Firecrawl项目中LLM结构化输出数组类型的最佳实践

在Firecrawl项目中使用LLM进行数据提取时，开发人员经常会遇到只能获取单个结果的问题。本文深入探讨这一现象的技术原因，并提供专业解决方案。

问题现象分析

当开发人员尝试从网页内容中提取结构化数据时，即使页面包含多个同类项，LLM提取结果往往只返回单个项目。这种现象在菜单、产品列表等重复性内容提取场景尤为常见。

根本原因

问题的核心在于JSON Schema的设计。默认情况下，如果schema中定义的properties是简单对象类型，LLM会默认匹配第一个符合条件的结果。这种设计源于LLM对schema的保守性解析策略。

专业解决方案

要实现多项目提取，必须正确使用数组类型定义schema。以下是技术实现要点：

1. 数组类型声明：在schema顶层或适当层级使用"type": "array"声明
2. items定义：通过items属性定义数组元素的详细结构
3. 数量控制：可选的minItems/maxItems约束元素数量范围
4. 嵌套结构：支持多层嵌套的数组结构

示例实现

{
  "type": "object",
  "properties": {
    "menu_items": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "meal_name": {"type": "string"},
          "price": {"type": "string"}
        },
        "required": ["meal_name", "price"]
      },
      "description": "餐厅菜单项目列表"
    }
  },
  "required": ["menu_items"]
}

最佳实践建议

1. 明确区分单对象和数组类型的应用场景
2. 为数组元素设计完整的校验规则
3. 合理设置最小/最大元素数量约束
4. 添加描述性字段提升LLM理解准确性
5. 在复杂场景中使用多级数组嵌套

性能考量

使用数组类型schema时需注意：

• 处理时间随元素数量线性增长
• 过大的maxItems值可能导致超时
• 深层嵌套影响解析效率