种标准化的描述性语言，可用于声明性地指定 JSON 数据必须满足的类型、字段、必选性、格式及嵌套规则。模型在推理过程中可依据该 Schema 进行结构化生成。

1、在提示词中明确插入一段以 ```jsonschema 包裹的 Schema 定义，包含 type、properties、required 等关键字段。

2、在 Schema 后添加指令，如 “请严格按上述 JSON Schema 输出，不添加任何额外说明或文本”。

3、确保所用模型支持 JSON Schema 解析能力，例如 OpenAI 的 gpt-4-turbo-2024-04-09 或 Claude 3.5 Sonnet 在启用 tool_choice 或 json_mode 时可强制校验输出。

二、借助函数调用（Function Calling）机制

部分大模型 API 提供原生函数调用接口，允许开发者注册结构化函数签名，模型将直接输出符合该签名的参数字典，绕过自由文本生成环节。

1、构造一个 Python 风格的函数定义，包括函数名、描述、参数名、类型和是否必需，传入 API 的 functions 参数。

2、设置请求参数 function_call={"name": "指定函数名"}，强制模型仅输出该函数的参数对象。

3、解析返回结果中的 message.function_call.arguments 字段，其内容为合法 JSON 字符串，可直接反序列化为字典。

三、采用 XML 标签包裹式约束

通过在提示中引入自定义 XML 标签（如 、、），引导模型将信息填入对应标签内，再通过正则或 DOM 解析提取结构化数据。

1、在系统提示中声明： “所有输出必须严格使用以下 XML 标签包裹字段：张三95，不得省略任何标签，不得添加解释性文字”。

2、在用户输入末尾追加空标签占位，例如 “请填写：”。

3、接收响应后，使用 xml.etree.ElementTree 或正则表达式 r"(.*?)" 提取各字段值。

四、利用结构化提示模板（Prompt Templating）

预先设计固定格式的提示模板，在其中预留变量位置，并要求模型仅替换占位符而不改动模板骨架，从而保障输出格式一致性。

1、编写模板如：“【姓名】：{name}；【城市】：{city}；【偏好】：{preference}”，并在提示中说明 “请严格遵循此三段式格式，每项冒号后只填一个值，不换行，不加引号”。

2、向模型发送完整提示，确保 {name}、{city}、{preference} 均被实际内容替换。

3、接收到响应后，用字符串分割或正则 r"【(.*?)】：(.*?)(?=；|$)" 提取键值对。

五、部署后处理校验与重试逻辑

在模型输出后端增加结构验证步骤，若检测到格式错误，则自动触发重试请求并附加更严格的格式反馈，形成闭环控制。

1、定义校验规则，例如检查响应是否为合法 JSON、是否包含全部 required 字段、字符串长度是否超限等。

2、若校验失败，构造新提示，将上一轮错误输出与错误类型（如 “缺少字段 'email'”）一同附在提示末尾。

3、发起最多两次重试，每次重试前更新 temperature=0.1 并强化格式指令权重。

好了，本文到此结束，带大家了解了《响应Schema是什么？教你用文档约束AI输出格式》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多科技周边知识！