JSON režīms un shēmas piespiešana
Šajā lapā
Nodarbība atjaunināta 2026. gada 3. novembrī, pamatojoties uz OpenAI dokumentāciju: parametri
temperatureuntop_ptiek pieņemti tikai ar spriešanas piepūlinone, savukārt GPT-5.6 modeļi pēc noklusējuma veic spriešanu (medium). Tādēļ izsaukumiem, kas iestata šos parametrus, ir jānorādareasoning={"effort": "none"}(Responses API) vaireasoning_effort="none"(Chat Completions). Avoti: Using GPT-6 · GPT-5.6 Terra.
JSON režīms un shēmas piespiešana
OpenAI strukturētā izvade garantē, ka modeļa atbilde ir derīgs JSON, kas atbilst tavai definētajai shēmai. Vairs nav trauslas parsēšanas ar regulārām izteiksmēm vai formāta kļūdām — ierobežojums tiek piemērots tieši ģenerēšanas līmenī.
Šī nianse ir kritiska, un tā maina visu izstrādātājam. Prasība „atbildi JSON formātā” promptā ir lūgums: models to izpilda lielāko daļu laika, bet kādu dienu tas atbildes sākumā pievieno „Lūk pieprasītais JSON:”, ievieto Markdown atzīmes vai aizmirst komatu, un tavs json.loads izraisa izņēmumu ražošanas vidē pulksten 3 naktī nedēļas lielākās partijas apstrādes laikā. Ar strukturēto izvadi ierobežojums darbojas dekodēšanas laikā: tokenu, kas radītu nederīgu vai neatbilstošu JSON, vienkārši nevar izvēlēties. Tu beidz lūgties un sāc piespiest.
JSON režīms pret strukturēto izvadi
OpenAI piedāvā divus ierobežojumu līmeņus, un atšķirība slēpjas vienā vārdā. JSON režīms garantē derīgu JSON bez strukturāliem ierobežojumiem; strukturētā izvade garantē JSON, kas atbilst tavam rakstītajam JSON shēmai.
JSON režīms atrisina tikai pusi problēmas. Tu esi pārliecināts, ka vari parsēt atbildi, bet neesi pārliecināts par tās saturu: models vienā pieprasījumā var nosaukt lauku annee, bet nākamajā — year, vai ietvert savu sarakstu objektā resultats, ko tas iepriekšējā dienā neizmantoja. Prototipam vai neapstrādātam attēlojumam, kas domāts cilvēkam, tas pietiek; tiklīdz izvade baro kodu, kas piekļūst laukiem pēc nosaukuma, tev ir nepieciešams otrais līmenis.
from openai import OpenAI
client = OpenAI()
# Vienkāršs JSON režīms (derīgs JSON, brīva struktūra)
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)
Strukturētā izvade ar JSON shēmu
Šī ir visspēcīgākā funkcija. Tu definē JSON shēmu, un API garantē, ka izvade tai atbildīs. Tālāk minētais piemērs analizē klienta atsauksmes sentimentu un ilustrē trīs papildinošus shēmas izmantošanas veidus.
enum laukā sentiment neļauj modelim izgudrot starpposma kategoriju, piemēram, „drīzāk pozitīvs”: tam ir jāizvēlas viena no četrām norādītajām vērtībām, padarot izvadi tieši izmantojamu filtrā vai informācijas panelī. Lauka score apraksts (description) darbojas kā lokāls mini-prompts, norādot paredzamo skalu, neprasaot to skaidrot vispārīgajās instrukcijās, un tas paliek piesaistīts laukam pat tad, ja prompts mainās. Visbeidzot, masīvs aspects ļauj sadalīt pretrunīgu atsauksmi — šeit produkts patīk, bet piegāde izgāzās —, nevis saplacināt šo niansi vienā rezultātā, kas nevienam nepalīdz.
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)
# Garantēts: result satur tieši definētos laukus
print(f"Sentiment: {result['sentiment']}")
print(f"Score: {result['score']}")
for aspect in result["aspects"]:
print(f" - {aspect['aspect']}: {aspect['sentiment']}")
Noteikumi stingrai strukturētajai izvadei
Režīms strict: true uzliek savus ierobežojumus shēmai. Visiem laukiem ir jābūt norādītiem sadaļā required, un additionalProperties ir jābūt false katram objektam. Atļautie tipi ir string, number, integer, boolean, array, object un null, kā arī enum vērtību ierobežošanai. Tomēr ne pattern, ne minLength/maxLength netiek pieņemti: smalka validācija notiek klienta pusē.
