昨天我們探討了如何保護 Prompt 不被惡意竄改，今天我們則要解決系統串接時最大的痛點：如何解析 AI 的廢話？

大語言模型天生喜歡用自然語言聊天，但當我們的後端系統（例如使用 Java 開發的應用程式）準備接收這些資料時，純文字是非常難以處理的。我們需要的是穩定的 JSON 格式。

要在工程上精準控制 AI 的輸出結構，有以下幾種常見的實作方式：

1. 提供 Few-Shot 範例：
   在 Prompt 中直接給予一到兩個標準的 JSON 範例，讓模型「照樣造句」。明確指定 Key 的名稱與 Value 的型別。

2. 限制只輸出 JSON：
   在指令末端加上強烈語氣：「請『僅』輸出合法的 JSON 格式，不要包含任何 Markdown 標記或其他解釋性文字。」

3. 啟用 API 的 JSON Mode：
   現在主流的 API（如 OpenAI）已經支援在程式碼參數中直接設定 response_format: { type: "json_object" }，從底層強制規範模型的輸出行為。

掌握了結構化輸出，AI 就不再只是一個聊天機器人，而是能真正融入系統資料流的強大元件。接下來，我們準備進入 RAG 的世界。