Руководство по использованию
Практика структурированного извлечения данных с GLM 5.3: каждое поле JSON должно иметь основание в исходном тексте
Извлечение полей в режиме JSON-объекта: отсутствующие значения, цитаты и бизнес-валидация не дают ошибкам попасть в хранилище
На этой странице
Зачем структурированному выводу всё ещё нужно «основание в исходном тексте»
Режим JSON-объекта (response_format: {"type": "json_object"}) решает вопрос «является ли вывод JSON-объектом», но не вопрос «обязательно ли этот запрос успешен, а содержимое полно и парсинг не вызовет исключения». Запрос может завершиться неудачей, модель может отказаться отвечать, вывод может быть усечён из-за ограничения длины, потоковая передача может прерваться, а возвращённое содержимое может оказаться неполным или искажённым; клиент обязан обрабатывать эти ситуации и исключения при json.loads. Сначала нужно убедиться, что ответ нормально завершён и содержимое полное, и только затем переходить к парсингу. Успешный парсинг ещё не означает пригодность: корректный формат не гарантирует фактическую корректность. Извлечено ли значение поля из исходного текста, не дописал ли его модель по ходу, является ли значение «в исходнике не написано» или «в исходнике написано пусто» — всё это не покрывается ограничениями формата.
Вписать шаблон полей в подсказку — по сути дать модели «шаблон для заполнения формы», а не «перечень доказательств». Когда поле лишено опоры в исходном тексте, модель склонна выдать правдоподобное значение — в задачах извлечения это самый опасный режим отказа, поскольку он не выдаёт ошибку, а тихо загрязняет нижестоящие данные.
Поэтому контракт извлечения в этой статье состоит из трёх частей: определения полей и типов, цитаты из исходного текста к каждому значению и явного моделирования отсутствующих значений. Вместе они делают вопрос «откуда взялась эта фраза» частью вывода, а не догадкой после факта.

Проектирование контракта извлечения: поля, типы и соглашение о допустимости null
Контракт начинается со списка полей. Предположим, задача — извлечь структурированную информацию из описания вакансии или предложения о сотрудничестве; сначала зафиксируем целевые поля:
title: строка, обязательнаbudget: число, может быть nulldeadline: строка (дата в ISO), может быть nullcontact: строка, может быть nullskills: массив строк, может быть пустым массивом
Ключевой момент: «может быть null» не означает «можно не указывать». По соглашению каждое поле обязано присутствовать в выводе, а при неизвестности явно задаётся null или пустой массив; опускать ключи нельзя. Пропущенный ключ лишает нижестоящую систему возможности отличить «модель решила, что значение пустое» от «модель вообще не обработала это поле».
Типы также нужно ужесточить до гранулярности, проверяемой машиной: budget принимает только числа, но не строки вроде "по договорённости"; для deadline задан формат YYYY-MM-DD; skills обязан быть массивом строк, нельзя отделаться одной строкой, склеенной запятыми. Чем конкретнее тип, тем эффективнее последующий слой валидации сможет отсекать проблемы.
Ниже приведено описание полей, которое вписывается в подсказку, а не является параметром запроса; параметр запроса лишь включает режим JSON-объекта.
Выведи JSON-объект, содержащий ровно следующие ключи:
- title: string
- budget: number | null
- deadline: string (YYYY-MM-DD) | null
- contact: string | null
- skills: string[]
Все ключи обязательны. Если по исходному тексту определить невозможно, укажи null (для массива — пустой массив), не догадывайся.
Снабдить каждое поле цитатой-фрагментом
Давать только значение без источника — значит отказаться от возможности проследить происхождение. Решение — превратить каждое извлекаемое поле в парную структуру: значение и цитата идут вместе.
