企业官网建设流程全解析

结构化输出（Structured Output / JSON Mode）

指强制 LLM 按预定义 schema 输出，而不是自由文本。实现方式：

• JSON Mode：模型保证输出合法 JSON，但字段结构仍需校验
• Function/Tool Calling：模型输出结构化的tool_call（函数名 + 参数对象），由框架解析执行
• Constrained Decoding / Grammar：在解码阶段用正则/CFG 约束 token，硬保证输出完全符合 schema（如 OpenAI 的response_format、Anthropic 的 tool use、Outlines/Instructor 等）

核心价值：把"模型输出"从不可靠的自然语言变成可被程序直接解析的数据。

在 Agent 工具调用中为什么重要

1. 工具调用依赖严格契约

Agent 要执行search_db(sql=...)、send_email(to=...)，参数必须是合法 JSON。自由文本里混入一个多余逗号、引号或字段名拼错，解析就失败，整个链路中断。

2. 减少"幻觉工具名 / 非法参数"

约束解码能杜绝模型编造不存在的函数名或非法枚举值，从源头降低调用失败率。

3. 可编程、可校验、可重试

• 输出可直接json.loads/ schema 校验，无需正则硬抠。
• 校验失败可精准定位字段并触发局部重试（只重生成错误字段），而非整段重来。
• 便于接入类型系统（Pydantic、Zod），把模型输出当强类型数据用。

4. 支撑多步闭环的稳定性

Agent 是链式决策，前一步输出是后一步输入。结构化输出保证每步的"接口"稳定，误差不会因格式漂移而累积放大。

5. 安全与审计

结构化输出可被 guardrail 规则检查（如"action 字段是否在白名单内"），也便于记录 trace 做审计。

一句话：结构化输出把 LLM 从"会说话的组件"变成"可编程的组件"——Agent 工具调用本质是程序与模型的接口，只有输出可解析、可校验、可重试，多步闭环才能稳定可靠地跑起来。