AI提示词工程（进阶）第11课：结构化输出与格式化控制

📚前言

系统学习提示词，内容大纲如下：

【预告】AI提示词工程从入门到精通教程大纲-CSDN博客

前导课程：

AI提示词工程：初阶6课合集-CSDN博客

AI提示词工程（进阶）第7课：角色设定与身份模拟-CSDN博客

AI提示词工程（进阶）第8课：少样本学习-CSDN博客

AI提示词工程（进阶）第9课：思维链提示（Chain of Thought）-CSDN博客

AI提示词工程（进阶）第10课：思维树与元提示（ToT & Meta Prompting）-CSDN博客

第11课：结构化输出与格式化控制

📌 一句话目标：学会精确控制AI的输出格式，让AI直接输出JSON、Markdown表格、CSV等结构化数据，拿来就能用，不用二次加工。

💬 第10课咱学会了"多方案对比"和"方案先行"。第11课来看一个特别"实用主义"的技术------结构化输出。这课特别适合做数据整理、批量处理、对接工具的人。学会了它，你就再也不用对着AI的一大段文字手动整理表格了。

🖥️ 开场：你被AI的"长篇大论"坑过吗？

你有没有遇到过这种情况------

让AI从一段文字里提取信息，它给你回了一大段话：

复制代码

根据您提供的产品描述，我们可以看出这款产品是一款智能手表，它的价格是1299元，主要功能包括心率监测、血氧检测、睡眠分析等，目标人群是注重健康的年轻上班族......

信息全对，但你得手动把它整理成表格、填进系统、或者转成程序能读的格式。

这中间的"二次加工"，就是纯纯的浪费时间。

如果AI能直接给你这样的输出------

复制代码

{
  "product_name": "智能手表Pro",
  "price": 1299,
  "features": ["心率监测", "血氧检测", "睡眠分析"],
  "target_audience": "注重健康的年轻上班族",
  "sentiment": "positive"
}

复制粘贴就能用，不用改一个字。

这就是这节课要学的------结构化输出与格式化控制。

💬 一句话先记住：结构化输出，就是让AI按你规定的格式输出，而不是让它自由发挥。 学会了这招，AI就从"写手"变成了"数据生产线"。

一、输出格式的类型：AI能输出哪些格式？

💬 这块是基础，知道有哪些格式、各自啥时候用就行。不用背，用的时候回来查。

📌 六种常见格式

格式	是什么	适合场景	例子
纯文本	普通文字	聊天、简单问答	"今天天气不错"
Markdown	带标记的文本	文档、公众号、笔记	`加粗`、`# 标题`
JSON	键值对结构	程序对接、数据交换	`{"name": "张三"}`
XML	标签结构	旧系统对接、配置文件	`<name>张三</name>`
YAML	缩进结构	配置文件、K8s	`name: 张三`
CSV	逗号分隔表格	Excel、数据分析	`张三,25,北京`

💡 怎么选格式？

你的需求	推荐格式
给程序用、要对接API	JSON（最通用）
给Excel/数据分析用	CSV
给人看的文档	Markdown
配置文件	YAML
旧系统对接	XML
简单聊天	纯文本

💬 一句话记住：程序对接用JSON，表格分析用CSV，人看文档用Markdown。 日常工作中，JSON和Markdown是使用频率最高的两个。

二、JSON模式：让AI输出"程序能读"的数据

💬 这节是核心，JSON是结构化输出的"主力军"。学会了它，你就能让AI帮你批量整理数据、生成配置文件、对接各种工具。

📌 什么是JSON？

JSON（JavaScript Object Notation）是一种键值对结构的数据格式。它长这样：

复制代码

{
  "name": "张三",
  "age": 25,
  "city": "北京",
  "skills": ["Python", "SQL", "AI"],
  "is_active": true
}

"name" 是键（key），"张三" 是值（value）
值可以是字符串、数字、数组、布尔值
程序（Python、JavaScript等）都能直接读取它

💡 怎么让AI输出JSON？

关键：在提示词里明确要求"严格按照JSON格式输出"，并给出JSON的结构示例。

复制代码

请从以下产品描述中提取信息，并严格按照以下JSON格式输出：

{
  "product_name": "产品名称",
  "price": "价格（仅数字）",
  "features": ["特性1", "特性2"],
  "target_audience": "目标人群描述",
  "sentiment": "整体情感倾向（positive/neutral/negative）"
}

产品描述：这款智能手表采用AMOLED高清屏幕，支持心率、血氧、睡眠三大健康监测功能，续航长达14天，售价1299元，主要面向注重健康的年轻上班族，用户反馈普遍积极。

AI会直接输出：

复制代码

{
  "product_name": "智能手表",
  "price": "1299",
  "features": ["心率监测", "血氧检测", "睡眠分析"],
  "target_audience": "注重健康的年轻上班族",
  "sentiment": "positive"
}

