AI Structured Output 是什么？为什么 GPT、Gemini、Claude 都开始支持结构化 JSON 输出？

先给结论：Structured Output 不是「请输出 JSON」这句提示词，而是 API 在解码阶段用 JSON Schema 挡住非法 token，让最终答复可以直接被程序解析。GPT、Gemini、Claude 先后做成一等公民，不是因为营销喜欢这个词，而是 Agent、抽取、填表都要把模型从聊天框接到流水线里——散文过不了 JSON.parse，更过不了下游 Schema。

这篇按 2026 年 9 月 8 日写。三家现在都能约束给用户 / 下游的最终 JSON：OpenAI 用 response_format.json_schema（strict），Gemini 用 responseMimeType + responseJsonSchema，Claude 已 GA 的是 output_config.format（旧 beta 的 output_format 仍过渡可用）。字段怎么写、子集差在哪，本站 8 月已经拆过；本文只回答两句：它是什么，以及为什么三家都不得不做。落地步骤见《从 Prompt 到 Structured Output》，OpenAI / Gemini 对照见《Structured Output API 对比》。

Structured Output 是什么

Structured Output（结构化输出）是：你先给一份 JSON Schema，模型的最终答复必须是符合这份 Schema 的 JSON。保证发生在生成每一个 token 的时候，而不是生成完再「尽量像 JSON」。常见名字：OpenAI 叫 Structured Outputs，Google 叫 Structured Output，Anthropic 文档写 structured outputs / JSON outputs。差一个 s，指的是同一件事。

可以记成编译器和类型检查。提示词是代码注释——模型可能听。Schema 是类型系统——非法字段名、缺 required、字符串当成数字，解码器根本不让这些 token 出来。程序拿到的是对象，不是「```json」围栏里夹着一段散文。

一份给三家都能看的 Schema，形状通常很扁：根是 object，写清 properties / required，additionalProperties: false。可选字段在 OpenAI strict 里往往要写成可空，而不是从 required 里拿掉——三家子集不完全一样，跨厂商先取交集。

{
  "type": "object",
  "additionalProperties": false,
  "properties": {
    "task": { "type": "string", "enum": ["extract", "classify", "summarize"] },
    "ok": { "type": "boolean" },
    "fields": {
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "orderId": { "type": "string" },
        "total": { "type": "number" },
        "note": { "type": ["string", "null"] }
      },
      "required": ["orderId", "total", "note"]
    }
  },
  "required": ["task", "ok", "fields"]
}

它不是 JSON Mode，也不是 Tool Calling

三个名字经常被写成一回事。数据流上它们不在同一层：

JSON Mode 只保证括号能配上、能 JSON.parse。模型仍可发明 order_id 而你要的是 orderId，或把金额写成字符串。生产里「能 parse」不等于「能入库」。

Tool Calling / Function Calling 约束的是伸向工具的那只手，不是对用户说的最后一句话。查库存、写文件、走 MCP 的 tools/call，用工具层 Schema。抽取邮件、分类工单、吐一张给下游 API 的 JSON，用 Structured Output。完整 Agent 常常两层都开——参数走 tools，最终答复再套一层输出 Schema。分层见《MCP 是什么》和《Agent JSON 数据流》。

为什么三家都开始支持

2023 年还能靠提示词撞运气。2026 年的 Agent 把模型嵌进循环：输出要进数据库、进下一个工具、进另一家模型。三家不是约好一起发新闻稿，是同一条产品压力线撞上了同一份契约——JSON Schema。

1. 下游是程序，不是读者。聊天可以散文；流水线要对象。一次缺逗号、一次字段改名，整晚的重试队列就满了。厂商与其让每个客户自己写修复器，不如在解码器里把非法路径剪掉。
2. Agent 把「形状稳定」变成刚需。多步循环里，上一轮的 JSON 是下一轮的输入。形状漂一次，后面全错。Tool Calling 解决「怎么伸手」；Structured Output 解决「怎么把结论交回去」。两层都要 Schema，见《JSON Schema 会不会成为 Agent 的标准 Contract》。
3. 提示词证明了自己不够。「只输出 JSON、不要 markdown」在评测集上好看，在长上下文、工具回灌、多语言混排里仍会漏字段、加围栏、把枚举写成近义词。约束解码把失败从「偶发」收成「API 400 或可重试的 Schema 错」。
4. JSON Schema 已经是跨厂商最小公约数。OpenAPI、MCP inputSchema、Pydantic / Zod 导出的都是它。模型侧再用另一套私有 IDL，Host 就要翻译两次。三家把最终答复也接到同一份 Schema，迁移成本才掉得下来。
5. 竞争变成「能不能进生产」，不再是「会不会聊天」。 一家先做成硬约束，网关、Agent 框架、企业采购清单就会写进必选项。另外两家不跟，就接不进同一条编排。2026 年 9 月，旗舰 API 缺 Structured Output 已经很难卖给要入库的客户。

