国内大模型 JSON 结构化输出表现与实测
V2EX 社区近期围绕国内大模型在 JSON 结构化输出（json_object/json_schema）上的表现展开了讨论。在实际业务接入中，OpenAI 和豆包等模型在未超长的情况下，能够严格按预期字段和类型输出合法的 JSON。随着通义千问和 DeepSeek 等模型的引入，开发者开始重点关注其在仅支持 json_object 模式时的语法合法性与字段约束能力，这为依赖稳定结构化数据输入的 AI 应用开发提供了有价值的参考。
国内主流大模型 JSON 输出能力实测
基于 V2EX 社区的开发者实际接入经验，讨论了国内大模型在 JSON 结构化输出（json_object 与 json_schema）上的表现。在不超出长度限制的前提下，多数模型在支持 json_schema 时能保证格式合法，并严格遵守字段名与数据类型。同时，针对 Qwen、DeepSeek 等仅支持 json_object 模式的模型，开发者们就其合法性、格式校验及生产环境的实际表现展开了技术交流。
老系统维护中，如何用AI高效处理复杂需求
在维护老系统时，面对第三方复杂的嵌套JSON数据解析及频繁变更的需求，开发者常遇到“与AI沟通成本过高”的痛点。单纯用自然语言描述字段映射关系（如“a代表X”）往往导致提示词反复拉扯，效率低下。针对这一问题，行业最佳实践建议改变交互方式：首先，直接提供上下文，将原始JSON样本、现有解析代码及期望输出结构输入给AI；其次，采用Few-Shot（少样本）提示，给出几组输入与输出的对照示例，让大模型自行推导映射规则；最后，利用Schema约束，通过定义TypeScript类型或JSON Schema来规范输入输出。这种“以数据和代码代替自然语言”的策略，能显著减少Prompt调试时间，提升AI在老系统维护中的实用价值。