结构化输出

让模型输出符合规定结构，再由应用校验语义。

结构化输出把回答组织成应用能够处理的字段，但格式正确并不等于业务正确。JSON能解析、符合schema和符合事实，是三个层次。企业应决定每个字段的类型、含义、缺失行为和验证方式，而不是只要求模型“返回JSON”。

供应商对严格schema的支持范围可能不同，一些关键字、联合类型、可选字段或原生工具组合需要独立验证。Pydantic等类型系统可帮助构建合同，但类型强制转换也可能掩盖输入错误。金额、日期、单位和枚举应有明确口径，不让字符串被宽松解释后悄悄改变含义。

输出合同应容纳拒绝、证据不足、部分完成和截断，不能逼模型在未知时填看似合法的值。法律研究的citation字段要带原文定位与适用边界，财报指标带期间币种和公式，教学观察带证据与不确定性。一个字段叫confidence，并不意味着数值经过校准。

应用先验证结构，再做确定性和语义检查。计算结果复算、资源存在、引用支持和权限检查可以独立执行；解释质量需校准judge或专家。修复schema错误要限次数，若修复改变了已批准的动作，应重新审批。不能为了通过parser而删除重要未知或错误状态。

流式界面可逐步展示候选字段，但提交业务结果需要完整对象校验。模型输出到一半被中断，不能把缺少后半部分的对象当最终报告。保存原输出和修复轨迹，有助区分模型问题、adapter问题与schema设计问题。

测试覆盖中文、时区、小数、极值、空列表、未知枚举、refusal和输出上限，并添加“结构合格但语义错”的反例。最终验收结合任务成功与严重错误，不能用schema通过率替代Agent质量。

面向用户的最终展示应保留不确定性，不能在排版时删掉结构中的unknown或证据不足字段。

实践重点：区分JSON可解析、schema合规与业务正确；拒绝和截断是独立状态。

验证抓手：测试中文、日期、数值、enum、refusal与不完整输出。

常见误区：格式正确就默认金额、引用或学生评分正确。

OpenAI Agents SDK：模型与provider；Pydantic AI：Harness能力边界。