所以你会看到时间线挤在一起：OpenAI 2024 年 8 月把 Structured Outputs 做成 GA；Gemini 把 MIME + Schema 收进生成配置；Claude 2025 年底还在 beta 头，2026 年已把 output_config.format 做成正式字段。名字不统一，压力是同一股。

GPT、Gemini、Claude 各自怎么开

概念对齐，字段不要交叉粘贴。下表是 2026 年 9 月 8 日能写进文档的入口，不是完整 SDK 教程。

三家请求包装不同，Schema 本体尽量同一份。换模型改的是外层字段，不是 orderId 和 required。Claude 示例（规范字段，业务 Schema 可换成你自己的）：

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "messages": [
    {"role": "user", "content": "从订单文本抽出 orderId 与 total"}
  ],
  "output_config": {
    "format": {
      "type": "json_schema",
      "schema": {
        "type": "object",
        "additionalProperties": false,
        "properties": {
          "orderId": { "type": "string" },
          "total": { "type": "number" }
        },
        "required": ["orderId", "total"]
      }
    }
  }
}

OpenAI 把同一份 schema 放进 response_format.json_schema 并打开 strict；Gemini 放进 responseJsonSchema 并声明 JSON MIME。完整 Python 对照仍看《OpenAI vs Gemini》。产品面（ChatGPT / claude.ai / Gemini 网页）不一定暴露同一套硬约束，写 SLA 以你调用的那个 API 为准。

约束解码在挡什么

没有 Structured Output 时，模型在整个词表上采样，再靠提示词「表现得像 JSON」。有 Structured Output 时，解码器根据 Schema 维护一份合法前缀：下一步只能是 "、orderId、true 或 } 这类还合法的 token，非法路径的概率被直接置零。

它挡的是形状：尾逗号、markdown 围栏、缺必填、类型漂、多余字段（在 additionalProperties: false 时）。它不挡胡说：total 类型是 number，值可以是编出来的；enum 里的合法值也可以选错。所以生产仍要用同一份 Schema 再跑一遍校验器，失败则重试、降级或人工——约束解码降的是解析事故，不是幻觉。

窗口再大也一样：1M token 只增加看得见的材料，不约束输出形状。把整份 dump 塞进去，仍要 Schema，见《1M Token 上下文窗口》。

现在该怎么用

1. 先写 Schema，再选模型。字段名、必填、枚举是产品契约。GPT / Gemini / Claude 是可替换的后端。契约写在仓库里，不要写在提示词里。
2. 抽取、分类、填表走 Structured Output；办事走 Tool Calling。不要用 Structured Output 假装已经调过库存 API。要跨进程复用工具，再加 MCP。
3. 跨厂商取 Schema 交集：扁 object、additionalProperties: false、少用深 $ref 和根级 anyOf。OpenAI strict 把「可选」做成可空，不要三家各写一份互相漂移的字段表。
4. API 过了仍要本地再验。把 Schema 和 2～3 组正 / 反例存成 JSON，用本站校验和 Diff。数据不上传。约束解码之后，这是第二道闸。
5. 失败要结构化回流：解析失败或二次校验失败，把错误写成对象（缺哪个字段、期望类型），不要把堆栈原文灌回下一轮。

常见问题 FAQ

总结

Structured Output 是 2026 年旗舰 API 的默认插座：最终答复按 JSON Schema 约束解码，程序不再靠提示词赌括号。GPT、Gemini、Claude 都做，是因为 Agent 和抽取已经把「形状稳定」写成验收项；JSON Schema 又是三家都认的契约。它不是 JSON Mode，也不替代 Tool Calling 或 MCP。

换模型只换包装字段。字段名和 required 写进仓库，落地前用同一份 Schema 在本地校验样例。怎么配各家 API、怎么和工具层分工，本站已经写过；这篇只把「是什么、为什么」说清楚。