AI结构化输出提示词：让AI稳定返回JSON/表格/代码格式
简单说：AI结构化输出就是让AI按你指定的格式（JSON、表格、YAML、代码块）稳定返回结果，而不是随便写几句人话。掌握了这招，AI从"聊天搭子"直接升级成你自动化工作流里的一环。
AI结构化输出提示词：让AI稳定返回JSON/表格/代码格式
你有没有遇到过这种情况——让AI"把所有公司信息提取出来"，它倒是回了，但是一段一段的散装文字，根本没法直接复制粘贴到Excel里。你再追问"能给我个JSON吗"，它给的JSON带了三个语法错误。
这就是没做结构化输出控制的典型翻车现场。
结构化输出到底是什么
结构化输出就是把AI的回复限定在预设的格式框架里，比如JSON、CSV、YAML、Markdown表格或代码块。它让你收到的不是"一坨文本"，而是可以直接被程序解析、被脚本处理的结构化数据。
说实话，这可能是提示词工程里ROI最高的技能之一。为啥？因为大部分AI自动化翻车都不出在"AI不懂"，而是出在"AI返回的格式没法用"。你花一小时写完了自动化脚本，AI给你返回了一行不规范的JSON，全白干。
FlowPix编辑部实测了两个月，尝试了各种结构化输出的写法，踩了不少坑。下面按格式类型逐一拆解。
四种主流输出格式的控制技巧
1. JSON输出——最常用也最容易翻车
让AI返回JSON，关键是给Schema而不是只说"返回JSON"。我给过几十次只写"return JSON"的指令，AI返回来的东西大概有一半是格式有问题的。
正确的写法是这样：
请提取以下招聘信息，严格按这个JSON Schema返回，不要加任何解释性文字：
{
"company": "公司名称(string)",
"position": "职位名称(string)",
"salary_range": {"min": "最低薪资(number)", "max": "最高薪资(number)"},
"requirements": ["技能要求(string[])"],
"is_remote": "是否远程(boolean)"
}
招聘信息如下：
[粘贴内容]
注意几个关键点：给出完整Schema而不是只说"返回JSON"、明确标注每个字段的类型、强调"不要加任何解释性文字"（AI很喜欢在JSON前后加一句"好的，这是提取结果："）。
对于复杂JSON，还有一个狠招——给一个完整示例比给Schema更有效：
请按以下格式返回（这是真实示例，请严格模仿）：
{"products":[{"name":"iPhone 16","price":799,"category":"手机"}]}
现在请分析这段文字，按同样格式列出所有产品：
[粘贴内容]
我个人的经验是：对GPT-4o和Claude 3.5 Sonnet用Schema就够了，对DeepSeek和通义千问建议给示例。国产模型在结构化输出跟随度上确实差一截。
2. 表格输出——AI最擅长但大多数人没用好
让AI输出Markdown表格是结构化输出里成功率最高的方式，几乎不会翻车。问题在于大部分人只说"用表格对比"，没告诉AI要对比哪些维度。
用Markdown表格对比以下5款翻译工具，必须包含这些列：
| 工具名称 | 支持语言数 | 免费额度 | API可用 | 翻译质量(1-10) | 一句话评价 |
不要添加表格之外的任何内容。
这种写法基本100%命中。AI对表格指令的遵循度极高，只要你把列定义清楚就行。
3. YAML输出——配置文件生成的利器
YAML格式对AI来说也很顺手，关键是给对缩进结构。我日常用AI生成Docker Compose文件、GitHub Actions配置，几乎没翻过车。
根据以下服务需求，生成一个Docker Compose YAML配置。
服务：Nginx(端口80/443) + MySQL 8.0 + Redis 7
要求：添加健康检查、网络隔离、数据卷持久化
只输出YAML，不要解释。
4. 代码块输出——指定语言是关键
很多人在让AI写代码时不说语言，结果AI给Python而你项目是Go。加上语言标签一步到位：
用Python写一个函数，输入URL列表，并发下载所有文件到本地./downloads/目录。
使用asyncio和aiohttp。
仅输出代码，不要解释。
结构化输出的4个"铁律"
用了半年踩出来的经验，按重要性排序：
| 铁律 | 说明 | 反面教材 |
|---|---|---|
