部落格

JSON 提示詞:5 步解決格式錯誤、缺欄位和亂填值

用 JSON 提示詞模板約定欄位、型別、缺失值和證據,比較提示詞、JSON 模式與結構化輸出,並學習解析、Schema 和業務校驗。

本文目錄

可靠的 JSON 提示詞需要說明要提取什麼、欄位型別、允許的列舉值,以及沒有證據時如何處理。僅寫“只返回 JSON”不夠:合法語法、符合結構和事實正確是三種不同要求。下面用客服訊息分類展示模板與驗收方法,示例是教學用的預期行為,不代表某個模型已經通過實測。

1. JSON 提示詞先定義資料契約

開始前問清楚下游程式真正需要哪些欄位。客服路由可能只需要 category、summary 和 needs_review,而不是一大段說明。把欄位名、資料型別、是否必填、允許值和含義寫在同一處,可以減少提示詞示例與程式校驗之間的分歧。

區分未知、不適用和空值。未知金額通常不能填 0,因為 0 可能被當成真實金額;未知布林值也不能隨手填 false,因為 false 本身是一項判斷。需要這些狀態時,應在契約中明確 null、預設欄位或專用狀態,並保證後續系統能正確處理。

帶有 JSON 花括號的文件依次經過語法、結構和業務規則三道檢查。
概念示意:能解析、符合結構和符合業務規則需要分別驗證。
欄位型別與允許值缺失規則
categorybilling、access、other 之一無法明確分類時用 other
summary字串,簡短概括原文輸入為空時交由應用拒絕
evidence原文短引文或 null找不到明確證據時為 null
needs_review布林值含糊、多意圖或證據不足時為 true

2. 可複製的 AI 輸出 JSON 格式模板

模板要明確輸入是待分析資料,模型不能把其中的命令當作新規則。這個說明有助於表達任務邊界,但應用仍需把輸入當成不可信內容。不要因為結果是 JSON,就直接觸發退款、轉賬或賬戶刪除等操作。

下面的例子採用一個主要分類欄位。遇到“重複扣費而且無法登入”這樣的多意圖訊息,不強行隱藏第二個問題,而是設定 needs_review。若你的流程需要多標籤,應把 category 改成陣列,同時更新契約、示例與下游程式。

客服訊息分類示例

只根據 <message> 內的客服訊息提取資訊。
返回一個 JSON 物件,不新增解釋、Markdown 圍欄或額外欄位。
欄位:
category: 只能為 billing、access、other;多意圖或無法唯一歸類時用 other。
summary: 一句話概括訊息,不補充訊息以外的事實。
evidence: 支援分類的原文短引文;沒有證據時為 null。
needs_review: 多意圖、含糊或無證據時為 true。
<message>
[客服訊息]
</message>
示例輸入:我無法登入。
示例輸出:
{
  "category": "access",
  "summary": "使用者報告無法登入。",
  "evidence": "無法登入",
  "needs_review": false
}
一鍵載入範本 →

3. JSON 模式與結構化輸出有什麼區別

普通提示詞是自然語言要求,模型仍可能輸出圍欄、額外解釋或不一致字段。部分服務提供 JSON 模式,主要約束合法 JSON;部分模型和介面支援基於 Schema 的結構化輸出,可以進一步約束結構。實際支援範圍、Schema 子集和拒絕響應需要核對你使用的服務文件。

不能把任何一個模式等同於事實驗證。即使物件完全符合 Schema,category 仍可能分錯,evidence 也可能不是原文。更不能把網頁版對話中的一句“使用結構化輸出”當作 API 引數已經啟用;需要在真實介面配置中驗證。

方式主要作用仍需檢查
僅 JSON 提示詞說明欄位和行為語法、結構、事實全部檢查
JSON 模式約束輸出為合法 JSON;依服務而異結構、列舉、語義及異常狀態
Schema 結構化輸出在支援範圍內約束欄位結構來源事實、業務關係、拒絕與截斷

4. 分別執行解析、JSON Schema 校驗和業務校驗

第一層是解析:用標準 JSON 解析器檢查是否存在尾逗號、錯誤引號或截斷。第二層是結構:檢查必填欄位、型別、列舉和額外屬性。第三層是業務:確認 evidence 是原文子串、needs_review 與缺失狀態一致,以及分類滿足你的路由規則。三層通過條件應分別記錄。

下面是與示例欄位一致的 Schema。它禁止額外欄位,但沒有強制 summary 的業務含義,也不能證明 evidence 真正支援分類。具體結構化輸出 API 可能只支援 JSON Schema 的一部分,接入前請核對相容性,不要直接假定整份 Schema 都可使用。

{
  "type": "object",
  "properties": {
    "category": {"type": "string", "enum": ["billing", "access", "other"]},
    "summary": {"type": "string"},
    "evidence": {"type": ["string", "null"]},
    "needs_review": {"type": "boolean"}
  },
  "required": ["category", "summary", "evidence", "needs_review"],
  "additionalProperties": false
}

5. 為截斷、拒絕與校驗失敗安排回退

先檢查服務返回的結束狀態,再解析正文。被截斷的輸出不應靠猜括號來修復;應縮小輸出、增加合理限制或重新請求。拒絕響應也可能走獨立欄位,不能一律送進 JSON 解析器。網路失敗、模型拒絕和業務校驗失敗應當區分記錄。

