4.3 输出格式控制

结构化输出是将 AI 的自由文本响应转化为机器可读格式的技术。在金融应用中，这一点尤为重要——无论是提取财务数据、生成分析报告，还是与下游系统集成，都需要可靠的格式控制。

4.3.1 结构化输出设计

结构化输出的核心价值：

• 将不可预测的文本转化为确定性数据
• 简化解析流程，便于与下游系统集成
• 减少模型幻觉的发生概率
• 提高输出的可靠性和一致性

格式选择策略：

输出格式	适用场景	优势	劣势
JSON	API 集成、程序化解析	广泛支持、易于验证	不适合长文本
XML	文档结构、复杂嵌套	自描述性强、Claude 原生支持	冗余度高
Markdown	报告生成、人类阅读	人类可读、格式化渲染	机器解析复杂
表格	数据对比、指标展示	直观清晰	不支持嵌套

4.3.2 JSON 与 XML 格式生成

JSON 格式

JSON 是最常用的结构化输出格式。以下是金融数据提取的示例：

任务：从财务报告中提取关键指标，返回 JSON 格式。

字段说明：
- ticker: 股票代码（如 600519）
- period: 报告期（如 2024Q3）
- revenue: 营业收入（单位：亿元）
- net_profit: 净利润（单位：亿元）
- yoy_growth: 同比增长率

输出格式：
{
    "ticker": "600519",
    "period": "2024Q3",
    "revenue": 398.5,
    "net_profit": 195.3,
    "yoy_growth": "+16.8%"
}

注意：
- 直接输出 JSON，不要使用 Markdown 代码块
- 确保 JSON 格式正确可解析

防御性提示设计：

为了避免格式问题，可以在提示中添加明确的约束：

输出要求：
1. 直接输出有效的 JSON，不要使用代码块
2. 不要添加任何解释性文字
3. 响应必须以 "{" 开头，以 "}" 结尾
4. 确保所有字符串使用双引号
5. 数值不带引号

XML 格式

Claude 对 XML 标签有特殊优化，使用 XML 可以清晰分隔提示的不同部分：

<task>金融新闻情感分析</task>

<context>
你是一位专业的金融分析师，需要分析以下新闻的市场情感。
</context>

<news>
某科技公司发布财报，营收超预期 15%，股价盘后上涨 8%。
</news>

<output_format>
请按以下结构输出：
<analysis>
    <sentiment>positive/negative/neutral</sentiment>
    <confidence>0.0-1.0</confidence>
    <reasoning>判断理由</reasoning>
</analysis>
</output_format>

XML vs JSON 选择建议：

场景	推荐格式	理由
简单数据结构	JSON	更简洁、广泛支持
复杂嵌套文档	XML	自描述性强、层次清晰
Claude 专用应用	XML	Claude 原生优化支持
需要程序处理	JSON	解析库更丰富

4.3.3 模板引擎集成

对于重复性强的报告生成任务，可以将 LLM 输出与模板引擎结合，实现高质量文档的快速生成。

模板引擎的工作原理：

1. 预定义模板：在 Skill 中定义报告模板（Markdown/HTML）
2. 变量占位：使用 {variable} 标记待填充字段
3. 数据填充：将 LLM 生成的结构化数据填入模板
4. 格式渲染：生成最终报告

财务报告模板示例：

# {{company_name}} 财务分析报告

**报告期**: {{report_period}}
**生成时间**: {{generated_at}}

## 一、核心指标

| 指标 | 数值 | 同比变化 |
|------|------|----------|
| 营业收入 | {{revenue}} 亿元 | {{revenue_growth}} |
| 净利润 | {{net_profit}} 亿元 | {{profit_growth}} |
| 毛利率 | {{gross_margin}}% | {{margin_change}} |

## 二、财务比率

- **ROE**: {{roe}}%
- **ROA**: {{roa}}%
- **资产负债率**: {{debt_ratio}}%

## 三、分析结论

{{analysis_summary}}

---
*本报告由 AI 自动生成，仅供参考*

在 Opencode 中的应用：

Opencode 可通过 Skill 实现模板集成：

---
name: report-generator
description: |
  财务报告生成技能。结合模板生成标准化报告。
---

# 报告生成技能

## 工作流程

1. 从用户输入或数据源获取原始数据
2. 调用 LLM 提取结构化指标（JSON 格式）
3. 将 JSON 数据填充到报告模板
4. 输出格式化的完整报告

## 模板文件

模板存放在 `templates/financial_report.md`

## 输出要求

- 先输出结构化 JSON 数据
- 然后输出填充后的完整报告

模板引擎的优势：

优势	说明
格式一致	所有报告遵循统一格式，提升专业性
减少幻觉	数据字段由 LLM 提取，文本框架由模板确定
易于维护	修改模板即可调整所有报告格式
降低成本	模板部分不消耗 token

4.3.4 格式验证与错误处理

即使有明确的格式要求，AI 输出也可能出现问题。常见的格式失败原因及应对策略：

失败类型	检测方法	预防措施
Token 截断	检查响应是否以 } 结尾	max_tokens 设置为预期长度的 1.5 倍
Markdown 包装	检查是否包含 ```	提示中明确「不要使用代码块」
额外解释	检查首字符是否为 {	提示中强调「直接输出 JSON，不要解释」
字段缺失	使用 JSON Schema 验证	提示中列出所有必填字段

迭代纠错策略：

当输出格式不符合预期时，可以要求模型自我纠正：

上一次输出有格式错误，请修正。

错误输出：
{之前的错误输出}

期望格式：
{正确的格式模板}

请只输出修正后的内容，不要任何解释。

注意常见问题

如果 AI 持续输出格式错误，检查以下几点： 1. 格式要求是否足够明确？ 2. 是否提供了格式示例？ 3. 是否禁止了额外解释文字？ 4. max_tokens 是否足够？