dify模型需通过few-shot样本归纳规律并输出严格json报表：提供3～5组真实输入→json对照样本，配置匹配的json schema（required字段须全部出现在所有样本中），系统提示词明确输出约束，最后经三步验证确保格式、结构与类型正确。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让Dify模型根据几条示例数据，自动归纳规律并输出格式严格、字段固定的JSON报表，比如销售汇总、用户行为统计或多级嵌套的财务明细。
准备Few-Shot样本：必须含输入+结构化输出对
在Dify知识库或提示词编辑区中，手动构建3～5组“原始输入→目标JSON”对照样本。每组包含真实业务语句（如“华东区Q1销售额120万，退货率3.2%，新客占比41%”）和对应JSON（含sales_amount、return_rate、new_customer_ratio等字段）。【样本必须全部为真实字段名，不能用placeholder如{{value}}】。样本之间用空行分隔，不要加编号或说明文字。
这一步不能跳过——Dify的Few-Shot机制只识别纯文本块中的隐式映射关系，加注释反而会干扰模式提取。
配置模型输出约束：强制JSON Schema校验
进入应用设置 → 模型配置 → 输出格式，勾选“启用结构化输出”。
在Schema框中粘贴完整JSON Schema，例如：
{ "type": "object", "properties": { "region": {"type": "string"}, "quarter": {"type": "string"}, "sales_amount": {"type": "number"}, "return_rate": {"type": "number"}, "new_customer_ratio": {"type": "number"} }, "required": ["region", "quarter", "sales_amount"] }
【required字段必须与Few-Shot样本中所有JSON都实际出现的键完全一致】。如果某样本漏了return_rate，而Schema里又把它列为required，模型将直接报错中断。
编写系统提示词：用指令锚定输出行为
方法一：显式指令优先
详细的 Three.js 3D 图形参考，涵盖场景设置、相机、几何体、材质、光照、动画、控制器、加载器、数学工具和调试。
在系统提示词首行写：“你是一个报表生成器，严格按以下规则工作：1. 仅输出合法JSON，不带任何解释、引号外文字或Markdown；2. 字段名和嵌套层级必须与Few-Shot示例完全一致；3. 数值字段禁止字符串化（如1200000不能写成'1200000'）。”
方法二：角色绑定法
写：“你现担任企业BI工程师，每日接收运营口述摘要，需立即转为标准API可消费JSON。你的输出将被下游系统直接解析入库，任何格式偏差会导致ETL失败。”
两种方法任选其一，但不可混用。角色绑定法对复杂嵌套结构（如含items数组的报表）容错率略高，因为模型更倾向模仿工程师的严谨表达习惯。
测试与修正：三步验证法
第一步：用一条全新输入测试，检查返回是否为纯JSON且无额外字符。如果不是，回到系统提示词，把“仅输出合法JSON”改为“输出必须是可被Python json.loads()直接解析的字符串”。
第二步：用jsonschema.validate()校验返回体。若报missing required property，说明Few-Shot样本中至少有一条缺失该字段——此时必须补全所有样本，或从Schema中移除该required声明。
第三步：人工比对字段值类型。例如输入“退货率3.2%”，输出中return_rate必须是3.2（float），而非“3.2%”（string）或3.2（未带小数点的int）。【模型常把带%的数字误判为字符串，需在Few-Shot样本中明确写出3.2而非3.2%】。
