2.6 输出格式控制

Prompt Engineering 的终极目标往往不仅仅是获得“正确”的答案，更是获得“可用”的答案。 对于开发者而言，最令人头疼的就是 Claude 回复了一堆 "Here is the JSON you requested..." 的废话，或者在 JSON 里加了注释导致 JSON.parse 报错。

本节将传授几招确保留下 干净的机器可读输出 (Clean Machine-Readable Output) 的绝技。

2.6.1 核心技术：Prefill

这是 Claude 相比其他 LLM 最独特的优势之一。 在通用的 Chat Completions API (如 OpenAI) 中，通常 Assistant 的消息是由模型生成的。但在 Claude 的 Messages API 中，可以手动代替 Assistant 说“第一句话”。

这就像是在它的嘴边放了一句话，强迫它接下去。

强制 JSON 输出

不要仅仅在 System Prompt 里求它。直接把 { 塞进它的嘴里。

API Payload:

{
  "messages": [
    {"role": "user", "content": "请分析这段文本的情感，输出 JSON。文本：..."},
    {"role": "assistant", "content": "{"} // <--- 关键！
  ]
}

Claude 的反应： 它必须从 { 后面接着写。它不可能再说 “好的，这是你的分析：”，因为 { 已经发出来了。它只能继续生成 "sentiment": "positive"...。

后端拼接：

const response = await callClaude(...);
const fullJson = "{" + response.content[0].text; // 记得把预填充的字符拼回去！

强制 XML 输出

同理，预填充 <root> 标签。

messages=[
    {"role": "user", "content": "..."},
    {"role": "assistant", "content": "<analysis>"}
]

引导思维方向

Prefill 不仅能控制格式，还能控制内容方向。

• User: “给我写个故事。”

• Assistant (Prefill): “这是一个漆黑风暴的夜晚，”

• Claude: “侦探史密斯压低了帽檐...”

2.6.2 移除“废话”

如果无法使用 API 的 Prefill 功能（例如在使用某些第三方客户端），可以通过 Prompt 咒语来减少废话。

负面约束法

<format_instructions>
只输出 JSON。
不要输出 Markdown 代码块标记（如 ```json）。
不要输出任何解释性文字。
如果输出包含 JSON 以外的任何字符，世界就会爆炸。
</format_instructions>

示例示范法

通过 Few-Shot 展示“沉默”的美德。

<example>
    <input>提取姓名</input>
    <output>{"name": "John"}</output>
</example>

2.6.3 标准格式详解

JSON Mode

对于 API 集成，JSON 是王道。建议定义 Schema：

<output_schema>
{
  "type": "object",
  "properties": {
    "summary": {"type": "string"},
    "tags": {"type": "array", "items": {"type": "string"}},
    "score": {"type": "number", "min": 1, "max": 10}
  },
  "required": ["summary", "tags", "score"]
}
</output_schema>

Claude 非常擅长遵循这种类 JSON Schema 的定义。

Structured Outputs (原生结构化输出)

除了通过 Prompt 控制外，Claude API 最新版本原生支持强制结构化输出模式。 这通过工具使用机制（Tool Use）来实现极高可靠性的格式保证：

• 工作原理：开发者在请求中强制要求模型调用某个特定的 "数据提取" 工具，并在 input_schema 中定义必须严格遵循的 JSON 架构。

• 适用场景：必须保证下游数据管道不会因为少了一个逗号而崩溃的场景。

• 可靠性：这比仅仅在 System Prompt 中请求 JSON 准确度更高，因为底层模型经过了专门的微调以满足这些 Schema。

CSV

当需要生成大量数据供 Excel 分析时。

请生成 50 条模拟用户数据。格式：id,name,email,role。
不要包含表头。每行一条。

Markdown 表格

最适合人类阅读的结构化格式。

| ID | Name | Status |
|---|---|---|
...

2.6.4 长度控制

Claude 有时会变得很啰嗦。

目标	Prompt 技巧
极简	"Be extremely concise. No filler words." (极度简洁，无废话)
字数限制	"Strictly under 50 words." (严格控制在50字以内，注意 token vs word 差异)
段落限制	"Answer in exactly 3 bullet points." (确切使用3个要点)
针对性	"Only answer the 'What', ignore the 'Why'." (只答是什么，不答为什么)

2.6.5 Stop Sequences (停止序列)

这是 API 层面的核武器。可以告诉 API：“一看到某个特定字符，就立即切断生成”。

场景：只希望 Claude 填空。 Prompt: Q: 1+1=? A: Stop Sequence: \n

当 Claude 生成 2 后，它想换行写解释，但碰到了 \n，API 强制截断。得到了干净的 2。

---

现在，已掌握了提示工程的所有组件：基础原则、XML 结构、System Prompt、Few-Shot、CoT 和格式控制。 但是，怎么知道写的 Prompt 到底好不好？如何科学地改进它？

➡️ Prompt 优化方法论