标签 · 结构化输出

输入预览：提交前让用户确认组装结果

组装过程对用户是黑盒。本文给出该预览的三层内容（关键要素默认展开）、预览的四个价值、三个设计细节与三个反模式。

用表单代替自由文本：引导式输入设计

空白输入框最省开发也最贵。本文给出什么时候该用表单、表单设计的四条、与自由文本配合的方式、该观测的四个指标与三个反模式。

输入校验分级：硬拦、软提示与仅记录

校验不该只有通过/报错。本文给出三级分类与判据、软提示的写法（说清风险+给选择+默认安全）、仅记录这一级的价值与三个反模式。

把提示词当接口来设计：输入输出契约

提示词是接口，不是一段文本。本文给出输入契约（变量表）、输出契约（格式与必含字段）、版本与兼容性规则、接口化的三个好处与一份最小契约文档。

把模型输出接进报表：结构化数据的流转

模型输出要变成结构化数据才能进报表。本文给出四步流转（抽取/校验/落库/展现）、schema 设计的三条纪律、三个常见坑与该观测的四个指标。

AI 输出的可读性：结构、长度与重点

同样的信息量，可读性差别很大。本文给出四段式结构（先结论后细节）、按场景设默认长度、用格式而非形容词突出重点、四类该避免的写法与五秒测试验证法。

把模型输出做成可审核的：留痕与防篡改

输出被用于业务决策时必须可审核。本文给出可追溯要固定的九项记录（重点：后续动作并入同一条）、防篡改的三种低成本做法、审核留痕的四个字段与三个常见坑。

AI 功能的错误码设计：给机器看也给用户看

错误要同时服务机器与用户。本文给出给机器的五个字段（重点 retryable 与 trace_id）、给用户的改写对照、五类错误与各自处理方式、两个容易忽略的点

把 AI 输出当草稿：人机协同编辑的设计

AI 输出最好的定位是草稿。本文给出草稿该有的四个能力（局部编辑/段落重生成/锁定/版本对比）、编辑体验的六个细节、把人工修改变成资产的做法与三个反模式。

把提示词里的约束变成程序里的校验

提示词里的「必须/只能/不超过」只是倾向，不是约束。本文给出约束的三种去处与可靠性排序、提示词约束到程序校验的对照表、校验失败后的三种处置，以及三个常见坑与一条

工具返回值要按「给人看」设计：结构化、摘要与溯源

工具返回一大坨 JSON，模型抓不到重点。本文给出结构化字段规范、人类可读摘要的做法与校验、溯源三要素（trace/版本/来源）、工具描述该写什么，以及三个反模

把「不确定性」传给下游：置信、区间与拒答

AI 输出天然不确定，不传出去下游只能猜。本文给出三种表达粒度、该显式区分的四种状态、数值要给区间、拒答要写「怎样能成功」，以及三个反模式与一条判据。

函数调用与结构化输出的边界：什么时候该让模型「填表」

让模型输出结构化数据有两条路线：填表与调工具。本文给出各自的适用场景、一个务实的组合方式（模型填意图表、代码去落地）、三个常见错误与选型检查清单。

让模型稳定输出 JSON：约束、校验与重试的工程做法

结构化输出不稳定，多半不是模型问题，而是缺少约束与校验。本文给出三层做法：形态约束、程序校验、失败重试，并说明为什么不该把模型的原始输出直接喂给下游。