💬 关键点：你给的JSON结构示例越完整，AI输出的越规范。 字段名、类型、嵌套结构，都要在示例里写清楚。

⚠️ 常见问题：AI输出的JSON不合法怎么办？

有时候AI会输出这种"半吊子"JSON：

复制代码

{
  "product_name": "智能手表",
  "price": 1299,
  "features": 心率监测、血氧检测、睡眠分析,
  "target_audience": "注重健康的年轻上班族",
  "sentiment": "positive"
}

注意 features 那行------没有用方括号，值也不是数组格式。这种JSON程序读不了。

解决办法：让AI修正并重新输出。

复制代码

你输出的JSON格式不合法。请修正以下问题：
1. "features"字段必须是数组格式，用方括号包裹，每个元素用引号包裹
2. 请重新输出完整的JSON，不要添加任何额外文字

请重新输出：

💬 记住这个"纠错"套路：指出问题 → 明确要求 → 让它重新输出。 别跟AI客气，直接说清楚哪里错了、怎么改。

三、Schema约束：给JSON"上规矩"

💬 这块稍微进阶一点，但特别实用------尤其是你要让AI批量生成大量JSON的时候。先别被"Schema"这个词吓到，其实就是"给JSON定个模板"。

📌 什么是JSON Schema？

JSON Schema，就是预先定义好JSON的结构规则------哪些字段必须有、什么类型、哪些可选。

复制代码

请根据以下JSON Schema生成数据：

{
  "type": "object",
  "required": ["id", "name", "price"],
  "properties": {
    "id": { "type": "integer" },
    "name": { "type": "string" },
    "price": { "type": "number" },
    "category": { "type": "string", "enum": ["电子", "服饰", "食品"] },
    "tags": { "type": "array", "items": { "type": "string" } }
  }
}

请为以下商品生成符合上述Schema的JSON：
商品：无线蓝牙耳机，售价299元，属于电子类，标签是"降噪""便携"

AI会输出：

复制代码

{
  "id": 1,
  "name": "无线蓝牙耳机",
  "price": 299,
  "category": "电子",
  "tags": ["降噪", "便携"]
}

💡 Schema约束的价值

好处	说明
字段必填	用 `required` 强制AI不能漏字段
类型校验	用 `type` 强制AI输出正确的数据类型
枚举限制	用 `enum` 限制AI只能从指定值里选
批量一致	批量生成时，所有输出结构完全一致

💬 打个比方：Schema就像"答题卡"------规定了每个空填什么、什么格式。AI照着填，你收上来就能直接批改。没有Schema，AI就是"自由发挥写作文"，你收上来还得自己判卷。

✅ 一句话总结

JSON模式让AI输出结构化数据，Schema约束让结构化数据"有规矩"------字段必填、类型正确、值有范围。两者结合，AI就成了你的"数据生产线"。

四、实操：三大场景实战

💬 这节是动手环节，三个场景覆盖了结构化输出的主要用法。建议都试一遍，尤其第一个------它是最常见的需求。

🖥️ 场景1：从非结构化文本提取结构化数据

让AI从一段新闻里提取人物、地点、事件：

复制代码

请从以下新闻中提取信息，并严格按照JSON格式输出：

{
  "date": "日期",
  "location": "地点",
  "people": ["涉及人物"],
  "organizations": ["涉及机构"],
  "event": "事件概述（50字以内）",
  "impact": "影响（100字以内）"
}

新闻：2024年3月15日，在深圳举办的全球人工智能大会上，华为发布了新一代AI芯片昇腾910C。该芯片在推理性能上较上一代提升50%，多家国内云计算厂商宣布将采用该芯片建设数据中心。业内专家认为，这将加速国产AI算力生态的成熟。

试一下，看AI输出的JSON是否完整规范。

💡 观察重点： 注意"people"和"organizations"是不是数组格式？"event"和"impact"有没有超过字数限制？如果AI漏了字段，用"纠错套路"让它补上。

🖥️ 场景2：生成符合特定Schema的JSON

让AI批量生成产品信息：

复制代码

请为以下5个产品生成JSON数据，必须严格符合以下Schema：

{
  "type": "object",
  "required": ["name", "price", "category", "rating"],
  "properties": {
    "name": { "type": "string" },
    "price": { "type": "number" },
    "category": { "type": "string", "enum": ["电子", "服饰", "食品", "家居"] },
    "rating": { "type": "number", "minimum": 1, "maximum": 5 },
    "features": { "type": "array", "items": { "type": "string" } }
  }
}

产品列表：
1. 智能扫地机器人，1899元，电子类，评分4.5，支持自动回充和APP控制
2. 纯棉T恤，79元，服饰类，评分4.2，透气舒适，多色可选
3. 有机燕麦片，39元，食品类，评分4.8，无添加，高纤维
4. 记忆棉枕头，129元，家居类，评分4.6，护颈，可水洗
5. 便携蓝牙音箱，299元，电子类，评分4.3，防水，续航20小时

