结构化输出

介绍为什么 AI 应用需要结构化输出，以及结构化输出在 RAG、工具调用和后端系统中的作用。

大模型最自然的输出是文本，但应用系统最需要的往往不是一段文本，而是可以被程序继续处理的数据。

这就是结构化输出存在的原因。它把模型输出从“看起来像答案”变成“可以被系统校验和执行的结果”。

为什么不能只要自然语言

自然语言适合解释，但不适合直接驱动业务流程。

例如你让模型判断一个用户请求是否需要调用工具。如果模型只回答“需要”，后端还要猜它要调用哪个工具、参数是什么、置信度如何。如果模型输出结构化结果，系统就可以直接校验字段并进入下一步。

结构化输出通常会要求模型返回 JSON：

{
  "intent": "search_document",
  "query": "Agent 和工作流的区别",
  "need_tool": true,
  "confidence": 0.82
}

真正落地时，还要配合 Schema、Pydantic、DTO 或运行时校验。重点不是 JSON 本身，而是让输出有明确字段、类型和约束。

Agent 需要不断做选择：是否检索、调用哪个工具、下一步做什么、是否需要追问用户。

这些选择如果只用自然语言表达，就很难稳定运行。结构化输出可以把模型的中间判断转成系统可以消费的状态，让后端、工作流或 LangGraph 节点继续处理。

结构化输出能提高可控性，但不能消除模型不确定性。

你仍然需要处理这些问题：

所以结构化输出后面必须接校验、重试、拒绝或人工兜底。

结构化输出的价值，不是让模型更像数据库，而是让模型结果能进入后续工程流程。