第3篇：《AI的JSON强迫症：我让大模型只回答能解析的格式》

承上：上一篇我们把提示词管得服服帖帖，但AI的回答还是一段自由文本。前端同事说"你返回的文案我直接展示还行，但要做二次处理就得靠正则硬匹配，太不靠谱了"。确实，一个正经的后端接口，返回值怎么能没有Schema？

1. 问题场景：自由文本的"解析地狱"

先看我们现在拿到的AI回复：

用户：帮我查一下订单号ORD123456789的状态

AI回复：
您的订单ORD123456789当前状态是"已发货"，快递单号为SF1234567890，
预计2026年7月25日送达。如有疑问请联系客服。

作为人类读着很舒服，但程序要从中提取 订单状态、快递单号、预计送达时间，就得写一堆正则：

String status = response.replaceAll(".*状态是"", "").replaceAll("".*", "");  // 灾难
String tracking = response.replaceAll(".*快递单号为", "").replaceAll("，.*", "");  // 更灾难

这段代码的脆弱性，任何一个后端老鸟看到都会血压飙升------AI换个说法，解析全崩。

我们需要的是：让AI直接返回JSON，像调一个正经API一样。

2. 方案对比：三种让AI输出结构化数据的方式

Spring AI提供了三种方式，复杂度递增，适用场景不同：

方式	原理	适用场景	可靠性
① Prompt约束	在提示词里说"请返回JSON"	简单场景、快速验证	⭐⭐
② Bean输出	直接让AI映射到Java类	明确的DTO结构	⭐⭐⭐
③ 结构化转换器	自动将结果转为指定类型	复杂嵌套结构	⭐⭐⭐⭐

我们按顺序来，先知道怎么"野路子"做，再学会正经做法。

3. 方式一：Prompt约束（最原始但最灵活）

3.1. 代码实现

package com.yunxi.ai.service;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.stereotype.Service;

@Service
public class ChatService {

    private final ChatClient chatClient;

    public ChatService(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }

    /**
     * 从用户的输入提取用户信息
     * @param message
     * @return
     */
    public String getUserInfo(String message) {
        String prompt = """
                请根据用户输入的信息：%s
                提取姓名，手机号，省，市，区县，详细地址，并严格按照以下JSON格式返回，不要包含任何其他内容
                {
                    "name": "姓名",  
                    "phone": "手机号",
                    "province": "省",
                    "city": "市",
                    "district": "区县",
                    "address": "详细地址"
                }
                只返回JSON，不要解释。
                """.formatted(message);
        return chatClient.prompt()
                .system("你是一个专业的地址提取助手,可以提取用户信息")
                .user(prompt)
                .call()
                .content();
    }
}

3.2. 测试结果

http://localhost:9999/chat/userInfo?message=shiyunxi，17865162833，北京市瑞平家园

返回：

{
	"name": "shiyunxi",
	"phone": "17865162833",
	"province": "北京市",
	"city": "北京市",
	"district": "朝阳区",
	"address": "瑞平家园"
}

看起来完美，但有两个隐患：

1. AI有时候不听话 ：可能返回 好的，这是您要的JSON：{...}，前面多了解释文字
2. 字段可能缺失或改名 ：AI可能自作主张把 name 写成 user_name

4. 方式二：Bean输出（Spring AI原生支持）

Spring AI提供了一个 entity() 方法，可以直接把AI返回的JSON映射到Java类。这才是正经做法。

4.1. 代码实现

package com.yunxi.ai.dto;

import lombok.Data;

@Data
public class UserInfo {
    private String name;
    private String phone;
    private String province;
    private String city;
    private String district;
   

public UserInfo getUserInfoV2(String message) {
        return chatClient.prompt()
                .system("你是一个专业的地址提取助手,可以提取用户信息")
                .user(message)
                .call()
                .entity(UserInfo.class);
    }

@GetMapping("/chat/userInfoV2")
    public UserInfo getUserInfoV2(@RequestParam String message) {
        return chatService.getUserInfoV2(message);
    }

4.2. 测试结果

http://localhost:9999/chat/userInfoV2?message=shiyunxi，17865162833，北京市瑞平家园

返回标准JSON：

{
	"name": "shiyunxi",
	"phone": "17865162833",
	"province": "北京市",
	"city": "北京市",
	"district": "",
	"address": "瑞平家园"
}

关键点 ：.entity(UserInfo.class) 背后做了什么？

1. Spring AI在发送请求时，自动在Prompt里追加了格式约束
2. 收到响应后，用Jackson反序列化成 UserInfo 对象
3. 如果AI返回的不是合法JSON，直接抛异常

5. 方式三：结构化转换器（精准控制Schema）

.entity() 虽然方便，但它对JSON Schema的控制是隐式的。如果你需要精确控制字段类型、必填/可选、描述信息，要用 StructuredOutputConverter。