如果需要重試,把錯誤限定到具體欄位,例如“category 不屬於列舉”,並設定次數上限。重試時保留原始資料和相同任務目標;不能為了通過 Schema 把錯誤事實改成另一項沒有依據的內容。超過上限就轉為人工複核或明確失敗,不無限重試。

不要使用字串替換、正則補引號或刪除任意文字來掩蓋所有錯誤。這樣的補救可能把包含解釋的失敗響應變成看似合法但含義錯誤的資料。只有在格式與提取規則明確、經過驗證的情況下,才應用可控的預處理,並保留處理記錄。

JSON 缺失欄位處理與邊界測試清單

至少準備六類輸入:明確的賬單問題、明確的登入問題、同時包含兩種意圖、只有模糊抱怨、包含引號或換行,以及空訊息。空輸入可以在模型請求之前拒絕;不要用填充 summary 的方式把無輸入偽裝成有效記錄。

對每條輸入儲存期望分類、是否需要人工複核、允許的證據片段和結構檢查結果。對模糊訊息“這個賬單看起來不對”,是否歸為 billing 應由團隊事先決定;若規則沒有共識,先修訂業務定義,再修改提示詞。

比較候選提示詞時保持相同模型、輸入與 API 設定。有效 JSON 比率只能說明格式表現,不能代表任務準確率。分類正確但引文無效也應單獨記失敗,避免一個總分掩蓋會傷害下游系統的缺陷。

測試輸入category / needs_review驗收要點
我無法登入。access / falseevidence 包含原文“無法登入”
被扣了兩次錢,而且登入不了。other / true保留兩個問題,交人工分流
你們這個太糟了。other / true沒有可分類證據,evidence 為 null
空字串或只有空白不呼叫模型應用端返回輸入錯誤

小結:讓 JSON 資料可檢查,再交給下一步

可靠流程是先定義契約,再寫 JSON 提示詞,根據介面能力選擇輸出約束,最後依次檢查語法、結構和業務。缺失值、衝突和異常不是最後臨時補的細節,而是資料契約的一部分。

你可以用本站提示詞最佳化器檢查欄位說明、未知處理和輸出要求是否清楚,再用自己的解析器和驗證程式測試結果。本站不會因為一份提示詞看起來完整,就保證模型輸出可直接進入自動化業務。

有記錄的案例:檢驗提示詞輸出約定

2026 年 11 月 17 日,我們將 6 個英文合成案例分別以原始指令和人工修訂指令傳送給 DeepSeek Flash,共 12 次請求。修訂屬於編輯示例,並非正式最佳化器的輸出。兩組任務分別檢查 JSON 擷取和附來源的退款政策擷取,涵蓋資料完整、缺漏與衝突。

這是單一模型的小樣本輸出約定檢查。修訂版明確增加 null 處理及純 JSON 等要求,帶程式碼圍欄的 JSON 會在純 JSON 檢查中失敗。計數只描述這些案例,不代表通用準確率、廠商比較,也不能證明 Prompt Optimizer、ChatGPT 或 Claude 的成效。即使溫度為 0,重跑也可能不同。

DeepSeek Flash · 2026-11-17 · temperature: 0 · max_tokens: 700 · thinking: disabled · n = 1

JSON 擷取

原始指令

Extract order_id, amount, currency and status from the source. Return one JSON object with exactly those keys.

修訂指令

Extract order_id, amount, currency and status using only the source. Return one raw JSON object with exactly those keys, no prose or fences. order_id, currency and status are strings or null; amount is a number or null. Use null for missing or conflicting values. Do not choose one conflicting record without stated precedence. Do not infer currency, payment or zero amounts. Copy supported values without adding facts.
案例原始版通過修訂版通過
json-complete通過通過
json-missing通過通過
json-conflict未通過通過
衝突案例的模型原始輸出

原始指令

{"order_id": "O-19", "amount": 10, "currency": "USD", "status": "paid"}

修訂指令

{"order_id":"O-19","amount":null,"currency":"USD","status":"paid"}

完整輸入、原始輸出、設定與檢查(JSON) · 下載執行與離線查核指令碼

離線查核(不需要 API Key 或網路)

node run-prompt-case-study.mjs --verify prompt-contract-20261117.json

編輯方法與更正

常見問題

JSON 提示詞寫了只輸出 JSON,為什麼還有 Markdown?

自然語言要求並不提供強制格式保證。可以更明確地禁止圍欄,增加一致示例,並在介面支援時採用結構化輸出。應用端仍應檢查解析、拒絕和截斷。

沒有證據的數字應該寫 0 還是 null?

如果 0 是合法業務數值,就不應拿它代表未知。根據契約使用 null、預設欄位或專用狀態,並確認下游程式允許且理解這種狀態。

JSON Schema 校驗通過,就能認為 AI 輸出正確嗎?

不能。Schema 檢查結構與部分值域約束,不能證明事實來源正確、引用真實或分類合理。需要原文核對和獨立業務規則。

參考資料與延伸閱讀