Λειτουργία JSON και Επιβολή Σχήματος
Σε αυτήν τη σελίδα
Μάθημα ενημερώθηκε στις 3 Νοεμβρίου 2026 με βάση την τεκμηρίωση της OpenAI: οι παράμετροι
temperatureκαιtop_pγίνονται δεκτές μόνο με προσπάθεια συλλογισμού (reasoning effort) ίση μεnone, ενώ τα μοντέλα GPT-5.6 κάνουν συλλογισμό από προεπιλογή (medium). Επομένως, οι κλήσεις που ορίζουν αυτές τις παραμέτρους πρέπει να καθορίζουνreasoning={"effort": "none"}(Responses API) ήreasoning_effort="none"(Chat Completions). Πηγές: Χρήση GPT-6 · GPT-5.6 Terra.
Λειτουργία JSON και Επιβολή Σχήματος
Η Δομημένη Έξοδος (Structured Output) της OpenAI εγγυάται ότι η απάντηση του μοντέλου είναι έγκυρο JSON που συμμορφώνεται με ένα σχήμα που εσείς ορίζετε. Τέλος οι εύθραυστες αναλύσεις με regex ή τα σφάλματα μορφοποίησης· ο περιορισμός εφαρμόζεται στο ίδιο το επίπεδο παραγωγής.
Αυτή η λεπτομέρεια είναι κρίσιμη και αλλάζει τα πάντα για έναν προγραμματιστή. Το να ζητάτε «απάντησε σε JSON» μέσα στο prompt είναι μια παράκληση: το μοντέλο υπακούει τις περισσότερες φορές, αλλά μια μέρα θα προσθέσει το πρόθεμα «Ορίστε το ζητούμενο JSON:», θα βάλει backticks Markdown ή θα ξεχάσει ένα κόμμα, και το json.loads σας θα πετάξει εξαίρεση στην παραγωγή στις 3 π.μ., κατά τη διάρκεια της μεγαλύτερης δέσμης δεδομένων της εβδομάδας. Με τη Δομημένη Έξοδο, ο περιορισμός εφαρμόζεται κατά την αποκωδικοποίηση: τα tokens που θα παρήγαγαν άκυρο ή μη συμμορφούμενο JSON απλώς δεν μπορούν να επιλεγούν. Σταματάτε να παρακαλάτε και αρχίζετε να επιβάλλετε.
Λειτουργία JSON έναντι Δομημένης Έξοδου
Η OpenAI προσφέρει δύο επίπεδα περιορισμού και η διάκριση hinges σε μια μόνο λέξη. Η Λειτουργία JSON εγγυάται έγκυρο JSON χωρίς δομικούς περιορισμούς· η Δομημένη Έξοδος εγγυάται JSON που συμμορφώνεται με ένα JSON Schema που εσείς γράψατε.
Η Λειτουργία JSON λύνει το μισό πρόβλημα. Είστε σίγουροι ότι μπορείτε να αναλύσετε την απάντηση, αλλά όχι σίγουροι για το περιεχόμενό της: το μοντέλο μπορεί να ονομάσει ένα πεδίο annee σε ένα αίτημα και year στο επόμενο, ή να τυλίξει τη λίστα του σε ένα αντικείμενο resultats που δεν χρησιμοποίησε την προηγούμενη μέρα. Για ένα πρωτότυπο ή μια ακατέργαστη εμφάνιση που προορίζεται για άνθρωπο, αυτό αρκεί· μόλις όμως η έξοδος τροφοδοτεί κώδικα που προσπελάζει πεδία κατά όνομα, χρειάζεστε το δεύτερο επίπεδο.
from openai import OpenAI
client = OpenAI()
# Απλή λειτουργία JSON (έγκυρο JSON, ελεύθερη δομή)
response = client.responses.create(
model="gpt-5.6-terra",
instructions="Always respond in JSON.",
input="List 3 programming languages with their year of creation.",
text={"format": {"type": "json_object"}}
)
import json
data = json.loads(response.output_text)
print(data)
Δομημένη Έξοδος με JSON Schema
Αυτό είναι το πιο ισχυρό χαρακτηριστικό. Εσείς ορίζετε ένα σχήμα JSON και το API εγγυάται ότι η έξοδος θα το τηρήσει. Το παρακάτω παράδειγμα αναλύει το συναίσθημα μιας κριτικής πελάτη και illustrates τρεις συμπληρωματικές χρήσεις του σχήματος.
