博客 • AI / Structured Output

2026 AI Structured Output 是什么？JSON Schema 如何让 ChatGPT、Gemini 输出稳定 JSON

Q: Structured Output 和 JSON Mode 有什么区别？

JSON Mode 只保证输出是合法 JSON 对象，不约束字段和类型。Structured Output 在推理阶段用 JSON Schema 约束 token 生成，使输出严格 conform 到给定 schema——适合生产环境复杂结构。

Q: ChatGPT 和 Gemini 的 Structured Output 配置有什么不同？

OpenAI 用 response_format.type=json_schema 加 strict:true；Gemini 用 response_mime_type=application/json 加 responseSchema。两者底层都依赖 JSON Schema，但 API 字段名和 SDK 写法不同。

Q: 开了 Strict Schema 还需要手动校验吗？

需要。即使 API 层约束了输出格式，生产环境仍建议 try/except 解析 + JSON Schema validate。模型可能偶尔返回空字符串或边缘 case——业务层校验是最后一道防线。

Q: JSON Schema 用哪个版本？

2026 年主流 LLM API 和 MCP 工具契约统一使用 JSON Schema 2020-12。OpenAI Strict Schema 和 Gemini responseSchema 都支持 type、properties、required、enum、additionalProperties 等核心关键字。

JSONNote Team

| 发布于 2026-08-27 | 更新于 2026-08-27 预计阅读 12 分钟

你在接 ChatGPT 或 Gemini API，文档里同时出现response_format.json_schema和 Google 的responseSchema——它们都承诺「结构化 JSON 输出」，但保证程度和使用方式并不相同。

Structured Output（结构化输出）是 2026 年 LLM API 的核心能力：在生成前用JSON Schema（2020-12）声明输出必须有哪些字段、什么类型，让模型输出从「尽量像 JSON」变成「可机器校验的契约数据」。

本文将说明：

2026 年 Structured Output 是什么、为什么成为标配
纯 prompt 输出 JSON 为什么不稳定
JSON Schema 如何在推理阶段约束输出
ChatGPT（OpenAI）Strict Schema 完整示例
Gemini responseSchema 配置与 Python SDK 示例

先记住这一点：「输出 JSON」和「输出符合 schema 的 JSON」是两回事。JSON Mode 只解决前者；Structured Output + Strict Schema 解决后者。下面按「概念 → 为什么不稳定 → Schema 原理 → ChatGPT → Gemini → 路径对比 → 怎么写 → 怎么校验」拆开。

Structured Output 是什么

Structured Output 是 LLM API 的一项能力：你在请求里附带 JSON Schema，模型在生成最终回答时被约束，使输出 conform 到该 schema 定义的字段、类型和必填项。

2026 年，主流模型厂商都已将其作为生产级特性推广：

OpenAI Structured Outputs：gpt-4o 及后续模型支持 json_schema + strict:true，在推理阶段硬约束 token
Google Gemini：gemini-2.0 系列通过 response_mime_type + responseSchema 实现受控 JSON 生成
开源 / 兼容 API：DeepSeek、Anthropic 等也提供 JSON Mode 或 Strict Schema，OpenAI 兼容格式可直接迁移

官方文档：OpenAI Structured Outputs、Gemini JSON Mode。

为什么 LLM 的 JSON 输出不稳定

如果你只在 prompt 里写「请返回 JSON」，常见失败模式如下：

失败模式	典型表现	根因
语法错误	缺引号、尾随逗号、单引号	模型按自然语言习惯生成，未约束 token 序列
字段漂移	同 prompt 两次输出字段名不同	无 schema 契约，模型自由发挥
类型错误	数字变字符串、数组变对象	prompt 描述模糊，无 type 硬约束
多余字段	出现 schema 未声明的 key	无 additionalProperties: false

这些问题在 demo 阶段可以靠重试或二次解析掩盖，但在生产 Agent、数据管道和自动化流程里会直接导致下游崩溃。Structured Output 的目标就是在 API 层消除这些不确定性。

JSON Schema 如何约束模型输出

JSON Schema 是描述 JSON 数据结构的标准。在 Structured Output 场景里，它扮演「输出契约」：

1
声明字段名和类型
properties 里每个 key 对应一个输出字段，type 指定 string / integer / array 等。
2
限定必填与枚举
required 数组列出必填字段；enum 限制取值范围，避免模型「创造性」填值。
3
推理阶段硬约束
Strict Schema 模式下，模型在 token 生成时被 schema 引导——不是生成后再校验，而是生成时就只能产出 conform 的 JSON。

Schema 在 Agent 栈的更多位置（Tool Calling、MCP）见AI Agent 与 JSON Schema 完整解析。

ChatGPT / OpenAI：Strict Schema 实战

OpenAI 从 gpt-4o-2024-08-06 起正式支持 Structured Outputs。核心配置在gpt-4o 及后续模型的response_format 字段：

OpenAI Strict Structured Output 请求

{
  "model": "gpt-4o-2024-08-06",
  "messages": [
    { "role": "user", "content": "Extract product info from this review text." }
  ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "product_review",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "product_name": { "type": "string" },
          "rating": { "type": "integer", "minimum": 1, "maximum": 5 },
          "pros": { "type": "array", "items": { "type": "string" } },
          "cons": { "type": "array", "items": { "type": "string" } }
        },
        "required": ["product_name", "rating", "pros", "cons"],
        "additionalProperties": false
      }
    }
  }
}

