Structured data with tools

📚 学习笔记：结构化输出 (Structured Output)

一、 结构化输出的两种方法

• 基于提示词的方法 (Prompt-based):
• 原理： 结合消息预填充 (message pre-fill) 和停止序列 (stop sequences)，配合精心设计的提示词来引导模型输出 JSON。
• 特点： 设置简单，但可靠性相对较低。
• 基于工具的方法 (Tool-based):
• 原理： 通过定义工具的 JSON Schema 规范，让模型调用该工具来生成结构化数据。
• 特点： 设置复杂，但输出的可靠性更高。
• 适用场景： 两种方法各有优势，取决于具体需求和复杂程度。

二、 基于工具的结构化数据生成流程

• 定义 Schema： 为工具编写 JSON Schema 规范，明确所需数据的结构（例如：balance → 整数，key insights → 字符串列表）。
• 输入信息： 将工具 Schema、用户提示词 (Prompt) 和原始数据一起提供给 Claude。
• 模型响应： Claude 分析输入后，会返回一个工具使用消息 (tool use message)，其中包含提取的、符合 Schema 结构的 JSON 参数。
• 流程结束： 一旦获取到所需的 JSON 数据，该流程即完成，无需进行后续的对话跟进。

三、 关键实现技巧

• 强制工具调用： 使用 tool_choice 参数来强制 Claude 必须使用指定的工具（Tool Name）。
• tool_choice 设置为特定工具名称时，会确保模型调用该工具。
• 数据提取示例： 在从非结构化文本（如文章）中提取 title、author 和 topics 等信息时，可以使用工具 Schema 来实现可靠的 JSON 提取。

Takeaways

• 结构化输出主要有两种方法：基于提示词（简单但可靠性较低）和基于工具（设置复杂但可靠性高）。
• 基于工具的方法通过定义 JSON Schema 规范，引导模型调用工具来生成结构化数据。
• 工具生成流程的核心是：定义 Schema → 输入信息 → 模型返回符合 Schema 结构的 JSON 参数。
• 使用 tool_choice 参数可以强制模型必须调用指定的工具，确保数据提取的准确性。