一句话看懂：结构化输出是把 LLM 的“自由作文”变成“可解析、可校验、可落地”的数据，让你的代码不再靠猜。
1. 为什么需要结构化？
大模型本质上是一个“概率预测复读机”，它的原生输出是非结构化文本。
-
痛点： 如果你让 AI 生成一个用户列表，它可能一会儿给 Markdown 表格，一会儿给一段话。这对于代码逻辑（尤其是你的 Flutter 或 iOS App）来说是无法直接解析的灾难。
-
定义： 结构化输出是指通过特定手段，强制大模型按照预定义的格式（如 JSON, XML, YAML）返回数据，确保输出内容符合编程语言的类型系统（Type System）。
2. 软约束：用 Prompt 建立“格式契约”
这是最快、最直观的方法，适用于快速验证 MVP 想法。
1) 使用 Markdown 标识符
在 Prompt 中明确要求输出格式，并提供一个 Empty Template。
Example:
“请分析这段代码的 Bug，并按以下 JSON 格式返回结果：
{
“has_bug”: boolean,
“severity”: “low” | “medium” | “high”,
“fix_suggestion”: “string”
}
注意：只返回 JSON，不要任何开场白。”
2) 少样本引导（Few-Shot for Structure）
通过 1-2 个例子，让模型形成“条件反射”。
Example:
User: 提取地址信息。
例子：输入“南京市雨花台区软件大道”，输出：{“city”: “南京”, “district”: “雨花台区”}
问题：输入“杭州市余杭区文一西路”
AI: {“city”: “杭州”, “district”: “余杭区”}
3. 硬约束：Schema 约束与校验
当你需要构建生产级别的应用（比如自动化 UI 生成、数据看板）时，简单的 Prompt 约束可能会失效（模型偶尔会多吐一个逗号或一段解释）。
3.1 JSON Schema：给 AI 戴上“紧箍咒”
目前主流的 API（如 OpenAI, Gemini）都支持 JSON Mode 或 Response Schema。你只需要定义一个标准的 JSON Schema，模型就会保证输出绝对合法。 JSON Schema 笔记 3.2 XML 标签：长文本的最佳容器
在处理复杂的长任务（如：生成一整个 Flutter 页面）时，XML 标签比 JSON 更鲁棒，因为 JSON 对嵌套中的特殊字符（如引号、换行）非常敏感。
Example (推荐写法):
XML
<analysis>
<summary>性能瓶颈在列表重绘</summary>
<action_items>
<item>使用 const 构造函数</item>
<item>引入 RepaintBoundary</item>
</action_items>
</analysis>
4. 工程化：类型驱动（Type-Driven）
在实际的业务开发（如你在 Chagee 的组件库维护或个人 iOS 项目）中，手写 JSON Schema 太累了。这时候需要借助类型定义库。
1) Python 阵营：Pydantic + Instructor
这是目前 AI 工程界最流行的组合。你定义一个类，它自动帮你处理 Prompt 转换和校验失败后的自动重试。
Python
from pydantic import BaseModel
import instructor
class AppFeature(BaseModel):
name: str
priority: int
is_mvp_essential: bool
# Instructor 会自动要求模型返回符合 AppFeature 结构的 JSON
2) TypeScript 阵营：Zod + TypeChat
在前端或 Node.js 环境下，利用 Zod 定义 Schema，可以实现从“大模型输出”到“前端类型安全”的无缝对接。
5. 实战建议（写给“要上线的人”）
-
先降级再升级： 如果模型在复杂的 JSON 上翻车，先尝试让它输出 XML 标签包裹的内容，再在代码里做简单的正则或解析。
-
拒绝“解释性废话”： 在 System Prompt 中加入
Ensure the output is a valid JSON. Do not include any markdown formatting or pre/post-text.。 -
MVP 快速通道： 在使用 Cursor 时，可以直接在
.cursorrules中规定：“所有 Bug 分析必须以结构化 JSON 注释的形式出现在文件顶部”。 -
容错处理： 永远假设结构化输出可能会失败。在你的 App 代码中，必须包裹
try-catch并设置默认值 (Fallback)，这是软件工程师最后的体面。
总结：
-
Prompt 约束 是“软约束”（适合快）。
-
JSON Schema 是“硬约束”（适合稳）。
-
Type-Driven 是“工程化约束”（适合大项目）。
6. 相关笔记
- JSON Schema 笔记：最常见的“硬约束”实现方式。
- Function Calling & Tool Use 笔记：工具调用参数也是结构化输出的一种。