{
"title": {"value": "Стажёр по анализу данных", "evidence": "Набираем 2 стажёров по анализу данных"},
"budget": {"value": 300, "evidence": "дневная ставка 300 юаней"},
"deadline": {"value": null, "evidence": null},
"contact": {"value": "hr@example.com", "evidence": "резюме направляйте на hr@example.com"},
"skills": [
{"value": "SQL", "evidence": "требуется уверенное владение SQL"},
{"value": "Python", "evidence": "владение Python приветствуется"}
]
}
Несколько важных моментов. Во-первых, evidence должен быть непрерывным фрагментом исходного текста, а не пересказом или обобщением модели — пересказ лишает цитату ценности для сверки. Во-вторых, когда значение равно null, evidence тоже должно быть null; это ограничение само по себе подавляет часть выдумок: если модель сфабриковала значение, она обычно не может сфабриковать соответствующий фрагмент исходника, и формат вступает в противоречие сам с собой. В-третьих, для полей-массивов цитата даётся по элементу, а не одна на весь массив, иначе один ошибочный элемент подорвёт доверие ко всей группе. В-четвёртых, цитата должна быть по возможности короткой и покрывать лишь минимальный текст, поддерживающий значение, чтобы упростить последующее сравнение на вхождение подстроки.
Объём вывода растёт, но взамен любая запись перед сохранением в хранилище может ответить на вопрос «на какую фразу исходника опирается это поле».

Явная обработка отсутствующих значений и неопределённости
В задачах извлечения модель чаще всего ошибается не в извлечении, а в «дополнении». Нужно на уровне контракта развести три ситуации.
Отсутствие. В исходном тексте информации совсем нет, поле заполняется null. Эту семантику нужно отделять от «значение — пустая строка»: пустая строка — это извлечённое значение, null — не извлечено. Согласовав это на верхнем уровне, нижестоящая система сможет решить, пропускать запись или сигнализировать.
Неоднозначность. В исходном тексте есть соответствующее выражение, но его недостаточно для определённости. Например, написано только «зарплата по договорённости»; тогда budget должно быть null, и в подсказке нужно явно указать: не превращать качественные описания в числа и не отображать «по договорённости» в 0.
Множественные кандидаты. В исходном тексте встречаются два контакта или две даты, а контракт принимает только одно значение. Возможные варианты: сделать структуру поля поддерживающей список кандидатов или задать в подсказке приоритет (например, брать первое вхождение). Какой бы вариант ни был выбран, его нужно зафиксировать в контракте, иначе стратегия выбора у модели каждый раз может быть разной и результат будет трудно воспроизвести стабильно.
Добавим ещё одну страховку: разрешить модели выводить массив unresolved, перечисляющий ключевую информацию, которую не удалось отнести ни к одному полю. Это гораздо безопаснее, чем насильно втискивать её в какое-то поле, и даёт вам точку входа для наблюдения за режимами отказа модели.
Три уровня бизнес-валидации перед сохранением в хранилище
Режим JSON-объекта ограничивает лишь форму вывода, а парсинг всё равно может завершиться неудачей. Валидация выполняется по порядку: сначала убедиться в целостности ответа, затем выполнить клиентскую структурную и бизнес-валидацию, в конце — сверку доказательств; если уровень не пройден, следующий не запускается.
Перед парсингом проверьте: успешно ли вернулся запрос, не было ли отказа, не показывает ли причина завершения усечение из-за длины, нормально ли завершился потоковый ответ, не пусто ли содержимое. Убедившись, что ответ нормально завершён и содержимое полное, выполняйте json.loads; исключение парсинга сразу переводит в обработку отказа, и обрывок содержимого не передаётся в последующую валидацию. Только после успешного парсинга начинаются три уровня валидации ниже.
Первый уровень: типы и структура
Все ли ключи на месте, совпадают ли типы, соответствует ли deadline формату даты, является ли budget конечным числом. Этот уровень реализуется обычным кодом, он дёшев и даёт самый высокий процент перехвата.
Второй уровень: перечисления и область допустимых значений
Отсекаются бизнес-невозможные значения: отрицательная сумма, дата раньше сегодняшней, пустые строки или дубликаты в skills, превышение предельной длины строки. Если у поля есть контролируемый словарь (например, отрасль, грейд), здесь выполняется сопоставление по белому списку и предусматривается место для нормализации синонимов.