关键参数：strict: true开启推理阶段硬约束；additionalProperties: false防止模型添加未声明字段。

DeepSeek 等 OpenAI 兼容 API 也支持相同格式，详见DeepSeek V4-Pro 一文。

Google Gemini：responseSchema 实战

Gemini 2.0 系列（如gemini-2.0-flash）通过responseSchema 实现结构化输出：

Gemini Python SDK — responseSchema

from google import genai
from google.genai import types

client = genai.Client()
response = client.models.generate_content(
    model="gemini-2.0-flash",
    contents="Summarize this customer ticket into structured fields.",
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema={
            "type": "object",
            "properties": {
                "category": {
                    "type": "string",
                    "enum": ["billing", "technical", "account", "other"]
                },
                "priority": {
                    "type": "string",
                    "enum": ["low", "medium", "high"]
                },
                "summary": { "type": "string" }
            },
            "required": ["category", "priority", "summary"]
        }
    )
)
print(response.text)

Gemini 的response_mime_type: application/json 声明 MIME 类型为 JSON；responseSchema 传入 JSON Schema 对象（结构与 OpenAI 的 schema 字段类似）。

三条结构化输出路径对比

2026 年接入 LLM 时，结构化输出通常有三条路径可选：

路径	API 配置	保证什么	适用场景
纯 Prompt	无特殊配置	不保证格式	快速原型、人工阅读
JSON Mode	`response_format: json_object`	合法 JSON 对象	简单提取、字段结构宽松
Structured Output	`json_schema` + `strict: true`	严格 conform 到 schema	生产环境、复杂嵌套结构
Function Calling	`tools[].parameters`	arguments 尽量符合 parameters schema	Agent 工具调用（非最终回答）

2026 年行业趋势见AI Conference 2026 热点梳理。

生产级 schema 写法要点

Structured Output 的成功率高度依赖 schema 质量：

1
每个 property 写 description
模型读 description 决定怎么填值。「City name, e.g. Beijing」比裸字段名准确率高很多。
2
用 enum 而非 description 暗示选项
「可选 low/medium/high」不如enum 可靠。
3
设 additionalProperties: false
OpenAI Strict 模式通常强制此选项；Gemini 也建议在 schema 根对象加上additionalProperties: false。
4
嵌套不要太深
超过 3 层嵌套或大量 oneOf 组合会增加模型出错概率。复杂结构拆成多次 API 调用往往更稳。

校验工作流：API 到业务层

推荐的多层防御流水线：API 层选 Strict Schema → 业务层 parse + validate → 监控层记录 schema 违规率。

Python 校验示例

import json
from jsonschema import validate, ValidationError

SCHEMA = {
    "type": "object",
    "properties": {
        "category": {"type": "string", "enum": ["billing", "technical", "account", "other"]},
        "priority": {"type": "string", "enum": ["low", "medium", "high"]},
        "summary": {"type": "string"}
    },
    "required": ["category", "priority", "summary"],
    "additionalProperties": False
}

def parse_llm_json(raw: str) -> dict:
    try:
        data = json.loads(raw)
    except json.JSONDecodeError as e:
        raise ValueError(f"Invalid JSON: {e}") from e
    try:
        validate(instance=data, schema=SCHEMA)
    except ValidationError as e:
        raise ValueError(f"Schema mismatch: {e.message}") from e
    return data

无论数据来自 ChatGPT、Gemini 还是 DeepSeek，都走同一套 parse → validate → 业务逻辑。开发阶段把 schema 和实际输出贴进 JSONNote 做可视化校验，比 print 调试快得多。

用 JSONNote 调试 Structured Output

Structured Output 开发里最耗时的环节是 debug 模型返回的 JSON。JSONNote 在浏览器本地运行：

1
校验 schema 与输出
把 API 返回的 JSON 和你的 schema 贴进JSON Schema 页面，立刻看到哪些字段不符合契约。
2
格式化 API 响应
用JSON 格式化检查语法错误和缩进问题。
3
对比 prompt 迭代
用JSON Diff 对比两次调用的 structured output 差异，做回归检查。

常见问题

Structured Output 和 JSON Mode 有什么区别？

JSON Mode（response_format.type=json_object）只保证输出是合法 JSON 对象，不约束字段和类型。Structured Output（json_schema + strict:true 或 Gemini responseSchema）在推理阶段用 schema 硬约束输出结构。简单提取用 JSON Mode；生产环境复杂结构用 Structured Output。

ChatGPT 和 Gemini 的配置有什么不同？

OpenAI 用 response_format.type=json_schema，schema 嵌在 json_schema.schema 里，加 strict:true。Gemini 用 response_mime_type=application/json 加 responseSchema 平铺传入。底层都是 JSON Schema，但 SDK 写法不同。

开了 Strict Schema 还需要手动校验吗？

需要。API 层约束不能替代业务层 validate。模型可能返回空 content、网络截断或边缘 case——try/except 解析 + JSON Schema validate 是生产环境的标配。

JSON Schema 用哪个版本？

2026 年 LLM API 和 MCP 工具契约统一使用 JSON Schema 2020-12。支持 type、properties、required、enum、items、additionalProperties 等核心关键字。

Function Calling 和 Structured Output 怎么选？

Function Calling 约束的是 tool_calls.arguments（模型决定调哪个工具）；Structured Output 约束的是模型最终回答的 JSON 结构。Agent 场景两者常组合使用：tools 处理外部动作，Structured Output 处理最终结构化结果。

总结

2026 年 LLM 集成的核心变化可以概括为：

Structured Output 成为标配，JSON Schema 是通用契约语言。

ChatGPT 用 json_schema + strict，Gemini 用 responseSchema——配置不同，原理一致。写好 schema、加上业务层 validate、用 JSONNote 本地调试，是从 demo 到生产的必经之路。

下一步尝试

粘贴 schema，校验模型输出 JSON 格式化 JSON Diff

← 返回博客