DeepSeek如何按Schema生成JSON

DeepSeek虽不支持原生JSON Schema强约束输出，但可通过精心设计的自然语言指令、严格格式化示例（含字段名、类型、顺序与空值处理）以及强制纯JSON输出要求来稳定引导结构化生成；更重要的是，必须依赖后端解析校验（如json.loads + Pydantic/jsonschema）进行兜底，将模型视为“非可信输入源”，才能真正保障JSON格式、类型与字段完整性——这对需对接数据库或下游API的关键业务尤为关键。

DeepSeek 不支持原生 JSON Schema 强约束输出

DeepSeek（包括 deepseek-chat 和 deepseek-coder 系列）本身没有内置的 response_format: { "type": "json_object" } 机制，也不接受 OpenAI 风格的 response_format 参数。直接在请求中加 schema 描述，模型大概率会忽略或“自由发挥”，尤其在长输出、嵌套结构或字段类型敏感时，"age": "25" 变成 "age": 25 都可能出错——这不是格式问题，是模型没被对齐过结构化输出能力。

用 system prompt + 示例强制结构化输出

最稳定的做法是：把 schema 转成自然语言指令，并搭配 1～2 个严格格式的输入-输出示例，塞进 system 消息里。模型没见过 JSON Schema 语法，但能模仿你给的格式。

• 用 ```json 包裹示例输出，且确保字段名、类型、顺序、空值处理（如 null 还是省略）全部显式写出
• 在指令中强调“只输出纯 JSON，不加任何解释、前缀、后缀、Markdown 代码块标记”——很多失败是因为模型多打了 ```json 或 “以下是结果：”
• 避免模糊表述，比如不要写“按要求返回”，而要写“必须包含 user_id、score、tags 三个字段，score 必须为数字，tags 必须为字符串数组”

示例 system 内容片段：

你是一个严格的 JSON 输出器。只输出符合以下结构的纯 JSON 对象，不加任何额外文本：
{
  "product_name": "string",
  "price": number,
  "in_stock": boolean
}
示例输入：iPhone 15，售价 5999，有货
示例输出：
{
  "product_name": "iPhone 15",
  "price": 5999,
  "in_stock": true
}

后处理校验比前端强约束更可靠

即使 prompt 写得再细，DeepSeek 仍可能在边界 case（如空输入、多轮上下文干扰、字段值含换行）下偏离 schema。与其反复调优 prompt，不如默认走两步：

• 接收原始响应后，用 json.loads() 尝试解析；捕获 json.JSONDecodeError 即重试或报错
• 用 Python 的 pydantic.BaseModel 或 jsonschema.validate() 做字段级校验——比如检查 email 字段是否真为邮箱格式，created_at 是否符合 ISO8601
• 对关键字段做类型兜底转换，例如 int(data.get("count", 0))，而不是假设模型一定输出整数

别依赖 temperature=0 来保结构

设 temperature=0 能降低随机性，但不能保证 JSON 合法性。实测中，即使 temperature 为 0，DeepSeek 仍可能漏引号、多逗号、嵌套错位。真正起作用的是 prompt 中的格式锚点（示例）+ 后端校验闭环。如果业务对 schema 一致性要求极高（如写数据库、对接下游 API），建议把 DeepSeek 当作“非可信输入源”，始终以 schema 校验为最终防线。

最容易被忽略的一点：模型不会主动补全缺失字段，也不会把 "is_active": "true" 自动转成布尔值——它只是照着你给的示例仿写。字段存在性、类型、枚举值都得靠你写死在示例里，再靠代码兜底。

终于介绍完啦！小伙伴们，这篇关于《DeepSeek如何按Schema生成JSON》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布科技周边相关知识，快来关注吧！