Третий уровень: согласованность между полями
Валидность отдельного поля не означает валидность всей записи. Типичные проверки: если budget не пуст, не пуст ли deadline (во многих бизнес-сценариях они связаны), не противоречит ли contact типу должности, подразумеваемому skills, не является ли распределение полей у записей с одинаковым title в одной партии аномально концентрированным. Этот уровень ближе всего к бизнес-семантике и больше всего нуждается в ваших тестах.
Не забудьте про механическую проверку evidence: если значение не пусто, evidence тоже должно быть непустым и должно находиться в исходном тексте через вхождение подстроки или нечёткое сопоставление. Неудачное совпадение не обязательно означает немедленное отбрасывание, но как минимум требует пометки низкой уверенности и отправки в очередь ручной проверки.

Превратить провал валидации в подсказку для следующего раунда
Худшее после провала валидации — отправить запрос повторно в том же виде в надежде, что на этот раз извлечение будет верным. Лучше структурированно вернуть причину провала:
Предыдущий вывод не прошёл валидацию:
- значение deadline "как можно скорее" не соответствует формату YYYY-MM-DD
- evidence у skills[2] не найдено в исходном тексте
Исправь только перечисленные проблемы, остальные поля оставь без изменений и выведи полный JSON заново.
Стоит отметить три детали. Во-первых, сообщение об ошибке должно указывать конкретный путь к полю, чтобы модель могла исправить локально, а не переделывать всё целиком. Во-вторых, нужно явно требовать «остальные поля оставить без изменений», иначе легко внести новые ошибки и получить колебания «исправили одно — сломали другое». В-третьих, задайте предел повторов (например, два раунда): при превышении запись уходит в очередь ручной проверки, а не в бесконечный цикл — бесконечные повторы и увеличивают задержку, и повышают стоимость.
Если одна и та же ошибка повторяется при повторах, проблема обычно не в модели, а в нечётко написанном контракте. В этом случае стоит вернуться к определениям полей и примерам, а не продолжать наращивать подсказку.
Способ вызова и границы этой статьи
На HiAPI модель glm-5.3 вызывается по протоколу, совместимому с OpenAI Chat Completions; режим JSON-объекта включается установкой response_format в объектный тип в запросе, а конкретные параметры и имена полей следует смотреть в описании интерфейса на странице модели. Маркер возможности jsonObject=true означает, что модель поддерживает режим JSON-объекта, но не означает, что интерфейс поддерживает режим ответа JSON Schema и что можно полагаться на серверную валидацию по Schema; структура полей, типы и бизнес-ограничения в этой статье проверяются локально на клиенте после парсинга. Логика извлечения, поля цитат и слой валидации пишутся на вашем собственном сервере, а модель лишь отвечает за вывод текста по контракту.
В статье рассматриваются только проектирование контракта и процесс валидации, без цифр тарификации и обещаний по производительности; актуальные цены и квоты смотрите в панели цен на сайте. Только после того, как сделаны три вещи — определения полей, проверка цитат и стратегия повторов, — «формальная корректность» продвигается к «семантической пригодности»; корректный формат не равен фактической корректности, а фиксированный seed тоже не гарантирует полную воспроизводимость, поэтому стратегия повторов всё равно должна сочетаться с лимитом и очередью ручной проверки.
Похожие статьи
Все статьи →-
Руководство по использованию
Руководство по генерации изображений из текста в базовой версии Nano Banana: формат кадра, свободное пространство и использование промптов
Используйте поля aspect_ratio и prompt интерфейса задач для генерации изображений с чёткой композицией для баннеров и социальных карточек
-
Руководство по использованию
Практика обработки ответов Kimi K3: полный JSON, прерывание потока и границы повторных попыток
-
Руководство по использованию
MiniMax Music 3: руководство по созданию коротких песен: как разделять текст песни, теги секций и брифинг по аранжировке
На основе двух обязательных входных параметров текущего контракта спроектируйте воспроизводимый запрос короткой песни