昨天把完全相同的 Prompt Run 了三次。

結果三次都成功產生 5 張 Learning Cards，指定的動物、欄位與主要知識點也都很接近。

如果只是坐在 Google AI Studio 前面看結果，其實完全沒什麼問題。

看得懂，也符合需求。

但不要忘記，這次的目標不是在 Google AI Studio 裡跟 Gemini 聊天。

最後這些 Learning Cards 是要真的放進網站裡。

所以今天決定換一個角度：

人看得懂的 Response，程式也看得懂嗎？

人看得懂，但程式不一定好處理

昨天 Gemini 產生的內容大概長這樣：

Emoji：🐢
Title：海龜
Content：海龜身上背著一個又圓又硬的大殼……
Question：海龜身上背著什麼東西來保護自己？
Answer：又圓又硬的大殼。

---

Emoji：🐳
Title：鯨魚
Content：鯨魚游到水面上呼吸的時候……
Question：鯨魚游到水面上時，頭頂會噴出什麼？
Answer：大水柱。

人類一看就知道：

• 哪一張是海龜
• 哪一張是鯨魚
• 哪個是 Title
• 哪個是 Question

但程式要使用這些資料，就沒有這麼直覺。

例如前兩次 Response 都使用：

---

分隔每張 Card。

那是不是可以直接用 JavaScript：

const cards = response.split("---");

看到 --- 就切成下一張 Card。

看起來很合理。

結果 Run #3：

--- 不見了。

而且前兩次使用：

Title：

Run #3 又變成：

Title:

對人來說只是全形、半形冒號的差別。

對程式來說，卻可能是完全不同的字串。

我真正需要的不是「排版整齊」

到這裡我才發現，前幾天一直在注意：

Gemini 回答得好不好？

但當 AI 要真正放進應用程式後，還要多問一件事：

程式能不能可靠地使用這份 Response？

比起一整段文字，我真正希望拿到的資料其實比較像：

[
  {
    "emoji": "🐢",
    "title": "海龜",
    "content": "海龜身上背著一個又圓又硬的大殼……",
    "question": "海龜身上背著什麼東西來保護自己？",
    "answer": "又圓又硬的大殼。"
  }
]

這樣程式就不用猜：

哪裡是 Title？
哪裡是 Question？
哪裡是一張 Card 的結束？

因為資料本身已經有明確的結構。

這也是今天最大的發現：

看得懂的文字格式，不等於程式需要的資料結構。

那叫 Gemini 回傳 JSON 不就好了？

看到這裡，第一個想法當然是：

請使用 JSON 格式回傳。

問題解決？

經過這幾天的實驗，我已經不太敢這麼快相信 Gemini 了（笑）。

因為用 Prompt 要求 JSON，仍然是在用自然語言告訴 AI：

「我希望你這樣回答。」

但如果要真的串進程式，我希望能更明確地定義：

一定有哪些欄位？
欄位叫什麼？
資料是什麼型別？
一次會有幾筆資料？

也就是不只要求：

請給我 JSON。

而是進一步告訴 Gemini：

請按照我定義的資料結構回傳。

這就來到下一個要研究的功能了。

Structured Output

Google AI Studio 裡有一個功能：

Structured Output

前幾天一直刻意沒有使用它，就是想先看看單靠 Prompt 會得到什麼結果。

經過 Day 05～Day 09，現在問題也慢慢變得很清楚：

Prompt
↓
可以控制內容

但是

自然語言 Response
↓
格式可能變化
↓
程式不好穩定解析

所以接下來要試試看：

如果直接定義 Gemini 的輸出結構，結果會不會不一樣？

Day 09 小結

今天沒有繼續改 Prompt，也沒有產生新的 Learning Card。

只是把昨天的 Response 換成「程式」的角度重新看一次。

最後發現一個很簡單，但接下來很重要的問題：

人看得懂，不代表程式好處理。

如果 Gemini 只是回答問題，文字排版清楚可能就夠了。

但如果要把 AI 真正整合進網站，我需要的就不只是「好看的回答」，而是：

有明確結構、可以被程式使用的資料。

所以明天就來試試看 Structured Output。

看看能不能讓 Gemini 從：

「回答得很整齊」

進一步變成：

「按照我們定義的格式交資料」。

Day 10｜不要再猜格式了！用 Structured Output 讓 Gemini 回傳 JSON