首页
/ LLM项目中的结构化输出与JSON Schema支持技术解析

LLM项目中的结构化输出与JSON Schema支持技术解析

2025-05-30 18:03:19作者:何将鹤

在自然语言处理领域,结构化输出正变得越来越重要。LLM项目近期实现了通过JSON Schema规范模型输出的功能,这为开发者提供了更精确控制模型响应格式的能力。

核心功能实现

该项目通过引入--schema参数,允许用户为支持该功能的模型指定JSON Schema格式的输出要求。目前已在多个主流模型上成功实现:

  1. OpenAI模型:通过工具调用机制实现结构化输出
  2. Anthropic Claude:利用工具定义和强制选择特定工具
  3. Google Gemini:通过响应模式和清理后的Schema配置实现

技术实现细节

对于Anthropic Claude模型,实现方式是通过工具定义:

kwargs["tools"] = [{
    "name": "output_structured_data",
    "input_schema": prompt.schema,
}]
kwargs["tool_choice"] = {"type": "tool", "name": "output_structured_data"}

而Google Gemini由于仅支持JSON Schema子集,需要额外的Schema清理步骤:

def cleanup_schema(schema):
    "Gemini支持JSON Schema的子集"
    keys_to_remove = ("$schema", "additionalProperties")
    # 递归移除不支持的属性
    if isinstance(schema, dict):
        for key in keys_to_remove:
            schema.pop(key, None)
        for value in schema.values():
            cleanup_schema(value)
    elif isinstance(schema, list):
        for value in schema:
            cleanup_schema(value)
    return schema

实际应用示例

开发者可以定义一个dog.schema.json文件:

{
  "$schema": "http://json-schema.org/draft-07/schema#",
  "type": "object",
  "properties": {
    "dogs": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "name": {"type": "string", "minLength": 1},
          "bio": {"type": "string", "minLength": 1}
        },
        "required": ["name", "bio"],
        "additionalProperties": false
      }
    }
  },
  "required": ["dogs"],
  "additionalProperties": false
}

然后通过命令行获取结构化输出:

llm --schema "$(cat dogs.schema.json)" 'invent three dogs' -m gpt-4o-mini | jq

未来发展方向

  1. Schema管理:计划添加类似模板管理的Schema存储和引用功能
  2. 日志分析:增强日志功能以支持按Schema查询和分析历史响应
  3. 模板集成:允许模板预定义Schema,简化常用结构化提取场景
  4. 本地模型支持:扩展对本地模型的结构化输出支持

技术价值

这一功能的实现为以下场景提供了强大支持:

  • 数据提取和转换
  • API响应标准化
  • 自动化数据处理流水线
  • 结构化数据收集和分析

通过JSON Schema规范模型输出,开发者可以更可靠地将LLM集成到生产系统中,减少后处理工作,提高系统整体稳定性。这一技术方向代表了LLM应用从自由文本向结构化数据发展的重要趋势。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (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
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8