如何利用 JSON Schema 强制 LLM 稳定输出复杂的嵌套数据结构

解决这个问题的终极方案是利用 OpenAI 或 Claude 最新的 Structured Outputs (JSON Schema) 模式。不要在 Prompt 里用自然语言描述结构，而是直接传一个标准的 JSON Schema 定义。

以我最近写的一个“自动化需求分析工具”为例，我需要 AI 把一段杂乱的原始需求拆解为：功能模块 -> 具体需求点 -> 验收标准（三层嵌套）。如果只用 Prompt 描述，AI 经常把验收标准直接扁平化写在需求点后面。

我的配置技巧是：定义一个严格的 Schema，并开启 strict: true。

以下是我的 Schema 定义片段（TypeScript 风格，适配 OpenAI SDK）：

const RequirementSchema = {
  name: "requirement_analysis",
  strict: true,
  schema: {
    type: "object",
    properties: {
      modules: {
        type: "array",
        items: {
          type: "object",
          properties: {
            module_name: { type: "string" },
            features: {
              type: "array",
              items: {
                type: "object",
                properties: {
                  feature_desc: { type: "string" },
                  acceptance_criteria: {
                    type: "array",
                    items: { type: "string" }
                  }
                },
                required: ["feature_desc", "acceptance_criteria"],
                additionalProperties: false
              }
            }
          },
          required: ["module_name", "features"],
          additionalProperties: false
        }
      }
    },
    required: ["modules"],
    additionalProperties: false
  }
};

这里有几个实操踩坑点：
1. 必须显式声明 additionalProperties: false。如果不加这一句，LLM 可能会在对象里塞入它认为“有帮助”的额外字段，导致你的强类型解析代码崩溃。
2. 所有属性必须在 required 数组中。在 Strict 模式下，你不能有可选字段，必须全部定义为必填。如果某个字段可能为空，请将类型定义为 ["string", "null"]。
3. 别在 Prompt 里重复描述结构。既然已经传了 Schema，Prompt 里只需要写：“请分析以下需求并按结构输出”，写得越多反而容易产生冲突。

效率提升非常明显。以前我需要写一套复杂的正则或者用 langchain 的 OutputParser 去反复重试（Retry），现在一次请求的成功率接近 100%，且解析速度快了许多，因为省去了冗余的自然语言引导词。

如果是在 Cursor 里调试，建议直接在 .cursorrules 中定义好这种数据交互规范，让 AI 在生成代码时就遵循这个 Schema，这样前后端对接时完全不需要手动对字段名。