Το enum στο sentiment εμποδίζει το μοντέλο να επινοήσει μια ενδιάμεση κατηγορία όπως «μάλλον θετικό»: πρέπει να επιλέξει ανάμεσα στις τέσσερις παρεχόμενες τιμές, καθιστώντας την έξοδο άμεσα usable σε ένα φίλτρο ή dashboard. Η description του πεδίου score λειτουργεί ως ένα τοπικό mini-prompt, υποδεικνύοντας την αναμενόμενη κλίμακα χωρίς να χρειάζεται να την εξηγήσετε στις γενικές οδηγίες, και παραμένει συνδεδεμένη στο πεδίο ακόμα και αν το prompt εξελιχθεί. Τέλος, ο πίνακας aspects σας επιτρέπει να αποσυνθέσετε μια αντιφατική κριτική—εδώ, ένα προϊόν που άρεσε αλλά η παράδοση απέτυχε—αντί να συνθλίψετε αυτή την απόχρωση σε μια μοναδική βαθμολογία που δεν βοηθά κανέναν.
response = client.responses.create(
model="gpt-5.6-terra",
input="Analyze the sentiment of: 'The product is excellent "
"but the delivery was catastrophic.'",
text={
"format": {
"type": "json_schema",
"name": "sentiment_analysis",
"schema": {
"type": "object",
"properties": {
"sentiment": {
"type": "string",
"enum": ["positive", "negative", "mixed", "neutral"]
},
"score": {
"type": "number",
"description": "Score from -1.0 (very negative) to 1.0 (very positive)"
},
"aspects": {
"type": "array",
"items": {
"type": "object",
"properties": {
"aspect": {"type": "string"},
"sentiment": {
"type": "string",
"enum": ["positive", "negative", "neutral"]
}
},
"required": ["aspect", "sentiment"],
"additionalProperties": False
}
},
"summary": {"type": "string"}
},
"required": ["sentiment", "score", "aspects", "summary"],
"additionalProperties": False
},
"strict": True
}
}
)
result = json.loads(response.output_text)
# Εγγυημένο: το result έχει ακριβώς τα ορισμένα πεδία
print(f"Sentiment: {result['sentiment']}")
print(f"Score: {result['score']}")
for aspect in result["aspects"]:
print(f" - {aspect['aspect']}: {aspect['sentiment']}")
Κανόνες για Αυστηρή Δομημένη Έξοδο
Η λειτουργία strict: true επιβάλλει τους δικούς της περιορισμούς στο σχήμα. Όλα τα πεδία πρέπει να εμφανίζονται στο required και το additionalProperties πρέπει να είναι false σε κάθε αντικείμενο. Οι επιτρεπόμενοι τύποι είναι string, number, integer, boolean, array, object και null, συν το enum για τον περιορισμό τιμών. Ωστόσο, ούτε το pattern ούτε τα minLength/maxLength γίνονται δεκτά: ο λεπτομερής έλεγχος εγκυρότητας γίνεται στην πλευρά του πελάτη (client side).
Αυτοί οι κανόνες μπορεί να φαίνονται περίεργοι στην πρώτη προσπάθεια, επειδή απαγορεύουν το προαιρετικό πεδίο όπως συνήθως γράφεται στο JSON Schema. Η αντιστάθμιση είναι άνετη: ο κώδικάς σας δεν χρειάζεται ποτέ να ελέγξει αν υπάρχει ένα κλειδί· είναι πάντα εκεί. Για ένα πεδίο που μπορεί νομίμως να είναι κενό—ένας αριθμός τηλεφώνου που λείπει από ένα έγγραφο, μια ημερομηνία λήξης για μια ongoing σύμβαση—η απάντηση δεν είναι να το αφαιρέσετε από το required, αλλά να επιτρέψετε να είναι null. Όσο για την απουσία των pattern και των ορίων μήκους, αυτό σηματοδοτεί το επόμενο μάθημα: το σχήμα εγγυάται τη μορφή, αλλά η επιχειρηματική επικύρωση παραμένει δική σας δουλειά μόλις ληφθεί η απάντηση.
Βοήθημα για τη Δημιουργία Σχημάτων
Η χειροκίνητη συγγραφή του μπλοκ text.format για κάθε κλήση γίνεται γρήγορα κουραστική και επιρρεπής σε τυπογραφικά λάθη—ένα χαμένο κλειδί name, ένα misplaced strict, και το σφάλμα επιστρέφει από το API χωρίς να υποδεικνύει πού να κοιτάξετε. Λίγες γραμμές κώδικα wrapper centralize τη δομή, εφαρμόζουν μια χαμηλή θερμοκρασία από προεπιλογή (καθώς η μεταβλητότητα δεν προσφέρει τίποτα στην εξαγωγή) και καθιστούν το σημείο κλήσης ευανάγνωστο.
def structured_query(prompt: str, schema: dict,
schema_name: str = "response",
model: str = "gpt-5.6-terra",
system: str = "") -> dict:
"""Wrapper for Structured Output requests."""
