進入第二週，我們要從單純的「人類對話」跨入「系統工程對接」。在開發後端系統或自動化流程時，工程師最怕的不是 AI 回答錯誤，而是 AI 輸出格式不穩定——一下多幾句「好的，這是你要的 JSON：」，一下漏了雙引號，導致整個後端程式 JSON.parse() 瞬間報錯崩潰。
今天我們要在 Google AI Studio 裡開啟一個工程級神器：Structured Output（結構化輸出），強制模型輸出 100% 合法的 JSON 格式。
傳統 Prompt 限制 JSON 的痛點 vs. Structured Output

• 傳統做法（純靠 Prompt 約束）：
  • 在提示詞寫上：「請只輸出 JSON，不要包含任何 Markdown 標記、前後贅字或解釋」。
  • 隱憂：模型高興時遵守，偶爾還是會忍不住附贈代碼區塊或是「希望這對你有幫助！」等開頭結尾客套話，解析器依然容易閃退。
• Structured Output 機制：
  • 這是從模型底層限制 Token 生成的機制（Constrained Decoding）。
  • 開啟後，模型根本無法產出不符合指定 Schema 的任何文字，確保 100% 格式合法，零贅字、零 Markdown 標籤包裹。
    Google AI Studio 實測對照實驗：病患就醫紀錄結構化抽取
    假設我們有一段雜亂的門診病患主訴口述，需要自動提取為後端資料庫可直接落庫的標準格式。

測試文本（User Input）：
病患林阿姨（62歲女性）今早因劇烈頭痛前來就診，自述疼痛感已持續三天，伴隨噁心但無發燒，血壓測量為 145/90 mmHg，體溫 36.8 度。對阿斯匹靈有過敏史。

實驗 A：一般對話要求輸出 JSON（對照組）

• 操作方式：右側面板保持預設，不開任何開關。

• User Prompt：請從以下文本提取病患資訊，並轉為 JSON 格式輸出：
  病患林阿姨（62歲女性）今早因劇烈頭痛前來就診，自述疼痛感已持續三天，伴隨噁心但無發燒，血壓測量為 145/90 mmHg，體溫 36.8 度。對阿斯匹靈有過敏史。

• 預期表現：模型通常會在前後附帶「好的，以下是提取出的 JSON 資料：」或使用json 程式碼區塊包裹，不是純文字 JSON。

• 實際結果：
  實驗 B：開啟 Structured outputs（實驗組）

• 操作步驟：

  1. 在右側面板找到 Tools 區塊中的 Structured outputs。
  2. 將右邊的開關切換為 開啟（Toggle On）。
  3. 點擊 Edit 按鈕，在跳出的彈窗中定義 JSON Schema（或直接貼上以下 JSON Schema）：
     {
     "type": "object",
     "properties": {
     "patient_name": { "type": "string" },
     "age": { "type": "integer" },
     "gender": { "type": "string" },
     "chief_complaint": { "type": "string" },
     "symptoms": {
     "type": "array",
     "items": { "type": "string" }
     },
     "vitals": {
     "type": "object",
     "properties": {
     "blood_pressure": { "type": "string" },
     "body_temperature": { "type": "number" }
     },
     "required": ["blood_pressure", "body_temperature"]
     },
     "allergies": {
     "type": "array",
     "items": { "type": "string" }
     }
     },
     "required": ["patient_name", "age", "gender", "chief_complaint", "symptoms", "vitals"]
     }
     

• 預期表現：模型輸出的內容完全沒有任何引言、客套話或代碼區塊。

• 輸出的是一個純淨、鍵名與型別完全符合規格的 JSON 物件。

• 實際結果：

今日結語建議
從「文本生成」走向「系統串接」，最重要的一步就是消除不確定性。透過 Google AI Studio 內建的 Structured Output，我們不再需要透過反覆恐嚇模型「不准多說一句話」，而是直接在語法生成樹上建立硬性約束。這項功能是將 AI 融入自動化工作流、微服務與資料庫的核心基石！