Šie noteikumi pirmajā reizē var šķist pārsteidzoši, jo tie aizliedz opcionālos laukus tā, kā tie parasti tiek rakstīti JSON shēmā. Kompromiss ir ērts: tavam kodam nekad nav jāpārbauda, vai atslēga eksistē; tā vienmēr ir klāt. Laukam, kas likumīgi var būt tukšs — piemēram, telefona numurs, kas trūkst dokumentā, vai beigu datums ongoing līgumam — risinājums nav to izņemt no required, bet gan atļaut tam būt null. Attiecībā uz pattern un garuma robežu neesamību tas signalizē nākamo nodarbību: shēma garantē formu, bet biznesa validācija paliek tavs uzdevums, kad atbilde ir saņemta.
Palīglīdzeklis shēmu veidošanai
Manuāla text.format bloka rakstīšana katram izsaukumam ātri kļūst garlaicīga un pakļauta kļūdām — trūkstoša name atslēga, nepareizi novietots strict, un kļūda nāk no API, nenorādot, kur meklēt. Dažas rindiņas aptverošā koda centralizē struktūru, pēc noklusējuma piemēro zemu temperatūru (jo mainīgums ekstrakcijai neko nedod) un padara izsaukuma vietu lasāmu.
def structured_query(prompt: str, schema: dict,
schema_name: str = "response",
model: str = "gpt-5.6-terra",
system: str = "") -> dict:
"""Aptinējs strukturētās izvades pieprasījumiem."""
response = client.responses.create(
model=model,
reasoning={"effort": "none"}, # temperature prasa 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)
Piemērs: strukturētu datu ekstrakcija
Šis ir lietojuma gadījums, kas viens pats attaisno šīs tehnikas apguvi: rēķina, kas saņemts kā vienkāršs teksts, pārveidošana par objektu, ko izmantot tavā grāmatvedības sistēmā. Shēma apraksta trīs līmeņus — rēķina galveni, ligzdotu vendor objektu un lines masīvu, kur katram elementam ir vienāda forma. Modelim tādēļ ir gan jāatrod informācija, kas izkaisīta visā dokumentā, gan jāievieto tā pareizajā vietā, tostarp rindai, kas izteikta stundās, nevis vienībās, kur vienības cena tiek saprasta kā stundas likme.
Ņem vērā, ka shēmā kopsummas parādās kā lauki, kas jāekstrahē, nevis jāpārrēķina. Mēs lūdzam modelim lasīt; aritmētiskā kontrole notiek vēlāk tavā kodā, kur vienkāršs salīdzinājums starp rindu summu un ekstrahēto total_ht atzīmēs dokumentus cilvēka pārskatīšanai.
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."
)
Ierobežojuma snieguma mērīšana
Piemēro šo principu dokumentam, ko pazīsti labi: definē JSON shēmu, lai ekstrahētu galveno informāciju no dzīvesgājuma apraksta — vārds, pieredze, prasmes, izglītība — un pārbaudi to uz trim vienkārša teksta dzīvesgājuma aprakstiem, kas apzināti izvēlēti to neviendabīgo izkārtojumu dēļ. Pārliecinies, ka izvade atbilst shēmai pat tad, ja kāda sadaļa ir pilnībā iztrūkstoša.
Tad atkārto to pašu ekstrakciju bez strukturētās izvades, vienkārši prasot JSON promptā, un saglabā sešas izvades blakus. Salīdzinot abas sērijas, redzams, ko dod ierobežojums: atšķirība reti slēpjas ekstrahētajā saturā, gandrīz vienmēr — lauku nosaukumu stabilitātē un paredzēto atslēgu esamībā.
Galvenās atziņas
- Strukturētā izvade garantē shēmai atbilstošu JSON jau ģenerēšanas līmenī
- Izmanto
strict: true, lai panāktu maksimālu atbilstību - Visiem laukiem ir jābūt
requiredaradditionalProperties: false - Ideāli piemērots datu ekstrakcijai, klasifikācijai un apstrādes cauruļvadiem
- Smalka validācija (garums, raksts) notiek klienta pusē pēc saņemšanas