response = client.responses.create(
model=model,
reasoning={"effort": "none"}, # temperature requires effort none
instructions=system or "Respond in JSON according to the provided schema.",
input=prompt,
text={
"format": {
"type": "json_schema",
"name": schema_name,
"schema": schema,
"strict": True
}
},
temperature=0.1
)
return json.loads(response.output_text)
Παράδειγμα: Δομημένη Εξαγωγή Δεδομένων
Αυτή είναι η περίπτωση χρήσης που από μόνη της δικαιολογεί την εκμάθηση αυτής της τεχνικής: η μετατροπή ενός τιμολογίου που λαμβάνεται ως απλό κείμενο σε ένα αντικείμενο usable από το λογιστικό σας σύστημα. Το σχήμα περιγράφει τρία επίπεδα—την κεφαλίδα του τιμολογίου, ένα nested αντικείμενο vendor και έναν πίνακα lines όπου κάθε στοιχείο έχει το ίδιο σχήμα. Το μοντέλο πρέπει επομένως τόσο να εντοπίσει πληροφορίες scattered σε όλο το έγγραφο όσο και να τις τοποθετήσει στο σωστό σημείο, συμπεριλαμβανομένης μιας γραμμής εκφρασμένης σε ώρες αντί για μονάδες, όπου η τιμή μονάδας νοείται ως ωριαία χρέωση.
Σημειώστε ότι τα σύνολα εμφανίζονται στο σχήμα ως πεδία προς εξαγωγή, όχι προς επανυπολογισμό. Ζητάμε από το μοντέλο να διαβάσει· ο έλεγχος των αριθμητικών πράξεων γίνεται afterward στον κώδικά σας, όπου μια απλή σύγκριση μεταξύ του αθροίσματος των γραμμών και του extracted total_ht θα επισημάνει έγγραφα για ανθρώπινη αναθεώρηση.
invoice_schema = {
"type": "object",
"properties": {
"invoice_number": {"type": "string"},
"date": {"type": "string"},
"vendor": {
"type": "object",
"properties": {
"name": {"type": "string"},
"siret": {"type": "string"},
"address": {"type": "string"}
},
"required": ["name", "siret", "address"],
"additionalProperties": False
},
"lines": {
"type": "array",
"items": {
"type": "object",
"properties": {
"description": {"type": "string"},
"quantity": {"type": "integer"},
"unit_price_excl_tax": {"type": "number"},
"vat_percent": {"type": "number"}
},
"required": ["description", "quantity",
"unit_price_excl_tax", "vat_percent"],
"additionalProperties": False
}
},
"total_excl_tax": {"type": "number"},
"total_incl_tax": {"type": "number"}
},
"required": ["invoice_number", "date", "vendor",
"lines", "total_excl_tax", "total_incl_tax"],
"additionalProperties": False
}
invoice_text = """
Invoice No. 2026-0042
Date: 15/03/2026
Vendor: TechServ SARL, SIRET 123 456 789 00012
12 rue de la Paix, 75002 Paris
- REST API Development x1: 3500.00 EUR excl. tax (VAT 20%)
- Cloud hosting (3 months) x1: 450.00 EUR excl. tax (VAT 20%)
- Technical support x10h: 150.00 EUR excl. tax/h (VAT 20%)
Total excl. tax: 5450.00 EUR
Total incl. tax: 6540.00 EUR
"""
result = structured_query(
invoice_text,
invoice_schema,
schema_name="invoice",
system="Extract the data from this invoice."
)
Μέτρηση του Οφέλους του Περιορισμού
Εφαρμόστε αυτή την αρχή σε ένα έγγραφο που γνωρίζετε καλά: ορίστε ένα σχήμα JSON για να εξαγάγετε βασικές πληροφορίες από ένα βιογραφικό—όνομα, εμπειρία, δεξιότητες, εκπαίδευση—και δοκιμάστε το σε τρία βιογραφικά σε απλό κείμενο επιλεγμένα σκόπιμα για τις ετερογενείς διατάξεις τους. Επαληθεύστε ότι η έξοδος σέβεται το σχήμα ακόμα και όταν μια ενότητα λείπει εντελώς.
Στη συνέχεια, επαναλάβετε την ίδια εξαγωγή χωρίς Δομημένη Έξοδο, ζητώντας απλώς JSON στο prompt, και κρατήστε τις έξι εξόδους δίπλα-δίπλα. Η σύγκριση των δύο σειρών δείχνει τι προσφέρει ο περιορισμός: η διαφορά σπάνια έγκειται στο εξαγόμενο περιεχόμενο, σχεδόν πάντα στη σταθερότητα των ονομάτων πεδίων και στην παρουσία των αναμενόμενων κλειδιών.
Βασικά σημεία
- Η Δομημένη Έξοδος εγγυάται JSON που συμμορφώνεται με το σχήμα στο επίπεδο παραγωγής
- Χρησιμοποιήστε
strict: trueγια μέγιστη συμμόρφωση - Όλα τα πεδία πρέπει να είναι
requiredμεadditionalProperties: false - Ιδανικό για εξαγωγή δεδομένων, ταξινόμηση και pipelines επεξεργασίας
- Ο λεπτομερής έλεγχος εγκυρότητας (μήκος, pattern) γίνεται στην πλευρά του πελάτη μετά τη λήψη