144、结构化输出:JSON Mode、Function Calling、Grammars 三种方案对比
144、结构化输出:JSON Mode、Function Calling、Grammars 三种方案对比从一次凌晨三点的事故说起凌晨三点,生产告警炸了。用户上传的简历解析结果里,大模型返回的JSON字段skills变成了"Python, Java, Go"——一个字符串,而不是我们约定的数组。下游的数据库插入直接报错,整条简历入库链路瘫痪了半小时。排查后发现,问题出在Prompt里。我写了“请以JSON格式返回”,但模型偶尔会调皮,把数组写成逗号分隔的字符串。更离谱的是,有一次它返回了{"skills": null},理由是“用户没有填写技能,所以返回null”。我们明明在Prompt里写了“如果为空,返回空数组[]”。这就是结构化输出的核心痛点:你永远无法100%信任大模型会遵守格式约定。哪怕你写了“必须返回合法JSON”,模型也可能在极端情况下给你一个带注释的JSON(没错,JSON标准不支持注释,但模型会写)。JSON Mode:最轻量,但最不靠谱JSON Mode是OpenAI最早提供的结构化方案。你只需要在API调用时设置response_format={"type": "json_object"},模型就会尽力输出JSON。优点

相关新闻

G-Helper完整指南:华硕笔记本轻量级性能控制终极方案

G-Helper完整指南:华硕笔记本轻量级性能控制终极方案

G-Helper完整指南:华硕笔记本轻量级性能控制终极方案 【免费下载链接】g-helper Lightweight Armoury Crate alternative for Asus laptops with nearly the same functionality. Works with ROG Zephyrus, Flow, TUF, Strix, Scar, ProArt, Vivobook, Zenbook, Exp…

2026/7/6 1:33:45阅读更多 →
EfficientNet 冻结训练策略:仅微调最后 2 层,花卉数据集 10 轮达到 95% 准确率

EfficientNet 冻结训练策略:仅微调最后 2 层,花卉数据集 10 轮达到 95% 准确率

EfficientNet 冻结训练策略:仅微调最后 2 层,花卉数据集 10 轮达到 95% 准确率迁移学习已成为计算机视觉领域的黄金标准,特别是当计算资源有限或数据集规模较小时。EfficientNet 作为谷歌提出的高效卷积神经网络家族,通过复合缩放…

2026/7/6 1:33:45阅读更多 →
CUDA 11.8/12.x 安装后验证:5 个命令排查 nvcc、nvidia-smi 版本不一致

CUDA 11.8/12.x 安装后验证:5 个命令排查 nvcc、nvidia-smi 版本不一致

CUDA 11.8/12.x 安装后验证:5 个命令排查 nvcc、nvidia-smi 版本不一致当你完成CUDA工具包的安装后,最令人困惑的莫过于发现nvcc -V和nvidia-smi显示的版本号不一致。这种情况在CUDA 11.8和12.x版本中尤为常见,但不必惊慌——这通常并不意味着…

2026/7/6 1:33:45阅读更多 →
AWS CloudGoat 实战:一个 SSRF 如何撬动整个云账户

AWS CloudGoat 实战:一个 SSRF 如何撬动整个云账户

EC2 元数据服务 IAM 凭证 Lambda S3 全链路复盘 标签:云安全 / 渗透测试 / 红队实战如今的云环境很少因为“软件漏洞”被攻破,更多是栽在配置错误上。其中最典型、也最致命的一类问题就是服务端请求伪造(SSRF)——尤其当云端的…

2026/7/6 2:34:13阅读更多 →
「 简记往来」第二十二篇:冷启动——0用户的第一个月是怎么过来的

「 简记往来」第二十二篇:冷启动——0用户的第一个月是怎么过来的

一、上线第一天,只有3个人用 简记往来上线第一天,用户数:3人。 我、我老婆、一个朋友。 不是“理想很丰满,现实很骨感”——这就是现实。没有流量、没有用户、没有评论,你做了半年的产品,就像扔进大海里…

2026/7/6 2:34:13阅读更多 →
C++笔记之RTTI、反射、RAII简洁笔记

C++笔记之RTTI、反射、RAII简洁笔记

C++笔记之RTTI、反射、RAII简洁笔记 code review! 文章目录 C++笔记之RTTI、反射、RAII简洁笔记 1.RTTI是什么? 2.RTTI是否就是反射? 3.反射是什么? 4.auto 关键字是否就是RTTI? 5.plotjuggler是否就用了反射? 6.举一个简洁简短的示例说明RAII 1.RTTI是什么? RTTI(Run…

