百度收录网站有什么好处paypal外贸门户网站

百度收录网站有什么好处,paypal外贸门户网站,网站的定义,江门加盟网站建设文章详解大模型调用链技术进化链的第一层——结构化输出#xff0c;通过三层递进方案让AI按指定格式返回数据#xff1a;Prompt方式#xff08;不可靠#xff09;、JSON Mode#xff08;保证语法但类型可能错#xff09;和Structured Outputs#xff08;100%符合Schema通过三层递进方案让AI按指定格式返回数据Prompt方式不可靠、JSON Mode保证语法但类型可能错和Structured Outputs100%符合Schema。核心原理是约束解码(Constrained Decoding)在生成过程中就过滤不符合Schema的候选词而非生成后再校验彻底解决AI输出格式不可靠问题。从今天开始准备结合自己的学习出一个系列文章主要讲一下如何基于LLM调用链最高效最经济的把大模型接入自己的应用中。我会尽量写的通俗易懂让基于AI编程能写简单的API调用的朋友们都能看得懂。一、系列说明首先假设你会调 Openai/Gemini/Claude各种LLM API让它帮你写文案、做翻译甚至画图、出音频等等并且你有意愿结合AI编程开发自己的应用或者工作流。好下面开始。你有没有想过Cursor 是怎么让 AI 自己读代码、自己改文件的Claude Code 是怎么自己执行命令的爆火的各种工作流是如何把每个环节串联起来的这背后不是什么黑魔法而是一条清晰的LLM调用技术进化链prompt → structured-output → Function Calling → Tools → MCP → Advanced Tool Use进化链全景如下Prompt 要求返回 JSON不可靠 ↓ 问题可能带 markdown、引号不转义、语法错误 JSON Mode约束 JSON 语法 ↓ 问题语法对了但类型/字段可能不对 Structured Outputs约束 Schema ↓ 问题格式对了但数据是编的 Function Calling声明调用意图 ↓ 问题一个函数不够用 Tools多函数统一管理 ↓ 问题跨产品怎么复用工具 MCP标准化协议 ↓ 问题工具太多上下文爆炸怎么办 Advanced Tool Use工具搜索/程序化调用这个系列我会带你从最底层的 API 调用开始一步步拆解这条进化链。系列路线图第一篇结构化输出本篇—— 让 AI 按格式说话第二篇Function Calling Tools —— 让 AI 调用真实数据第三篇MCP —— 工具的标准化协议第四篇Advanced Tool Use —— 工具太多时的优化方案适合谁看会调 API想往深处走的开发者想理解 AI 工具底层原理的产品经理准备利用AI编程做自己工作流或者应用的人好开始今天的正题。二、如何要求LLM结构化输出最开始的时候我们如果想把LLM接入到系统中基于LLM的返回去做下一步的程序调用是必不可少的所以让LLM按照自己的要求返回结构化JSON、XML等等的输出是前置条件JSON.parse() 报错了。又是因为 AI 在返回的 JSON 里加了一句请问还需要其他帮助吗如果你调过 各种LLM服务商 的 API这个场景你一定不陌生。明明在 prompt 里写得清清楚楚请只返回 JSON结果模型就是不听话——要么加个 markdown 代码块要么多一句废话要么字符串里的引号没转义整个 JSON 结构直接坏掉。这篇文章就是来解决这个问题的。三、先搞懂一件事AI 是怎么说话的在讲解决方案之前你需要知道一个关键背景。你用过手机输入法的联想功能吗当你打今天天气输入法会猜你下一个字可能是真、“不”、“很”……然后你点一个它再猜下一个。大模型输出文字原理和这个一模一样——一个字一个字往外蹦的。当你问11等于几模型内部是这样的第1步根据问题预测第一个字 → 候选答(40%)、1(35%)、等(15%)... → 选1 第2步根据1预测下一个字 → 候选(60%)、加(20%)... → 选 第3步根据1预测下一个字 → 候选1(70%)、2(15%)... → 选1 ...以此类推每一步模型会给所有候选字打分概率然后从里面挑一个。这个过程叫采样Sampling——就像从一堆候选里抽样选一个。记住这个概念后面会用到。四、三层递进从可能对到一定对以下三层递进的方案其实不是无病呻吟至少都是我曾经使用过的方案。第一层Prompt 方式 —— 靠说最直觉的方法在 prompt 里告诉 AI “请只返回 JSON”。const response await openai.chat.completions.create({ model: gpt-4o, messages: [{ role: user, content: 请从以下文本提取用户信息返回JSON包含name、age、email字段。 文本我叫张三今年25岁邮箱zhangsanexample.com 请只返回JSON不要有其他内容。 }] });问题AI 可能会加 markdown 代码块json可能会加解释性文字字符串里的引号可能没转义这种方式靠的是模型理解你的指令但它随时可能不听话。我遇到最坑的一次是用户输入里有个双引号AI 原封不动放进 JSON 字符串没转义直接把整个结构搞坏了。第二层JSON Mode —— 保证是合法 JSONOpenAI 提供了response_format参数const response await openai.chat.completions.create({ model: gpt-4o, response_format: { type: json_object }, // 关键 messages: [{ role: system, content: 你是一个数据提取助手返回JSON格式。 }, { role: user, content: 从这段文本提取用户信息我叫张三今年25岁... }] }); const data JSON.parse(response.choices[0].message.content); // 这里一定能 parse 成功JSON Mode 保证输出是合法的 JSON 语法。但它有个问题只保证语法不保证结构。比如输入一个模糊的文本prompt如下有个用户名字不太确定是叫李四还是王五大概三十多岁JSON Mode 可能返回{ name: 李四或王五, age: 三十多岁, // 字符串不是数字 interests: 不详 // 字符串不是数组 }JSON 语法没问题但age应该是数字interests应该是数组。你的代码期望user.age 1结果变成了三十多岁 1。第三层Structured Outputs —— 100% 符合 SchemaOpenAI 的 Structured Outputs 可以指定 JSON Schemaconst response await openai.chat.completions.create({ model: gpt-4o, response_format: { type: json_schema, json_schema: { name: user_info, strict: true, // 严格模式 schema: { type: object, properties: { name: { type: string }, age: { type: number }, // 必须是数字 email: { type: string }, interests: { type: array, // 必须是数组 items: { type: string } } }, required: [name, age, email, interests] } } }, messages: [{ role: user, content: ... }] });同样的模糊输入Structured Outputs 返回{ name: 李四, age: 35, // 数字模型被迫给一个具体值 email: unknown, interests: [未知] // 数组即使不确定也是数组格式 }100% 符合你定义的 Schema。五、为什么 Structured Outputs 能保证格式这是我觉得最有意思的部分。在讲原理之前先澄清一个容易混淆的概念训练 vs 推理你经常听到训练、“微调”、推理这些词它们到底什么关系训练/预训练OpenAI 用海量数据教出 GPT-4 这个模型这是他们干的事微调在已有模型基础上用特定数据再教一下让它更擅长某类任务推理模型学完了你调 API 让它干活这叫推理我们这个系列讲的都是推理阶段的事——也就是你调 API 的时候发生了什么。训练阶段的事不在本系列讨论范围内当然我也不是很懂。好回到正题。还记得前面说的采样吗模型每一步都从候选字里挑一个。Structured Outputs 的原理是在采样的时候直接把不符合 Schema 的候选过滤掉。举个例子Schema 规定age必须是数字。当模型要输出 age 的值时正常采样 候选池{三: 30%, 3: 25%, 三十: 20%, ...} → 按概率抽可能选到三字符串 Structured Outputs约束采样 候选池{三: 30%, 3: 25%, 三十: 20%, ...} → Schema 说必须是数字 → 把三、三十这些非数字候选的概率设为 0 → 剩下的重新归一化 → 只能选 3、35 这些数字不是生成完再校验是生成的时候就只能选合法的。这个技术叫Constrained Decoding约束解码发生在推理阶段。理解这一点很重要因为它解释了为什么 Structured Outputs 是100% 保证——从数学上不合法的 token 根本没机会被选中。六、实测对比我用同一个模糊输入测试了三种方式prompt“有个用户名字不太确定是叫李四还是王五大概三十多岁吧邮箱lisixxx.com兴趣广泛。”方式age 字段interests 字段能直接用吗Prompt解析失败解析失败不能JSON Mode三十多岁(字符串)广泛(字符串)不能类型错Structured Outputs35(数字)[兴趣广泛](数组)能差距一目了然。七、各厂商怎么实现的厂商JSON ModeStructured OutputsOpenAIresponse_format: { type: json_object }response_format: { type: json_schema, ... }Claude无原生支持用 Tool Use tool_choice实现Geminiresponse_mime_type: application/jsonresponse_schema参数Claude 没有response_format但可以通过定义一个工具来实现同样效果。虽然 API 形式不同但底层原理一样Constrained Decoding。八、总结三层递进Prompt 方式靠模型理解可能失败 ↓ JSON Mode保证 JSON 语法但类型可能错 ↓ Structured Outputs100% 符合 Schema核心认知不是生成完再校验是生成的时候就约束所以这不是工程上实现的功能。这叫 Constrained Decoding约束解码如果你在做任何需要程序解析 AI 输出的场景也许应该直接上 Structured Outputs但是不要着急现在的调用链技术已经远远不止这些了所以看完系列再决定也不迟。到目前为止我们只需要知道这些知道曾经他们也都是非常流行的解决方案就行了。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】