需明确指令结构与约束条件：一、系统提示词强制json输出；二、分阶段提示工程法；三、schema驱动函数调用；四、后处理正则清洗法。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望将非结构化数据（如自由文本、日志片段、客服对话记录等）交由 ChatGPT 解析并输出为标准 JSON 格式，则需明确指令结构与约束条件。以下是实现该目标的多种方法：
一、使用系统提示词强制结构化输出
通过在系统角色设定中明确要求模型仅输出合法 JSON，且禁止任何解释性文字或额外符号，可显著提升输出一致性。
1、在 API 调用时设置 system 消息内容为：“你是一个严格的 JSON 生成器。只输出符合 RFC 8259 标准的纯 JSON 对象，不包含任何 Markdown、代码块标记、前导说明或后缀注释。”
2、用户消息中提供原始非结构化文本，并附加指令：“请将以下内容解析为 JSON，字段包括：person_name、action、timestamp、location。若某字段无法推断，设为 null。”
3、接收响应后，直接对返回字符串执行 JSON.parse()，无需预处理去除 ```json 或换行符。
二、分阶段提示工程法
将解析任务拆解为识别→归类→格式化三步，避免模型因一次性承担过多语义推理而遗漏字段或引入噪声。
1、第一轮请求中发送：“从以下文本中提取所有出现的人名、动作动词、时间短语和地点名词，以列表形式分行列出，每行格式为‘类型: 值’。”
2、第二轮将上一轮输出作为输入，发送：“根据以下提取结果，构造一个 JSON 对象，键名为 person_name、action、timestamp、location，值为对应提取项中最匹配的一个；若某类未出现，该键值设为 null。”
3、验证输出是否含非法字符，如中文引号、全角冒号或嵌套未闭合的大括号。
三、Schema 驱动的函数调用方式（适用于支持 function calling 的模型版本）
利用模型内置的函数调用能力，预先定义 JSON Schema 作为工具描述，使模型主动选择并填充字段，而非自由生成。
1、在 tools 参数中注册一个函数，name 设为 "output_json"，parameters 字段严格按 JSON Schema 描述所需结构，例如包含 required: ["person_name", "action"]。
2、system 消息中声明：“你必须调用 output_json 函数完成任务，不得以其他形式返回结果。”
3、模型响应将自动封装为 tool_calls 数组，从中提取 arguments 字符串并解析为对象，确保字段名与类型完全符合预期。
四、后处理正则清洗法
当模型输出偶有冗余文本但主体结构正确时，可借助正则表达式截取合法 JSON 片段，降低对提示词鲁棒性的依赖。
1、对原始响应全文应用正则 /(\{(?:[^{}]|(?R))*\})/s（PCRE 支持递归）或简化版 /\{[^{}]*\{[^{}]*\}[^{}]*\}/ 匹配最外层大括号内容。
2、若未匹配成功，尝试查找首个 { 和最后一个 } 之间的子串，并用 JSON5.parse 兼容松散语法（如允许尾逗号、单引号）。
3、校验解析后对象是否包含全部必需键，缺失则抛出结构错误而非静默忽略。
