MYAIGC

主题

格式精准控制 ​

你不只是想要一个好答案，更想要以特定方式呈现的好答案——比如JSON、表格、Markdown报告，或者简洁的一句话。本章教你如何精准控制AI的输出格式。

为什么格式控制很重要？ ​

真实场景 ​

想象你正在开发一个应用，需要AI分析用户评论并返回结构化数据：

期望输出：
{
  "sentiment": "positive",
  "score": 8,
  "keywords": ["服务好", "速度快"]
}

如果没有格式控制，AI可能会输出：

这条评论表达了用户对服务的满意。用户认为服务很好，
配送速度也很快。总体来说是正面的评价，我给8分。
关键词有服务好、速度快。

虽然内容是对的，但你的程序无法解析！这就是格式控制的价值所在。

三种主要的格式控制方法 ​

方法一：直接描述格式 ​

用自然语言描述你想要的格式：

分析以下产品评论的情感，以JSON格式输出，包含以下字段：
- sentiment：值为 "positive"、"negative" 或 "neutral"
- score：0到10的整数，代表情感强度
- key_phrases：最多3个关键短语组成的列表
- summary：不超过20字的中文摘要

只输出JSON，不要有任何额外的解释文字。

<review>
这款耳机的降噪效果出乎意料地好，戴上就像进入了另一个世界。
但续航只有18小时有点让人失望，价格也略贵...
</review>

期望输出：

json
{
  "sentiment": "positive",
  "score": 7,
  "key_phrases": ["降噪效果好", "续航偏短", "价格略贵"],
  "summary": "降噪优秀但续航和价格略有不足"
}

方法二：提供模板让AI填写 ​

比起描述格式，直接给一个模板让AI填空更可靠：

请用以下模板生成产品分析报告：

## [产品名称] 分析报告

### 核心优势
- [优势1]
- [优势2]
- [优势3]

### 主要风险
- [风险1]
- [风险2]

### 综合评分
[X/10 分，一句话理由]

---

产品信息：
<product_info>
{在此粘贴产品信息}
</product_info>

方法三：预填充（最强控制） ​

在AI回复的开头预先写入一些内容，强制它从那里继续。这是API开发中最可靠的格式控制方式：

python
messages = [
    {"role": "user", "content": "分析这段代码并输出JSON格式的问题报告。"},
    {"role": "assistant", "content": "```json\n{"}  # 预填充，强制输出JSON
]

同样的技巧也可以用来跳过AI的客套话：

python
# 如果你不想要"当然！我很乐意帮助您……"这类开场白
messages = [
    {"role": "user", "content": "分析这段代码的问题"},
    {"role": "assistant", "content": "以下是分析结果：\n"}
]

常见格式控制场景 ​

场景1：需要JSON数据 ​

✅ 最佳实践
描述字段结构 + 说明"只输出JSON" + 给出示例

请将以下信息转换为JSON格式：

用户信息：张三，28岁，邮箱[email protected]

输出格式示例：
{"name": "张三", "age": 28, "email": "[email protected]"}

只输出JSON，不要有其他文字。

场景2：生成报告/文档 ​

✅ 最佳实践
提供带占位符的Markdown模板

请按以下模板生成项目总结：

# 项目名称：[名称]

## 项目背景
[2-3句话描述背景]

## 主要成果
1. [成果1]
2. [成果2]
3. [成果3]

## 遇到的挑战
- [挑战1]：[解决方案]
- [挑战2]：[解决方案]

## 后续计划
- [计划1]
- [计划2]

场景3：对比分析 ​

✅ 最佳实践
要求以表格形式输出，指定列名

请对比Python和JavaScript，以Markdown表格形式输出：

| 维度 | Python | JavaScript |
|------|--------|------------|
| 类型系统 | [填入] | [填入] |
| 主要用途 | [填入] | [填入] |
| 学习难度 | [填入] | [填入] |
| 运行环境 | [填入] | [填入] |

场景4：简洁回答 ​

✅ 最佳实践
明确限制长度和格式

请用一句话回答：Python为什么流行？

要求：
- 不超过30个字
- 不要解释原因
- 直接给结论

场景5：分步骤说明 ​

✅ 最佳实践
要求按步骤编号，每步限制字数

请说明如何配置Python虚拟环境，按以下格式：

步骤1：[标题]（不超过10字）
[说明，不超过30字]

步骤2：[标题]（不超过10字）
[说明，不超过30字]

...以此类推

格式控制的常见问题 ​

问题1：AI添加了多余的开场白 ​

❌ 输出
当然！这是你需要的JSON：
{"name": "张三"}

✅ 解决方案
添加约束："只输出JSON，不要有任何开场白或解释"
或使用预填充

问题2：格式不够一致 ​

❌ 输出有时是：
{"name": "张三"}
有时是：
name: 张三

✅ 解决方案
提供具体的示例，并明确说明"严格按照示例格式"

问题3：AI擅自修改格式 ​

❌ 你要求表格，AI给了列表

✅ 解决方案
加强约束："必须使用Markdown表格格式，不要使用列表或其他格式"
提供模板

高级技巧：结构化输出API ​

如果你是开发者，可以使用结构化输出功能，让AI严格遵循预定义的Schema：

OpenAI Structured Outputs ​

python
from openai import OpenAI
from pydantic import BaseModel

class AnalysisResult(BaseModel):
    sentiment: str
    score: int
    keywords: list[str]

client = OpenAI()
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "分析这条评论的情感..."}],
    response_format=AnalysisResult  # 强制遵循Schema
)

Claude Tool Use ​

python
import anthropic

client = anthropic.Anthropic()
response = client.messages.create(
    model="claude-4-sonnet",
    messages=[{"role": "user", "content": "分析这条评论..."}],
    tools=[{
        "name": "analysis_result",
        "input_schema": {
            "type": "object",
            "properties": {
                "sentiment": {"type": "string"},
                "score": {"type": "integer"},
                "keywords": {"type": "array", "items": {"type": "string"}}
            },
            "required": ["sentiment", "score", "keywords"]
        }
    }]
)

格式控制检查清单 ​

每次需要控制输出格式时，检查是否：

[ ] 明确说明了格式（JSON/表格/Markdown...）
[ ] 提供了具体的结构示例或模板
[ ] 说明了不需要的内容（"不要有开场白"）
[ ] 对于API调用，考虑使用结构化输出功能

小结 ​

场景推荐做法
需要JSON数据描述字段结构 + 说明"只输出JSON"
生成报告/文档提供带占位符的Markdown模板
对比分析要求以表格形式输出，指定列名
简短直接的答案"用一句话回答" 或预填充答案开头
分步骤说明要求按步骤编号，每步限制字数
API开发使用结构化输出功能

专业建议

当格式很重要时（比如程序需要解析），永远提供示例或模板，不要让AI猜测你想要的格式。

下一步 ​

掌握了格式控制后，让我们学习 思维链与逐步推理，让AI先思考再回答，显著提升复杂问题的准确率。