企业官网建设流程全解析

Gemini JSON输出截断？3档修复策略 + 生产兜底方案一次搞定

【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai

你满心欢喜地json.loads()模型返回的结果，JSONDecodeError直接拍在脸上。打印原文一看，JSON 在数组中间戛然而止——典型的 Gemini JSON输出截断。我在 generative-ai 仓库里把定位、修复、兜底整理成了一套可直接抄的打法。

数据解析一旦失败，下游收到的就是一串坏消息。

展示错乱只是最轻的代价，第一步先看清楚 JSON 是怎么断的。

快速诊断：你的 JSON 到底是怎么被截的

让模型一次枚举几百条记录的，大概率是 token 上限问题。

输出"看着挺全"但解析失败的，先怀疑自由文本里的解释性文字。

三档修复策略（按复杂度递进）

三档是递进关系：从改一行配置，到改输出形式，再到改生成流程，哪档够用就用哪档。

第一档：调参快修

输出体积只略超默认上限的话，给模型更多书写空间就够了。

from google.genai import types # 把 max_output_tokens 顶到模型上限，给 JSON 留足空间 resp = client.models.generate_content( model="gemini-2.0-flash", contents="生成 100 个产品的 JSON 数组，只返回数据", config=types.GenerateContentConfig( max_output_tokens=8192, # gemini-2.0-flash 的输出上限 temperature=0, # 压低随机性，输出更稳 ), )

⚠️ 上限是模型的上限（gemini-2.0-flash 为 8192），参数顶到头也写不出更多 token，再截断就得换输出形式。

JSON 在上限处照样断尾，说明调参解决不了——得让模型别再"写作文"。

第二档：结构化输出锁格式

让模型填表而不是作文：用 FunctionDeclaration 描述你要的 JSON 结构，再用 ANY 模式强制它调用output_json。仓库里的 forced_function_calling 示例 有完整实现，照着抄就能跑。

from google.genai import types cfg = types.ToolConfig( # ANY 模式：强制按 schema 回结构化调用 function_calling_config=types.FunctionCallingConfig( mode=types.FunctionCallingConfigMode.ANY, allowed_function_names=["output_json"])) resp = client.models.generate_content( model="gemini-2.0-flash", contents="生成产品列表并以 JSON 返回", config=types.GenerateContentConfig(temperature=0, tools=[types.Tool(function_declarations=[output_json_schema])], tool_config=cfg)) data = resp.function_calls[0].args # 参数已是结构化数据

⚠️ schema 是契约：字段留成松散 object，模型仍有发挥空间；嵌套大数组时参数照样可能撞上 token 上限。参数设计可参考 function_calling_data_structures 示例。

这一档只解决了"形状"问题。单次要几千条记录时，函数参数本身会爆，只能把任务拆开。

第三档：分片生成拼大图

超大数据一次调用装不下，就把任务拆批：每批单独调用、单独校验，最后在自己代码里拼完整数据。

from google.genai import types def generate_large_json(client, total=5000, chunk=500): items = [] for i in range(0, total, chunk): # 一批一批要，控制每批输出在 token 上限内 resp = client.models.generate_content( model="gemini-2.0-flash", contents=f"生成第 {i} 到第 {i+chunk-1} 条产品数据，只返回 JSON 数组", config=types.GenerateContentConfig(max_output_tokens=8192), ) items.extend(safe_parse_json(resp.text)) # 先校验再合并 return {"total": len(items), "data": items}

⚠️ 分片拿延迟和成本换稳定：批次越多调用越贵，合并时务必核对主键不重复、总条数不缩水。

生成侧稳了之后，最后的安全网在解析侧。

生产环境兜底

三档全做了，生产链路仍需最后一道保险：解析包一层，别让一次截断搞崩整条链路。

import json def safe_parse_json(text): try: return json.loads(text) except json.JSONDecodeError: # 常见截断：尾部缺 } 或 ]，逐个尝试补齐 for suffix in ("}", "]", "}]"): try: return json.loads(text.rstrip() + suffix) except json.JSONDecodeError: continue # 修不好就返回兜底结构，交给上层决策 return {"error": "JSON 解析失败", "raw": text}

补括号只能救"尾部截断"。

字段值本身被截断的（价格写到19就断了）修不了，只能靠重试兜住。

• 解析失败自动重试，分片尺寸调小一档
• 降级返回兜底结构，不直接抛异常
• 原始输出落日志，接入告警通知

避坑速查清单

• 检查 max_output_tokens 是否顶到模型上限
• 把 temperature 设为 0 压低随机性
• 用 ANY 模式强制函数调用出结构化结果
• 超大数组拆分片，每批输出控制在上限内
• JSON 解析包 try/except 加修复逻辑
• 核对 finish_reason 是否撞上 token 上限
• 解析失败时记录原始输出并告警

【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai