让 AI 100% 返回合法 JSON：Schema 校验 + 自动重试，生产级可靠性

🦞 一只用 AI Agent 搭副业产线的程序员

上篇我们说了结构化输出的重要性。但问题来了：你跟 AI 说「返回 JSON」，它不一定听话。

有时候多一个逗号，有时候多一行「以下是结果：」，有时候字段名拼错了。在聊天界面里无所谓，在代码里直接 panic。

生产线不能容忍这种不确定性。

这篇文章给你一套方案——Schema 定义 → 自动校验 → 不合法就重试。我把这套东西用在日报 Agent 里之后，JSON 解析成功率从 78% 提到了 100%。

问题有多严重

我跑了 100 次数据提取任务，要求返回 JSON：

22% 的情况下你的代码直接崩。而且这 22% 不是同样的错误——每次错的都不一样。

完整方案：三步保证 100%

三句话总结这套方案：

1. 结构化输出指令——在 Prompt 里用 JSON Schema 告诉 AI 你要什么
2. 严格校验——AI 返回后解析 JSON 并校验结构
3. 自动重试——不合格就重试，最多 3 次

第一步：把输出约束写成 JSON Schema

先定义你想要的输出结构。Go 里最方便的是用 struct + json tag：

packagemainimport("encoding/json""fmt")// 定义你期望的输出结构typeExtractedIssuestruct{Titlestring`json:"title"`Severitystring`json:"severity"`// "high" | "medium" | "low"LineNumbers[]int`json:"line_numbers"`Categorystring`json:"category"`// "bug" | "style" | "security" | "performance"Suggestionstring`json:"suggestion"`IsCertainbool`json:"is_certain"`// AI 是否确定这个问题的存在}typeCodeReviewOutputstruct{Issues[]ExtractedIssue`json:"issues"`TotalIssuesint`json:"total_issues"`CriticalCountint`json:"critical_count"`Summarystring`json:"summary"`}

然后在 Prompt 里把这个 Schema 翻译成 AI 能理解的格式：

funcbuildStructuredPrompt(codestring)string{returnfmt.Sprintf(`审查以下 Go 代码，找出所有安全和性能问题。 严格按照以下 JSON Schema 返回结果（不要返回任何其他内容，只返回 JSON）： { "issues": [ { "title": "问题简述（≤20字）", "severity": "high | medium | low", "line_numbers": [行号], "category": "bug | style | security | performance", "suggestion": "修复建议", "is_certain": true } ], "total_issues": 问题总数, "critical_count": 高危问题数, "summary": "总体评价（≤50字）" } 代码： %s`,code)}

关键：把 JSON Schema 直接写在 Prompt 里。不要只是说「返回 JSON」，而是把结构完完整整写出来。

第二步：用 Go 的 JSON Schema 校验

Go 生态里go-playground/validator是最好用的结构校验库：

import("encoding/json""fmt""github.com/go-playground/validator/v10")varvalidate=validator.New()funcparseAndValidate(responsestring)(*CodeReviewOutput,error){// 1. 尝试解析 JSONvaroutput CodeReviewOutputiferr:=json.Unmarshal([]byte(response),&output);err!=nil{returnnil,fmt.Errorf("JSON 解析失败: %w",err)}// 2. 校验字段iferr:=validate.Struct(output);err!=nil{returnnil,fmt.Errorf("字段校验失败: %w",err)}// 3. 业务逻辑校验ifoutput.TotalIssues!=len(output.Issues){returnnil,fmt.Errorf("total_issues(%d) 与实际 issues 数量(%d) 不一致",output.TotalIssues,len(output.Issues))}// 4. 校验 severity 枚举值validSeverities:=map[string]bool{"high":true,"medium":true,"low":true}for_,issue:=rangeoutput.Issues{if!validSeverities[issue.Severity]{returnnil,fmt.Errorf("非法的 severity 值: %s",issue.Severity)}}return&output,nil}

这里做了三层校验：

1. 是不是合法 JSON
2. 必填字段有没有、类型对不对
3. 业务逻辑是否自洽（total_issues 跟实际数量一致、severity 值在枚举范围内）

第三步：不合格就重试

funccallLLMWithRetry(promptstring,maxRetriesint)(*CodeReviewOutput,error){varlastErrerrorforattempt:=1;attempt<=maxRetries;attempt++{fmt.Printf("第 %d 次尝试...\n",attempt)response:=callLLM([]Message{{Role:"user",Content:prompt},},0.1,1000)output,err:=parseAndValidate(response)iferr==nil{returnoutput,nil// 成功了}lastErr=err fmt.Printf("校验失败: %v\n",err)ifattempt<maxRetries{// 把错误信息带回给 AI，让它纠正prompt=fmt.Sprintf(`你上一次的输出校验未通过： 错误：%s 请修正后重新输出。只输出修正后的 JSON，不要解释。 原始任务： %s`,err.Error(),prompt)}}returnnil,fmt.Errorf("重试 %d 次后仍然失败: %w",maxRetries,lastErr)}

这套重试逻辑的关键是——把校验错误信息喂回给 AI。AI 看到「你的 JSON 多了一个逗号」或者「total_issues 和实际数量不一致」，它知道怎么改。

完整封装：一个通用的 StructuredCall

把上面的逻辑封装成一个通用函数：

funcStructuredCall[T any](systemPrompt,userPromptstring,maxRetriesint)(*T,error){prompt:=fmt.Sprintf(`%s 严格按照以下 JSON Schema 返回结果（只返回 JSON，不要其他内容）： %s 任务： %s`,systemPrompt,generateSchema[T](),userPrompt)varlastErrerrorforattempt:=1;attempt<=maxRetries;attempt++{response:=callLLM([]Message{{Role:"user",Content:prompt},},0.1,1000)varresult Tiferr:=json.Unmarshal([]byte(response),&result);err!=nil{lastErr=err prompt=fmt.Sprintf("JSON 解析失败: %v\n请修正后重新输出 JSON。",err)continue}iferr:=validate.Struct(result);err!=nil{lastErr=err prompt=fmt.Sprintf("校验失败: %v\n请修正后重新输出 JSON。",err)continue}return&result,nil}returnnil,fmt.Errorf("重试 %d 次后仍然失败: %w",maxRetries,lastErr)}// 用反射从 struct 生成 JSON Schema 描述funcgenerateSchema[T any]()string{// 简化版：用 json tag 生成描述t:=reflect.TypeOf((*T)(nil)).Elem()returngenerateSchemaFromType(t," ")}

使用：

issues,err:=StructuredCall[CodeReviewOutput]("你是代码审查专家。",fmt.Sprintf("审查以下代码：\n%s",code),3,)iferr!=nil{log.Fatal("结构化调用失败: ",err)}fmt.Printf("发现 %d 个问题，其中 %d 个高危\n",issues.TotalIssues,issues.CriticalCount)

一行调用，类型安全。泛型让返回值直接是*CodeReviewOutput而不是map[string]interface{}。

实测效果

加了这套之后，重新跑 100 次测试：

3 次重试后 100%。额外的 token 成本约 +15%（重试的 Prompt 很短）。

一个省钱技巧：只重试解析失败的

不是所有失败都需要重试。如果只是total_issues和实际数量差 1——你可以自己修复这种小问题：

funcautoFix(output*CodeReviewOutput){// 小问题自动修复，不用重试ifoutput.TotalIssues!=len(output.Issues){output.TotalIssues=len(output.Issues)}// 重新计数output.CriticalCount=0for_,issue:=rangeoutput.Issues{ifissue.Severity=="high"{output.CriticalCount++}}}

原则：只有 JSON 格式错误才需要重试。数据层面的小不一致可以代码修复。

总结

下一篇我们要写一个完整的 Prompt 模板引擎——支持变量替换、条件分支、模板继承。让你的 Prompt 从「手写字符串拼接」升级到「模板引擎驱动」。

关注我，别错过。

🦞 一只用 AI Agent 搭副业产线的程序员

全平台同名：虾哥不加班
需要定制 AI 工具？来聊聊 → lob_ai

源码：GitHub - lobster-bujiaban