5.1. 代码实现

@Data
public class UserInfo {

    @JsonPropertyDescription("姓名")
    private String name;
    @JsonPropertyDescription("手机号")
    private String phone;
    @JsonPropertyDescription("省份")
    private String province;
    @JsonPropertyDescription("城市")
    private String city;
    @JsonPropertyDescription("区县")
    private String district;
    @JsonPropertyDescription("详细地址")
    private String address;
}

public UserInfo getUserInfoV3(String message) {
        return chatClient.prompt()
                .system("你是一个专业的地址提取助手,可以提取用户信息")
                .user(message)
                .call()
                .entity(new BeanOutputConverter<>(UserInfo.class));
    }

区别在于 new BeanOutputConverter<>(OrderInfoV2.class)，它会读取 @JsonPropertyDescription 等注解，生成更精确的Schema约束发给AI。AI看到的不再是笼统的"返回JSON"，而是：

Here is the JSON Schema instance your output must adhere to:
```{
  "$schema" : "https://json-schema.org/draft/2020-12/schema",
  "type" : "object",
  "properties" : {
    "address" : {
      "type" : "string",
      "description" : "详细地址"
    },
    "city" : {
      "type" : "string",
      "description" : "城市"
    },
    "district" : {
      "type" : "string",
      "description" : "区县"
    },
    "name" : {
      "type" : "string",
      "description" : "姓名"
    },
    "phone" : {
      "type" : "string",
      "description" : "手机号"
    },
    "province" : {
      "type" : "string",
      "description" : "省份"
    }
  },
  "additionalProperties" : false
}```

这种精确约束下，AI返回的结果会更符合预期。

如何可以通过日志看到请求大模型的数据呢？

5.2. 打印大模型请求日志

5.2.1. 配置内置的 SimpleLoggerAdvisor

这是最快的方式，Spring AI 已经提供了一个现成的日志增强器 SimpleLoggerAdvisor。

在你的 ChatClient 配置中，将它加到 defaultAdvisors() 里就行。

private final ChatClient chatClient;

    public ChatService(ChatClient.Builder builder) {
        this.chatClient = builder
                .defaultAdvisors(new MyLoggerAdvisor())
                .build();
    }

5.2.2. 配置日志级别

这是最关键的一步，也是最容易漏掉的。SimpleLoggerAdvisor 默认用的是 DEBUG 级别，而 Spring Boot 默认日志级别是 INFO，所以不加配置是看不到日志的。

你需要在 application.yml 里把它的包日志级别调低：

logging:
  level:
    # 让这个包的日志打印出来
    org.springframework.ai.chat.client.advisor: DEBUG

6. 避坑指南

6.1. 坑1：AI在JSON前后加了"废话"

好的，根据您的查询，返回结果如下：
{
    "orderId": "ORD123456789",
    ...
}
希望这个结果对您有帮助！

解决方式：

• 方式一（Prompt约束）：在提示词里强调"只返回JSON，不要任何解释"
• 方式二/三（Bean输出）：Spring AI会自动提取JSON块，多数情况下能正确处理
• 终极方案：手动清理，取出第一个 { 和最后一个 } 之间的内容

6.2. 坑2：字段名对不上

AI有时会自作主张改字段名，比如你定义的是 trackingNumber，AI返回 tracking_number。

解决 ：在DTO上加 @JsonProperty 指定多个可能的名称，或在提示词里给字段加描述约束。方式三最靠谱。

6.3. 坑3：必填字段返回null

解决：在提示词里明确"如果某个字段无法确定值，请填入'未知'而不是省略该字段"。

6.4. 坑4：数组/嵌套对象解析失败

如果DTO里有 List<OrderItem> 这样的复杂类型，AI返回的嵌套JSON可能结构不对。

解决：拆分查询，先让AI返回简单的扁平结构，再用多次调用来组装复杂对象。

6.5. 坑5：数值类型返回了字符串

期望 "price": 99.00，AI返回 "price": "99.00元"。

解决 ：在 @JsonPropertyDescription 里明确类型和格式："price（number）：商品价格，纯数字，不含单位"****

7. 本篇小结

这一篇我们解决了"AI返回自由文本不好处理"的问题：

方式	代码量	可靠性	适用场景
Prompt约束	少	一般	快速验证、一次性脚本
.entity(Class)	极少	较高	明确的DTO结构
BeanOutputConverter	略多	最高	需要精确控制Schema

核心心法：把AI当作一个返回JSON的微服务，而不是一个聊天机器人。 用约束取代猜测，用DTO取代字符串切割。

现在我们的AI已经能返回规规矩矩的结构化数据了，但还有一件事让人不爽：每次调用都要等上好几秒才能拿到完整结果，用户体验跟传统HTTP接口没区别。 下一篇，我们来点丝滑的------Stream流式输出，让AI像ChatGPT一样一个字一个字往外蹦。

---

本文与DeepSeek协作完成