请输出一个包含5个对象的JSON数组。

试一下，看AI能否生成结构一致的批量数据。

💡 观察重点： 5个产品的JSON结构是否完全一致？"category"有没有超出枚举范围？"rating"是否在1-5之间？批量生成时，Schema约束的价值就体现出来了------所有输出结构统一，直接就能导入程序。

🖥️ 场景3：Markdown表格的精确控制

让AI输出指定列数的Markdown表格：

复制代码

请将以下数据整理为Markdown表格，要求：
- 表头为：产品名称 | 价格 | 评分 | 推荐理由
- 共5行数据
- 价格保留整数
- 评分保留1位小数
- 推荐理由不超过20字

数据：
1. 智能扫地机器人，1899元，评分4.5，自动回充省心省力
2. 纯棉T恤，79元，评分4.2，透气舒适性价比高
3. 有机燕麦片，39元，评分4.8，健康早餐首选
4. 记忆棉枕头，129元，评分4.6，护颈助眠效果好
5. 便携蓝牙音箱，299元，评分4.3，防水便携音质好

AI会输出：

复制代码

| 产品名称 | 价格 | 评分 | 推荐理由 |
|---|---|---|---|
| 智能扫地机器人 | 1899 | 4.5 | 自动回充省心省力 |
| 纯棉T恤 | 79 | 4.2 | 透气舒适性价比高 |
| 有机燕麦片 | 39 | 4.8 | 健康早餐首选 |
| 记忆棉枕头 | 129 | 4.6 | 护颈助眠效果好 |
| 便携蓝牙音箱 | 299 | 4.3 | 防水便携音质好 |

试一下，看AI是否严格按你的要求输出。

💡 观察重点： 表头是否完全一致？价格有没有小数？评分是不是1位小数？Markdown表格的控制要点是"把列名、行数、格式要求全部写清楚"。

五、格式错误的处理：AI不听话怎么办？

💬 这节是"救场指南"。AI偶尔会不按格式输出，别慌，有几个招能把它拉回来。

📌 四步纠错法

第一步：明确指出错误

复制代码

你输出的格式不符合要求。

第二步：说明具体问题

复制代码

问题：1. 缺少"price"字段 2. "features"不是数组格式

第三步：给出正确示例

复制代码

正确格式应为：
{
  "product_name": "产品名称",
  "price": 0,
  "features": ["特性1", "特性2"]
}

第四步：要求重新输出

复制代码

请严格按照以上格式重新输出，不要添加任何额外文字。

💡 预防格式错误的三个技巧

技巧	说明
给示例	在提示词里给出完整的JSON示例，AI照着填
加约束	明确写"不要输出任何解释文字，只输出JSON"
分步要求	复杂任务先让AI提取数据，再让AI转格式

💬 一句话记住：格式错误不可怕，可怕的是不会"纠错"。 用四步纠错法，把AI拉回正轨，比重新问一遍省事多了。

本课小结

📌 今天学了啥

知识点	一句话回顾
六种格式	纯文本、Markdown、JSON、XML、YAML、CSV------各有用处
JSON模式	在提示词里给JSON示例，AI就能输出结构化数据
Schema约束	用required/type/enum给JSON"上规矩"，批量生成也一致
四步纠错法	指出错误→说明问题→给示例→要求重出
三大场景	文本提取、批量生成、Markdown表格------覆盖主要用法

📌 三个核心认知

结构化输出是"效率利器"------让AI直接输出能用的格式，省掉二次加工
示例和Schema是"双保险"------给示例让AI知道格式，给Schema让AI不敢乱来
纠错能力是"必备技能"------AI不听话是常态，会纠错才是真本事

课后练习

💬 练习都动手做一遍，尤其第一个------它是最常见的需求，练熟了能省你大量时间。

📌 练习1：文本提取

找一段你手头的文字（新闻、产品介绍、简历都行），让AI按JSON格式提取关键信息。

要求： 至少包含5个字段，且必须用数组格式输出"列表类"字段。

📌 练习2：批量生成

设计一个Schema（比如"用户信息"、"订单信息"），让AI批量生成5条符合Schema的数据。

观察重点： 5条数据的结构是否完全一致？有没有字段缺失或类型错误？

📌 练习3：纠错实战

故意给AI一个"不完整"的JSON示例（比如少一个字段），看它会不会漏字段。如果漏了，用四步纠错法让它补上。

观察重点： 四步纠错法能不能把AI拉回正轨？

下节预告

🖥️ 第12课：多轮对话与上下文管理

第11课咱学会了"让AI输出能用的格式"。第12课来看一个"越聊越偏"的问题------多轮对话与上下文管理。

你有没有遇到过：跟AI聊了十几轮，它突然忘了你最开始的要求？或者聊着聊着，它开始答非所问？这就是"上下文管理"没做好。

下节课咱会讲：AI的记忆到底有多长？为什么长对话会"失忆"？怎么让AI在多轮对话中不跑偏？什么时候该开新对话？

🎯 进阶阶段第5课完成，还剩3课。越到后面越实用，继续走。