JSON（程序间传递结构化数据的文本格式）要稳定，至少要过三层：语法、Schema（规定的字段和类型）和业务语义；少一层，自动化都可能出错。

“请严格输出 JSON”只是自然语言提示。模型按 token（模型处理的文字片段）逐个预测下一字符，并没有天然编译器替我们检查；长输出中一个引号、逗号或层级错误，就可能让整份数据失效。

这是什么

常见问题分三层：语法错误会让解析直接失败；JSON 虽然合法，但字段、类型或必填项不符合 Schema；更危险的是结构看似合理、实际字段不同，程序却可能继续运行，直到下游才发现数据缺失。

工程上可通过受约束解码（只允许模型生成规则内的字符）限制格式，再结合 Schema 设计、应用层校验、失败重试和日志监控。Prompt 应表达任务要求，但不应独自承担格式保证。

行业怎么看

支持者认为，这能把概率模型接成更稳定的软件接口，尤其适合客服、报表和跨系统数据交换。反对意见是，语法与结构校验只能保证“长得对”，无法判断内容是否真实、合理；复杂规则还会带来兼容成本、额外延迟和重试费用。

对普通人的影响

对企业 IT：结构化数据会更多进入采购、财务和客服流程，接口稳定性也随之成为管理问题。

对个人职场：使用 AI 自动生成报告或表格时，工具是否校验字段、保留证据，会比只写一句提示词更重要。

对消费市场：AI 自动填表、分类和调度会更常见；少量校验成本有望换来更少的数据丢失与静默错误。