必须配置response_format={"type": "json_object"}参数并配以严格system prompt，支持模型包括ark-code-latest等，不支持者需用tools模拟；system prompt须三步：声明角色、定义字段、禁用自由发挥；接收后需校验并清洗非法字符。
☞☞☞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☜☜☜
要在火山引擎上让模型严格输出标准 JSON 格式，避免返回 Markdown 代码块、自然语言解释或不合法的 JSON 字符串，必须正确配置请求参数与系统提示词，否则模型可能自行包裹```json```或混入说明文字。
确认模型是否支持 JSON 输出
并非所有火山引擎模型都原生支持 response_format={"type": "json_object"} 参数。目前明确支持该参数的模型包括：ark-code-latest、doubao-seed-2.0-code、glm-4.7（需 v2.3+ 版本）以及 minimax-m2.5。调用前请先查证模型文档页是否标注“支持结构化输出”或“兼容 OpenAI JSON Schema”。
若使用 deepseek-v3.2 或 kimi-k2.5 等不支持该参数的模型，强行传入会触发 400 错误，且无降级提示。
API 请求中启用 JSON 模式
方法一：直接设置 response_format 参数（推荐）
在 Chat API 请求体中加入 "response_format": {"type": "json_object"}，并确保 system message 明确要求输出 JSON：
这一步不能省略 system 提示——仅靠参数无法强制语义对齐，模型仍可能返回空对象或字段缺失。
方法二：用函数调用模拟 JSON 结构（兼容旧模型）
当目标模型不支持 response_format 时，可改用 tools 定义 schema：
定义一个名为 output_json 的工具，parameters 字段严格按你所需 JSON 结构声明，type 全设为 string/number/boolean/array/object。模型将生成符合该 schema 的 tool_calls，再由你提取 function.arguments 字符串并解析。
【注意：tools 方式返回的是字符串化的 JSON，需手动 json.loads()，且不保证 100% 合法——某些模型会在 arguments 外多加换行或引号】
system prompt 必须包含的关键指令
第一步：声明角色与格式约束
在 system message 中写明：“你是一个严格遵循 JSON Schema 的响应引擎。只输出合法 JSON 对象，不加任何解释、不加 Markdown 代码块、不加前导文字、不加后缀说明。”
第二步：给出精确字段定义
例如需要返回用户信息，则写：“输出 JSON 对象，必须包含字段：name（字符串）、age（整数）、is_subscribed（布尔值）。禁止添加额外字段。”
第三步：禁用自由发挥空间
补一句：“如果输入信息不全，用 null 填充对应字段，不可省略字段，不可用注释替代。”
这三步缺一不可。漏掉“不加 Markdown 代码块”，模型大概率返回 ```json{...}```；漏掉“不可省略字段”，它可能只返回 {“name”: “Alice”} 而跳过 age。
验证与修复非法 JSON 输出
接收响应后，先检查 response.choices[0].message.content 是否以 { 开头、以 } 结尾，中间无换行或空格干扰。
若发现开头有 ```json 或结尾多出 ```，用正则 re.search(r'\{.*\}', text, re.DOTALL) 提取最内层 JSON 字符串。
若解析时报 JSONDecodeError: Invalid control character，说明模型混入了不可见控制符（如 \u2028），需先执行 text.encode('utf-8', 'ignore').decode('utf-8') 清洗。
【关键前提：必须开启 streaming=False，流式响应无法保证单次收到完整 JSON 对象】
