很多人在做 API 集成时最头疼的就是大模型偶尔会冒出几句“好的，这是为您生成的JSON：”或者在结尾加个“希望对你有帮助”，直接导致代码 json.loads() 报错崩溃。

我实测下来，单纯在 System Prompt 里写“请只输出 JSON，不要任何解释”在 GPT-4o 上效果尚可，但在 Claude 3.5 Sonnet 或 DeepSeek-V2 上，偶尔还是会出现冗余字符。最稳妥的方案其实是 Few-Shot（少样本提示），给它 2-3 组“输入 → 标准 JSON 输出”的样例，强行通过模式识别来约束它的行为。

对比测试结果如下：

GPT-4o
对指令遵循能力极强，但有时过于“礼貌”。如果不给 Few-Shot，它在处理复杂嵌套 JSON 时，偶尔会为了解释某个字段而破坏格式。加上 2 个样本后，输出的稳定性达到了 100%，且不再出现 Markdown 的

 代码块包裹（如果你的程序不需要解析代码块，这一点很重要）。

**Claude 3.5 Sonnet**
它是目前处理结构化数据最精准的模型。在使用 Few-Shot 之后，它不仅能稳定输出 JSON，而且对字段类型的把控（比如该用数字还是字符串）比 GPT-4o 更严谨。但如果样本给得不够典型，它可能会在 JSON 结尾尝试添加注释。

**DeepSeek-V2**
性价比极高，但对“不准废话”的指令偶尔会失灵。实测发现，DeepSeek 极其依赖 Few-Shot。如果没有样例，它大概率会带上 Markdown 标签；一旦给出 3 组严格的样本，它的输出格式能瞬间对齐，几乎没有冗余字符。

具体的 Prompt 结构建议这样写：

markdown

Role

你是一个结构化数据提取专家。

Constraints

• 仅输出 JSON 字符串
• 严禁包含任何自然语言解释、开场白或结尾语
• 严禁使用 Markdown 代码块包裹

Examples

Input: 提取姓名和年龄：张三 25岁
Output: {"name": "张三", "age": 25}
Input: 提取姓名和年龄：李四 30岁
Output: {"name": "李四", "age": 30}

Task

Input: [这里放你的实际输入]
Output:

**核心避坑指南：**

**不要在样例中使用 Markdown 标签**：如果你希望 AI 直接输出 `{...}` 而不是

json {...} ```，那么你的 Few-Shot 样例里绝对不能出现反引号。

保持 Key 的一致性：样例中的 Key 必须与你最终想要的 Key 完全一致，AI 会通过样本直接复制 Key 的名称，这比你在指令里定义 Schema 要有效得多。

控制样本数量：通常 2-3 个样本就足够了，样本过多反而会占用 Token 导致响应变慢，且在某些模型上会产生过拟合，导致它只会复读样本里的值。