| 1. 禁废话 | 必须写"只输出JSON/表格，不要任何解释"。AI默认会在格式前后加人话。 | 让AI输出JSON，它回"好的，这是你要的数据：{...}"——前面那个"好的"就废了整个解析。 |
| 2. 给Schema | 字段名+类型+说明，越详细越好。Schema是给AI的"数据结构合同"。 | 只说"返回JSON"→AI返回的字段名是你没想到的缩写。 |
| 3. 给示例 | 一个完整的格式示例胜过一百句说明。AI从示例中学格式比从指令中学快得多。 | 写了十行说明，不如一行示例。 |
| 4. 降温 | 结构化输出时temperature设0.1-0.3。高温=高随机性=格式化输出不稳定。 | temperature 0.8时AI可能在JSON里突然插一句人话。 |
其实还有第五条隐藏铁律：用Function Calling代替提示词。如果你的场景允许调API，OpenAI/Anthropic的Function Calling在结构化输出上的稳定性比提示词好十倍。但如果你是ChatGPT网页用户或者用的是不支持Function Calling的平台，上面这四条就是你的全部武器。
实际场景：三个拿来就能用的模板
场景1：从文章里批量提取结构化数据
请从以下文章中提取所有提到的AI工具，严格按此JSON格式返回，不要加任何解释：
[{"tool_name": "", "company": "", "price": "", "category": "", "description_short": ""}]
文章内容：
[粘贴]
场景2：生成SQL建表语句
根据以下业务描述，生成MySQL建表语句。
要求：所有表使用InnoDB引擎、utf8mb4编码、添加合理的索引。
仅输出SQL代码块，不要解释。
业务描述：一个博客系统，包含用户表、文章表、评论表、标签表。
场景3：用AI做数据标注员
你是数据标注员。请对以下10条用户评论做情感分类，严格按此格式逐条返回JSON数组：
[{"id": "评论编号", "sentiment": "positive/negative/neutral", "confidence": "0-1之间的小数", "keywords": ["关键词1","关键词2"]}]
评论列表：
1. 这个产品太好用了，强烈推荐！
2. 发货太慢了，包装也破损了。
...
不夸张地说，这个模板帮我省了至少200小时的手工标注时间。
常见翻车类型及修复方法
| 翻车现象 | 原因 | 修复方法 |
|---|---|---|
| JSON前后有废话 | 没写"不要解释" | 在提示词末尾加粗强调：只输出JSON，不要任何解释 |
| 字段名不一致 | 只说了大概格式 | 给出完整Schema或完整示例 |
| JSON语法错误（多逗号、少引号） | temperature过高 | temperature降到0.1，或加一句"确保JSON语法完全正确" |
| 输出被截断 | 达到max_tokens限制 | 提高max_tokens，或分批处理 |
| 小模型完全无视格式 | 模型能力不足 | 换GPT-4o/Claude 3.5+，小模型对结构化指令跟随度很差 |
常见问题
AI结构化输出是什么意思？
AI结构化输出就是通过提示词控制AI的输出格式，让它返回JSON、表格、YAML、代码块等机器可解析的结构化数据，而不是自由文本。这在自动化工作流、数据提取、API对接等场景中非常有用。
为什么同样的结构化提示词，有时AI返回不对？
主要原因有三个：一是模型能力差异（小模型对格式指令的遵循度低），二是提示词中指令不够具体（只说"返回JSON"但没给Schema），三是温度参数设置过高导致输出随机性强。解决方案：用GPT-4o/Claude 3.5+模型，给JSON Schema示例，温度设到0.1-0.3。
结构化输出和Function Calling有什么区别？
Function Calling是API级别的结构化输出机制，AI模型在训练时就针对工具调用做了专门优化，稳定性极高。提示词级别的结构化输出是给AI用自然语言描述输出格式，灵活但稳定性不如Function Calling。如果你在做生产级应用，优先用Function Calling；如果是个人自动化或轻量场景，提示词方式够用。详见 OpenAI Function Calling文档。
觉得有用的话分享给朋友吧，下一期聊聊提示词注入防御——这玩意比你想象的更常见。