3.4 输出格式的定义与约束

输出格式的明确定义是提示词工程的重要环节。清晰的格式约束不仅使输出更易于使用和解析，还能提高输出的一致性和可预测性。本节将介绍如何有效地定义和约束模型的输出格式。

3.4.1 为什么输出格式很重要

提高可用性

结构化的输出可以直接用于后续处理：

非结构化输出：
这款产品评价不错，用户普遍反馈质量好，价格合理，
物流快速，但也有少数人提到包装简陋。

结构化输出：
{
  "overall_rating": 4.2,
  "positive_aspects": ["质量好", "价格合理", "物流快速"],
  "negative_aspects": ["包装简陋"],
  "recommendation": true
}

确保一致性

格式约束使多次调用产生一致的输出结构，便于批量处理和比较。

便于集成

API 调用场景中，结构化输出可以被程序直接解析和使用。

3.4.2 常见输出格式类型

1. JSON 格式

最常用的结构化输出格式，便于程序解析。

请以 JSON 格式输出分析结果：
{
  "category": "产品类别",
  "sentiment": "positive/negative/neutral",
  "score": 0-10 的数值,
  "keywords": ["关键词列表"],
  "summary": "一句话总结"
}

使用技巧：

• 提供完整的 JSON 模板示例

• 明确每个字段的含义和取值范围

• 说明是否允许空值或可选字段

输出格式要求：
以有效的 JSON 格式输出，请确保：
- 所有字符串使用双引号
- 数值类型不使用引号
- 数组可以为空但不能省略
- 字段名使用 snake_case 命名

2. Markdown 格式

适合生成文档、报告等需要阅读的内容。

请使用以下 Markdown 格式输出：

# 主标题

## 1. 第一部分

[内容]

## 2. 第二部分

- 要点一
- 要点二
- 要点三

## 3. 总结

[总结段落]

| 列 1 | 列 2 | 列 3 |
|-----|-----|-----|
| 数据 | 数据 | 数据 |

3. 表格格式

适合对比和罗列信息。

请以表格形式输出，包含以下列：
| 功能名称 | 描述 | 优先级(P0-P3) | 预计工时 |

使用 Markdown 表格或 CSV 格式都可以：

CSV 格式输出：
功能名称,描述,优先级,预计工时
"用户登录","支持邮箱和手机号登录",P0,3 天
...

4. 列表格式

适合罗列要点、步骤等。

请以编号列表形式输出实施步骤，每个步骤包含：
1. **步骤名称**
   - 具体操作
   - 预期结果
   - 注意事项

5. XML 格式

适合层级结构复杂的数据。

请以 XML 格式输出：
<analysis>
  <summary>总结内容</summary>
  <findings>
    <finding priority="high">发现 1</finding>
    <finding priority="medium">发现 2</finding>
  </findings>
  <recommendations>
    <item>建议 1</item>
    <item>建议 2</item>
  </recommendations>
</analysis>

3.4.3 格式约束的设计方法

明确结构模板

提供具体的模板，而非抽象的描述：

❌ 抽象描述：
输出一个包含标题、正文和结论的报告。

✓ 具体模板：
请按以下模板格式输出报告：

---
标题：[简洁的标题，不超过 15 字]

摘要：
[100 字以内的核心观点概述]

正文：
[200-300 字的详细分析]

结论与建议：
1. [第一条建议]
2. [第二条建议]
---

指定长度限制

对各部分的长度设置明确的约束：

输出要求：
- 标题：10 字以内
- 导语：50 字以内
- 正文：每段 100-150 字，共 3 段
- 结语：30 字以内
- 总字数控制在 500 字左右

定义取值范围

对于特定字段，明确允许的取值：

输出字段说明：
- priority: 只能是 "high", "medium", "low" 之一
- score: 1-5 的整数
- status: "pending", "approved", "rejected" 之一
- date: 格式为 YYYY-MM-DD

3.4.4 高级格式控制技巧

预填充技术

通过预填充回复的开头来强制输出格式（特别适用于 Claude）：

用户：分析这段文本的情感倾向。
助手：```json
{"sentiment":

通过预填充 JSON 开头，引导模型继续以 JSON 格式输出。

格式验证提示

要求模型输出后进行自我验证：

请以 JSON 格式输出结果。
输出后，检查 JSON 是否有效，如果发现格式错误，请修正后重新输出。

结构化思维与输出分离

区分思考过程和最终输出：

处理方式：
1. 在 <thinking> 标签内进行分析思考
2. 在 <output> 标签内提供最终结果

最终结果必须是有效的 JSON，不包含任何解释性文字。

请开始处理：

3.4.5 特殊格式需求

代码输出

指定编程语言和代码块格式：

请输出 Python 代码，要求：
- 使用 ```python 代码块包裹
- 包含必要的注释
- 符合 PEP 8 规范
- 包含使用示例

示例格式：
```python
def example_function(param: str) -> dict:
    """
    函数说明

    Args:
        param: 参数说明

    Returns:
        返回值说明
    """

    # 实现代码

    pass

# 使用示例

result = example_function("test")
```

多部分输出

当需要多个输出部分时，清晰分隔：

请输出以下三个部分，用 === 分隔：

第一部分：摘要（50 字以内）
===
第二部分：详细分析（200 字）
===
第三部分： JSON 格式的结构化数据

条件格式

根据不同情况使用不同格式：

输出格式要求：
- 如果找到匹配结果：输出 JSON 格式的详细信息
- 如果未找到结果：输出 “未找到匹配项：” + 原因说明
- 如果发生错误：输出 “处理错误：” + 错误描述

3.4.6 格式一致性保障与检查清单

使用示例强化

提供完整的输出示例：

输入示例：
“这个产品太贵了，质量还行”

期望输出：
{
  “text”: “这个产品太贵了，质量还行”,
  "aspects": [
    {“aspect”: “价格”, “sentiment”: “negative”},
    {“aspect”: “质量”, “sentiment”: “positive”}
  ],
  "overall": "mixed"
}

现在请处理以下输入：
“送货很快，包装也完好”

格式检查清单

在提示词末尾添加检查提醒：

输出前请确认：
□ JSON 格式有效，可以被解析
□ 所有必填字段都已包含
□ 数值在规定范围内
□ 不包含额外的解释性文字

3.4.7 常见问题处理

问题 1：输出包含多余内容

问题：模型在 JSON 前后添加解释文字
解决：
明确要求：只输出 JSON ，不要包含任何其他文字、解释或代码块标记。
或使用预填充技术。

问题 2：格式不完全符合要求

问题：输出的 JSON 字段名与要求不一致
解决：
提供精确的模板，强调字段名必须完全一致：
“字段名必须严格按照示例，包括大小写”

问题 3：嵌套结构错误

问题：复杂的嵌套 JSON 结构容易出错
解决：
1. 简化结构设计
2. 分步骤生成复杂结构
3. 提供完整的正确示例

想一想

1. JSON 和 Markdown 是两种常见的输出格式。在什么场景下你会选择一种而非另一种？

2. 如果你要求模型输出严格格式（如 JSON Schema），但模型偶尔不遵守，你有哪些应对手段？