结构化输出
让模型按给定 schema 吐出 JSON 或表格
数据与文档入门 #39
输入文本表格
这项能力指什么
输入一段自然语言与一个目标结构（字段名、类型、是否必填），输出严格符合该结构的文本，如 JSON、XML 或一张表。它与「信息抽取」的区别是结构由调用方给定而非从文本推断；与「工具调用」的区别是前者产出数据本身，后者产出对某个接口的调用请求。
技术上如何做到
基础做法是在提示里给出 schema 与示例，要求模型照此填充；更可靠的是受约束解码：在每一步只允许能构成合法结构的 token，从而在生成阶段就杜绝语法错误。训练侧则用大量「文本到结构」的配对做微调，让模型熟悉常见的字段命名与类型约定。Schema 较大时可拆成多次调用或分层填充。
代表产品
5相关机构
典型用途
- 自然语言到 API 请求体的转换
- 表单与订单信息的自动填充
- 数据清洗与归一化管线
- 智能体之间传递结构化消息
怎么评价它好不好
- 结构合法率
- 输出能被解析且符合 schema 的比例
- 字段精确匹配
- 各字段值与标准答案一致的比例
- 值级 F1
- 对列表与嵌套结构按元素计分
边界与难点
- schema 字段多或枚举值长时，会漏字段、填错枚举或自造取值
- 深层嵌套与复杂类型（联合类型、可空数组）容易产生类型错误
- 严格约束格式会挤占推理空间，同一模型在强约束下的推理质量会下降