大模型返回 JSON 后，先过这道 Python 校验

让大模型"只返回 JSON"，往往只是接入工作的第一步。业务代码真正需要的是：字段齐全，类型正确，取值落在约定范围内，而且失败时能够停下来。

例如，下面这段内容可以被 Python 的 json.loads 解析：

json 复制代码

{"title":"整理笔记","priority":"2","done":false,"tags":[]}

但如果下游要求 priority 是 1～3 的整数，这里的字符串 "2" 就不合格。直接入库或交给后续程序，错误只是被推迟了。

这次做一个不依赖第三方库的小实验：为"从文字中提取待办事项"设计一份固定格式，再用 25 个手工构造的输入检查验收逻辑。**没有调用真实模型 API，也没有测任何模型的正确率。**这里验证的是应用接到文本后，能否按自己的约定接受或拒绝它。

先写清楚要收什么

假设每次只接收一条待办，根节点必须是对象，且只有下面四个字段：

字段	本例约定
title	字符串，去掉首尾空白后的长度为 1～80
priority	整数 1～3；不接受布尔值，也不把字符串自动转成数字
done	布尔值 true 或 false
tags	数组，最多 3 项；每项是去掉首尾空白后长度为 1～20 的字符串

这些长度和取值是这个示例的业务选择，不是 JSON 通用标准。代码检查长度时调用 strip()，返回的内容仍保留原文，不会悄悄修改标题或标签。重复标签在本例中允许。

缺字段就拒绝，多出 command 之类的字段也拒绝。这样下游拿到的是明确约定的四个字段，而不是一份"看着差不多"的对象。

一个容易漏掉的类型问题

在 Python 中，下面的表达式返回 True：

python 复制代码

isinstance(True, int)

因此，只写 isinstance(priority, int) 不能排除布尔值。本例用 type(priority) is int，明确区分 2、2.0、"2" 和 true，只接收第一个。

另一个问题发生在解析阶段：Python 的 JSON 解码器默认能够接收 NaN 等非标准数值，同名字段默认保留最后一个值。本例使用公开的 parse_constant 和 object_pairs_hook 参数，在它们进入业务对象前拒绝。不是修改解析器内部状态。

完整脚本：先解析，再检查约定

把下面代码保存为 validate_task.py。示例仅使用 Python 标准库，命令是 python validate_task.py。

python 复制代码

"""Validate a synthetic task JSON response before downstream use."""
import json


def reject_constant(value):
    raise ValueError(f"JSON: non-standard number {value}")


def unique_object(pairs):
    result = {}
    for key, value in pairs:
        if key in result:
            raise ValueError(f"JSON: duplicate key {key!r}")
        result[key] = value
    return result


def validate_task(raw):
    if len(raw.encode("utf-8")) > 20_000:
        raise ValueError("JSON: input exceeds 20000 UTF-8 bytes")
    obj = json.loads(raw, object_pairs_hook=unique_object,
                     parse_constant=reject_constant)
    if type(obj) is not dict:
        raise ValueError("$: expected object")
    expected = {"title", "priority", "done", "tags"}
    missing, extra = expected - obj.keys(), obj.keys() - expected
    if missing or extra:
        raise ValueError(f"$: missing={sorted(missing)}, extra={sorted(extra)}")
    title = obj["title"]
    if type(title) is not str or not 1 <= len(title.strip()) <= 80:
        raise ValueError("$.title: expected nonblank string, 1..80 after strip")
    priority = obj["priority"]
    if type(priority) is not int or not 1 <= priority <= 3:
        raise ValueError("$.priority: expected integer 1..3, not bool")
    if type(obj["done"]) is not bool:
        raise ValueError("$.done: expected boolean")
    tags = obj["tags"]
    if type(tags) is not list or len(tags) > 3:
        raise ValueError("$.tags: expected array, at most 3 items")
    for index, tag in enumerate(tags):
        if type(tag) is not str or not 1 <= len(tag.strip()) <= 20:
            raise ValueError(f"$.tags[{index}]: expected nonblank string, 1..20 after strip")
    return obj


if __name__ == "__main__":
    samples = {
        "valid": '{"title":"整理笔记","priority":2,"done":false,"tags":["Python"]}',
        "string_priority": '{"title":"整理笔记","priority":"2","done":false,"tags":[]}',
        "bool_priority": '{"title":"整理笔记","priority":true,"done":false,"tags":[]}',
        "duplicate_key": '{"title":"A","title":"B","priority":2,"done":false,"tags":[]}',
    }
    for name, raw in samples.items():
        try:
            validate_task(raw)
            print(f"{name}: ACCEPT")
        except ValueError as error:
            print(f"{name}: REJECT {error}")

实际运行结果

四个演示输入的实际输出如下：

text 复制代码

valid: ACCEPT
string_priority: REJECT $.priority: expected integer 1..3, not bool
bool_priority: REJECT $.priority: expected integer 1..3, not bool
duplicate_key: REJECT JSON: duplicate key 'title'

除此之外，本地另运行了 25 项合成用例，25 项结果与预期一致。其中 3 项应接收、22 项应拒绝，覆盖了字符串/布尔/浮点优先级、缺字段、多字段、边界长度、标签类型和数量、根节点为数组、Markdown 代码围栏、尾随文字、重复字段、NaN、Infinity 和超长 UTF-8 输入。

本地实际解释器是 Python 3.10.6。这是本次实验环境记录；没有据此声称验证过其他版本或所有异常输入。25/25 是这组用例的验收结果，不代表模型准确率，也不是安全性保证。

建议自己复做时，先运行上面的四个样例，再把 done 改为字符串 "false"，或删掉 tags，确认它们确实被拒绝。最后再试边界：标题 80 个字符与 81 个字符、标签 3 项与 4 项，分别观察结果。

接到模型输出以后怎么处理

在流程中把 validate_task(raw_response) 放在入库、生成文件、调用其他工具之前。成功时返回对象；失败时捕获 ValueError，记录原始响应与错误位置，再进入明确的修正或人工处理分支。真实响应日志可能包含隐私，保存前要按实际数据要求处理。

不要为了提高"通过率"，直接用字符串替换把 "false" 变成布尔值，或者悄悄删掉多余字段。确实需要容错转换时，可以单独定义转换规则，并保留转换前后的记录。本例选择严格拒绝，不实施自动修复。

若要让模型重新生成，应限制尝试次数，并明确告诉它是哪条格式约定没通过。重新生成也只是得到下一份待验证的文本，不能跳过校验。这里没有演示真实重试调用。

这道校验还管不到什么

它检查的是结构和有限的业务约定。标题即使是错误的事实、恶意指令或无意义文本，只要符合长度与类型，仍可能通过。通过校验不表示可以把字符串当作程序执行，更不代表已经取得文件写入或外部操作权限。

20,000 字节的输入上限只是一道简单限额，不是完整的资源隔离；代码也没有实现嵌套深度控制、流式解析或通用 JSON Schema。复杂对象、跨字段关系、日期语义与业务事实，需要另加适合该场景的检查。

如果你的工作流还会产生付费、发文等外部动作，也要单独管理授权、重复提交与结果未知状态。结构正确和操作允许，是两项不同的判断。

文档参考：Python JSON 标准库文档，其中说明了解码参数、非标准数值、重复字段和输入资源限制。本例的业务约定、代码和结果来自上述本地实验。

创作说明：AI 辅助创作。示例已编写并验证。