2026/7/6 2:34:13阅读更多 →
usbipd-win深度解析:5个核心模块构建的Windows USB设备共享完整架构指南

usbipd-win深度解析:5个核心模块构建的Windows USB设备共享完整架构指南

usbipd-win深度解析:5个核心模块构建的Windows USB设备共享完整架构指南 【免费下载链接】usbipd-win Windows software for sharing locally connected USB devices to other machines, including Hyper-V guests and WSL 2. 项目地址: https://gitcode.com/gh_m…

2026/7/6 2:34:13阅读更多 →
普通人用 AI 做副业还有机会吗?

普通人用 AI 做副业还有机会吗?

最近刷到几个 AI 副业案例:公众号故事多篇破万、小红书学习卡片卖出几百份、抖音图书视频销售额 20 多万。 同样是内容副业,我和很多小白一样,因为没有明确的技能基础,想找一个低门槛副业,却不知道第一步该干嘛。 所以…

2026/7/6 2:34:13阅读更多 →
Batch Normalization 预测阶段实现:3 种 Running Mean/Var 更新策略与误差分析

Batch Normalization 预测阶段实现:3 种 Running Mean/Var 更新策略与误差分析

Batch Normalization 预测阶段实现:3 种 Running Mean/Var 更新策略与误差分析 在深度神经网络训练过程中,Batch Normalization(BN)已经成为不可或缺的组件。然而,当模型从训练阶段切换到预测阶段时,BN 的实…

2026/7/6 2:29:13阅读更多 →
从GitHub安全案例解析常见漏洞与防护实践

从GitHub安全案例解析常见漏洞与防护实践

1. 项目概述:从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目,叫 skills4/skills ,它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景:一个旨在展示或教授某种技能的仓库,本身却成了安…

2026/7/5 0:01:08阅读更多 →
MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

# MLT 2026启示:因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战:从“黑箱预测”到“可信推理”2026年6月,第7届机器学习与趋势国际会议(MLT 2026)将在悉尼召开。会议议程中,“因果与可解释机器学习…

2026/7/5 0:01:08阅读更多 →
通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

1. 项目概述与漏洞背景最近在梳理一些历史OA系统的安全风险时,通达OA v11.6版本中的一个老漏洞又进入了我的视线。这个漏洞位于/general/bi_design/appcenter/report_bi.func.php文件中,是一个典型的SQL注入点。虽然这个漏洞的利用方式看起来并不复杂&am…

2026/7/6 0:10:35阅读更多 →
Seraphine:基于LCU API的英雄联盟智能游戏助手技术解析与应用指南

Seraphine:基于LCU API的英雄联盟智能游戏助手技术解析与应用指南

Seraphine:基于LCU API的英雄联盟智能游戏助手技术解析与应用指南 【免费下载链接】Seraphine 英雄联盟战绩查询工具 项目地址: https://gitcode.com/gh_mirrors/se/Seraphine 技术架构先行:官方接口的合规应用 你是否曾在BP阶段手忙脚乱&#x…

2026/7/6 0:03:39阅读更多 →
多协议远程连接管理工具mRemoteNG:告别混乱,统一你的远程桌面管理

多协议远程连接管理工具mRemoteNG:告别混乱,统一你的远程桌面管理

多协议远程连接管理工具mRemoteNG:告别混乱,统一你的远程桌面管理 【免费下载链接】mRemoteNG mRemoteNG is the next generation of mRemote, open source, tabbed, multi-protocol, remote connections manager. 项目地址: https://gitcode.com/gh_m…

2026/7/6 0:03:39阅读更多 →
COUNT(DISTINCT) 与 GROUP BY 去重统计:5 亿数据量下的性能实测与选型指南

COUNT(DISTINCT) 与 GROUP BY 去重统计:5 亿数据量下的性能实测与选型指南

COUNT(DISTINCT) 与 GROUP BY 去重统计:5 亿数据量下的性能实测与选型指南在数据分析和处理领域,去重统计是最基础也是最频繁使用的操作之一。当数据量达到亿级规模时,不同的去重统计方法在性能上可能产生天壤之别。本文将基于 5 亿行数据的实…

2026/7/6 0:03:39阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/5 1:30:27阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/5 3:48:10阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/5 3:48:09阅读更多 →