LLM项目中的结构化输出与JSON Schema支持技术解析

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。