学习目标：掌握精确控制AI输出的方法，实现结构化输出和质量保障 预计时长：90分钟 前置知识：完成第四课（框架选择与实战）

课程架构图

一、引言：为什么需要输出质量控制？

1.1 非结构化输出的痛点

在实际开发中，直接使用LLM的原始输出会遇到各种问题：

1.2 输出质量控制的核心价值

三大控制维度：

1. 格式控制：指定输出的结构形式
2. 质量验证：确保输出的准确性
3. 持续优化：通过迭代提升效果

二、结构化输出技术

2.1 核心概念

结构化输出（Structured Output） = 让LLM按照预定义的格式返回数据，消除输出歧义。

核心洞察：结构化输出可使API集成效率提升80%，解析错误率降低95%，是生产环境应用的基础。

2.2 常见输出格式

2.3 JSON输出控制

基础方法：Prompt指定

请以JSON格式返回结果，必须包含以下字段：
[
  "title": "文章标题",
  "summary": "内容摘要",
  "tags": ["标签1", "标签2"],
  "word_count": 数字
]

进阶方法：JSON Schema

在Prompt中提供完整的Schema定义：

返回符合以下JSON Schema的数据：

[
  "type": "object",
  "properties": [
    "user_id": ["type": "string"],
    "name": ["type": "string"],
    "age": ["type": "integer", "minimum": 0, "maximum": 150],
    "email": ["type": "string", "format": "email"],
    "skills": [
      "type": "array",
      "items": ["type": "string"]
    ]
  ],
  "required": ["user_id", "name"]
]

实战示例

任务：从文本中提取结构化信息

Prompt：
从以下文本中提取用户信息，以JSON格式返回：

"张三，28岁，软件工程师，擅长Python、JavaScript，
联系方式：zhangsan@example.com"

输出格式：
[
  "name": "姓名",
  "age": 年龄数字,
  "occupation": "职业",
  "skills": ["技能1", "技能2"],
  "email": "邮箱地址"
]