Как ИИ генерирует JSON по JSON Schema: от Prompt к Structured Output

В предыдущих публикациях этой серии рассматривалисьзачем агентам нужен JSON(Вызов инструмент в потоке данных MCP),почему JSON Schema⟧ стала инфраструктурой(Схема, Вызова функция и MCP эволюция), иКонфигурация Structured Output, специфичная для Gemini(Gemini API руководство).

Эта статья уменьшена:независимо от того, какую модель API вы используете, как перейти от «пожалуйста, ответьте в JSON» к «вывод должен соответствовать этой JSON схеме⟧»? Поставщики сошлись на этом в 2024–2026 годах под такими названиями, как Structured Outputs⟧ / JSON Schema⟧ mode — та же идея, немного другие имена полей, подмножества схемы и границы с Tool Calling.

Четыре уровня, каждый из которых «строже» предыдущего.

Для получения JSON из модели команды обычно используют четыре подхода — надежность различается на порядок:

For production extraction, classification, or form filling, aim for L3. L0–L1 suit exploration; L2 when shape varies and you only need JSON.parse. L3 is the contract programs can consume directly.

Что контролирует JSON Schema⟧, а что нет

JSON Схема⟧описывает структуру документа: поля, типы, необходимые ключи, перечисления, диапазоны, форму элемента массива. Поставщик Структурированный выводs⟧ компилирует эту схему в генерацию, а не просто вставляет ее в командную строку.

Schema can enforce: syntax shape (object / array / string / integer), required, enum, minimum / maximum, additionalProperties: false, nested objects and arrays.

Schema cannot enforce business correctness. Example: “total_cents must equal sum of line items” — assert that in code after Schema validation. Schema also does not fact-check: a well-typed fabricated invoice number is still hallucination.

Tool inputSchema uses the same language; Structured Output constrains the final reply, Tool Calling constrains tool arguments. See руководство по потоку данных.

Ограниченное декодирование: почему Schema превосходит Prompt

Подсказки только повышают шансы на соблюдение требований. Структурированный вывод используетограниченное декодирование: для каждого токена декодер подавляет токены, которые могут нарушить синтаксис JSON или схему.

Обычно вы получаете анализируемый, корректный по форме JSON без ограничений уценки с удалением регулярных выражений. Реализации различаются (FSM, грамматика, логит-маски), но контракт разработчика тот же:передать схему в API, а не только приглашение.

Ограниченные гарантии декодированияструктура, нетсемантика. Всегда выполняйте повторную проверку с использованием той же схемы и добавляйте бизнес-правила в производство.

OpenAI, Gemini, Anthropic сравнение

Та же концепция, разные имена полей. Пример: извлеките один объект счета.

When migrating vendors, keep the Schema itself standard JSON Schema⟧ (type, properties, required, enum); SDKs only wrap the request. Do not mix OpenAPI 3.0 uppercase types (OBJECT) with JSON Schema⟧ lowercase (object).

Написание хорошей схемы: от Pydantic к производству

Recommended flow: define types in Pydantic / Zod → export JSON Schema⟧ → tune → send to API. Put semantics in description — it enters model context and disambiguates “qty = pieces vs boxes”; type: integer alone cannot.

from pydantic import BaseModel, Field


class LineItem(BaseModel):
    name: str = Field(description="Product name")
    qty: int = Field(description="Quantity, positive integer", ge=1)
    unit_price_cents: int = Field(description="Unit price in cents", ge=0)


class Invoice(BaseModel):
    vendor: str
    currency: str = Field(description="ISO 4217, e.g. CNY")
    items: list[LineItem]
    total_cents: int

schema = Invoice.model_json_schema()
# In production add additionalProperties: false

Практические правила:

• Prefer object root over root-level array; { "items": [...] } is more stable on some APIs.
• Start with type / properties / required / enum, then add additionalProperties, min/max; do not dump full Draft 2020-12 — some keywords are ignored.
• Продолжайте вкладывать неглубоко; циклические ссылки отклоняются — сглаживайте схему.
• Разделенная схема против подсказки: Схема = форма; Подсказка = семантика («извлечь счет из текста ниже…»).

OpenAI Пример структурированного выводаs⟧

Chat Completions supports json_schema response format since 2024. With strict: true, output should only contain Schema fields:

from openai import OpenAI
from pydantic import BaseModel

client = OpenAI()

class Invoice(BaseModel):
    vendor: str
    total_cents: int

response = client.chat.completions.create(
    model="gpt-4o-2024-08-06",
    messages=[
        {"role": "user", "content": "Extract invoice: Acme sold 2 keyboards for 398 CNY."}
    ],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "invoice",
            "strict": True,
            "schema": Invoice.model_json_schema(),
        },
    },
)

data = response.choices[0].message.content  # JSON string
import json
invoice = json.loads(data)

Gemini uses response_mime_type + response_json_schema — see the dedicated Gemini API article. For Anthropic, check current SDK structured output docs — same idea, official field names.

Производственный конвейер: генерировать → анализировать → проверять → повторять попытку.

Структурированный вывод — это не «один вызов API и готово». Исправьте эти четыре шага:

1. Generate: call model with Schema; log prompt, Schema version, raw content.
2. Parse: JSON.parse (or SDK parsed); on failure, retry whole response — no half-parse.
3. Schema validate: run same JSON Schema⟧ via AJV / jsonschema / Pydantic; retry or degrade on failure.
4. Бизнес-подтверждение: пользовательские утверждения (итогов, внешние ключи); человек или правила двигателя при сбое.

В разработке сохраните Schema плюс 2–3 положительных/отрицательных образца в репозитории; используйте JSON Toolbox⟧ локально для структуры и Diff — тот же подход, что и для контрактных тестов REST, потребитель — это LLM.

Распространенные ошибки: запрос «объясните тогда JSON», когда режим JSON включен; усечение (увеличение максимального количества токенов или разделение задач); API ключи в демоверсиях интерфейса; Версия схемы отклоняется от подсказки.

Чем он отличается от Tool Calling

Полный цикл агента часто выглядит так:Структурированный вывод извлекает намерение → Вызов инструмента действует → Структурированный вывод или суммирует для пользователя. Не используйте Structured Output, чтобы представить «вызов платежа API» — модель его не вызывала.

Часто задаваемые вопросы

Краткое содержание

Чтобы получить JSON, соответствующий JSON Schema⟧ от ИИ, порядок имеет значение:сначала определите схему, включите JSON Mode⟧ / Structured Output, затем напишите приглашение. Подсказка = семантика; Схема = форма; Pydantic / Zod — дружественные к авторам фронты; API поставщика предоставляют каналы схемы.

Запустите один реальный счет или сквозную расшифровку расшифровки: Схема → API вызов → вставьте выходные данные в валидатор. Когда оно совпадает, подключите базу данных или следующего агента. Инструментальные аргументы по-прежнему проходят через Tool Calling/MCP — не сливаются в один API.