应选JSON Schema模式以确保字段存在、类型正确及必填项满足；JSON模式仅保证输出合法JSON但无语义约束，适用于临时调试；JSON Schema通过Pydantic类定义结构并自动校验，强依赖完整性场景必须使用。
☞☞☞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☜☜☜
你需要让火山引擎大模型返回结构化数据，但面对JSON模式和JSON Schema模式不知如何选择——前者开箱即用但字段约束弱，后者可校验但需额外定义和维护。
先看核心区别
JSON模式指调用时仅设置response_format={"type": "json_object"}，模型尽力输出合法JSON，但【不保证字段存在、类型正确或必填项满足】。JSON Schema模式则需传入完整Schema定义，模型在生成时受格式+语义双重约束，输出结果能被jsonschema.validate()直接校验通过。
如果你的下游系统依赖result["user_id"]必须存在且为整数，选JSON Schema；如果只是临时调试、快速看个结构，JSON模式够用。
JSON模式：三步启用
第一步：在请求参数中加入response_format={"type": "json_object"}。
第二步：system提示词明确要求“只输出JSON，不要任何解释性文字”。漏掉这句，模型可能在JSON前加一句“好的，这是你要的JSON：”。
第三步：接收响应后用json.loads()解析。若失败，说明模型没遵守约定——这时你得切到JSON Schema模式或加重试逻辑。
JSON Schema模式：四步落地
方法一：用Pydantic类定义结构（推荐）
① 安装pydantic>=2.0，定义带类型注解和Field(description=...)的类。
② 调用llm.with_structured_output(ProductInfo)获得封装后的模型实例。这一步会自动将Pydantic类转为JSON Schema并注入请求头。
③ invoke()后直接得到ProductInfo对象，字段缺失或类型错误会抛出ValidationError，不用自己写校验逻辑。
④ 注意：【Pydantic v2默认禁用extra字段，若模型多返回了未定义字段会直接报错】，需在类定义中加model_config = {"extra": "ignore"}避免崩溃。
什么时候必须用JSON Schema
当你的业务逻辑强依赖字段完整性：比如财务系统要取amount做扣款，但JSON模式下模型可能返回{"amt": 99.9}——字段名错、类型对，下游解析就崩。
当需要对接外部API，对方严格校验Schema：例如调用银行接口必须传{"transaction_id": "string", "timestamp": "integer"}，少一个字段400报错。
当团队有明确的数据契约规范：产品、前端、后端共用同一份Pydantic类，模型输出天然对齐接口定义。
