Microsoft.Extensions.AI.OpenAI 项目中 JSON Schema 严格模式支持解析
2025-06-27 17:53:29作者:薛曦旖Francesca
背景介绍
在人工智能应用开发中,JSON Schema 是一种常用的数据格式规范工具,它能够定义JSON数据的结构和约束条件。Microsoft.Extensions.AI.OpenAI 是一个.NET生态中用于集成OpenAI功能的扩展库,它为开发者提供了便捷的AI服务接入方式。
问题发现
在9.1.0-preview.1.25064.3版本中,开发者发现当使用OpenAIChatClient与Azure OpenAI服务交互时,虽然支持通过JSON Schema来约束AI模型的输出格式,但缺少对"strict"参数的支持。这个参数对于确保AI输出严格符合Schema定义至关重要。
技术细节
在OpenAI的API设计中,JSON Schema响应格式可以配置三个关键参数:
- schema_name - 模式名称标识
- schema - 实际的JSON Schema定义
- strict - 是否严格模式(控制是否允许不符合Schema的输出)
原实现中,当开发者通过ChatResponseFormat.ForJsonSchema方法创建响应格式时,虽然正确传递了schema_name和schema参数,但strict参数被默认设置为null,而不是更安全的true值。
解决方案
开发团队已经在新版本中修复了这个问题。现在代码实现如下:
if (options.ResponseFormat is ChatResponseFormatText)
{
result.ResponseFormat = OpenAI.Chat.ChatResponseFormat.CreateTextFormat();
}
else if (options.ResponseFormat is ChatResponseFormatJson jsonFormat)
{
result.ResponseFormat = jsonFormat.Schema is { } jsonSchema
? OpenAI.Chat.ChatResponseFormat.CreateJsonSchemaFormat(
jsonFormat.SchemaName ?? "json_schema",
BinaryData.FromString(jsonSchema),
jsonFormat.SchemaDescription)
: OpenAI.Chat.ChatResponseFormat.CreateJsonObjectFormat();
}
最佳实践建议
对于需要严格JSON Schema验证的场景,开发者应该:
- 确保使用最新版本的Microsoft.Extensions.AI.OpenAI库
- 明确检查AI输出是否符合预期格式
- 对于关键业务逻辑,建议添加额外的验证层
- 在开发阶段启用严格模式以尽早发现问题
总结
JSON Schema的严格模式支持是确保AI输出质量的重要机制。Microsoft.Extensions.AI.OpenAI库的这次改进,使得.NET开发者能够更好地控制AI模型的输出行为,特别是在需要精确数据格式的企业级应用中。开发者应当了解这一特性,并在适当场景中加以利用。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C095
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.55 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
227
95
暂无简介
Dart
727
175
React Native鸿蒙化仓库
JavaScript
287
340
Ascend Extension for PyTorch
Python
285
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
702
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
849
442
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19