Ollama运行的模型需严格输出指定JSON结构，仅LFM2.5-1.2B-Thinking、Qwen2.5-7B-Instruct等指令微调模型原生支持；基础模型如Llama 3.2即使加提示词也大概率失败，应优先确认模型名含“instruct”“thinking”或“json”字样。
☞☞☞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☜☜☜
你想让Ollama运行的模型（如LFM2.5-1.2B-Thinking或Qwen2.5-7B-Instruct）严格输出你定义的字段名、类型和嵌套关系的JSON对象，而不是夹杂解释、Markdown代码块或自由发挥的自然语言描述。
确认模型本身支持JSON Schema控制
不是所有模型都原生支持结构化输出。LFM2.5-1.2B-Thinking、Qwen2.5-7B-Instruct、DeepSeek-R1等经指令微调的模型已内置JSON生成能力；而原始Llama 3.2、Phi-3等基础模型即使加提示词也大概率失败。运行前先用ollama list确认本地模型名是否含“instruct”“thinking”或明确标注“json”字样。
若模型不支持，强行配置只会返回格式混乱的文本，浪费调试时间。
方法一：纯提示词工程（零依赖，兼容所有部署方式）
第一步：在system prompt中锁定角色与行为边界
输入：你是一个严格的JSON生成器，只输出标准JSON对象，不添加任何解释、前缀、后缀、Markdown代码块、自然语言描述或空格缩进以外的字符。
第二步：在user message中必须包含大小写不敏感的“JSON”关键词
例如：请以JSON格式返回用户订单信息，包含order_id、status、amount三个字段。
⚠️注意：如果消息里写的是“请用JSON格式”，但拼成“json格式”或“Json格式”，部分模型仍会忽略——【必须出现完整单词“JSON”】。
第三步：末尾追加具体Schema示例（非必需但强烈推荐）
例如：输出格式必须严格匹配：{"order_id": "string", "status": "string", "amount": number}
这一步能显著降低字段名拼错、类型错配（比如把number写成"number"字符串）的概率。
方法二：Ollama Modelfile + SYSTEM指令固化约束
创建一个Modelfile文件，内容如下：
FROM qwen2:7b<br>SYS “你是一个JSON生成器。只输出合法JSON对象，不加任何解释。输出必须是单个JSON对象，不能是数组，不能包裹在```json```中。”<br>PARAMETER temperature 0.1<br>PARAMETER top_p 0.9
然后构建新模型：ollama create qwen2-json -f Modelfile
最后运行：ollama run qwen2-json
此后每次对话，SYSTEM指令都会自动注入，无需重复输入。这比每次手动写system prompt更省事，也避免遗漏关键约束。
方法三：API调用时启用response_format参数（仅限OpenAI兼容接口）
方法1/方法一：使用requests发送POST请求
确保请求体中包含：{"model":"qwen2:7b","messages":[{"role":"system","content":"..."},{"role":"user","content":"...JSON..."}],"response_format":{"type":"json_object"}}
【必须满足两个前提：① messages中至少一条含“JSON”；② 模型本身支持json_mode逻辑】，否则会报错：“'messages' must contain the word 'json' in some form”。
方法2/方法二：用curl命令快速验证curl http://localhost:11434/api/chat -d '{"model":"qwen2:7b","messages":[{"role":"user","content":"返回JSON：{\"name\":\"string\",\"score\":number}"}],"response_format":{"type":"json_object"}}'
验证输出是否合法
拿到响应后，不要直接用Python的json.loads()硬解析——先用在线工具（如jsonlint.com）或命令行python -m json.tool校验语法。
常见非法输出包括：开头多出“当然可以！”、结尾多出“——完成”、字段值带中文引号、数值被双引号包裹（如"42"而非42）、整个JSON被```json```包裹。
若发现非法，优先检查user message是否漏了“JSON”单词，再检查模型是否真的支持该能力。
