本节目录
M2 · 第 5 讲
结构化输出与批量任务
让一百条结果长得一样
开场:200 条评论,一条一条问要问到明天
你导出了 200 条用户评论,想让 AI 分成“功能诉求、体验问题、价格异议、好评”四类。你试了三条,格式就开始飘:有的输出一段话,有的多给解释,有的把两条合成一条。
问题不在模型笨,而在于你只给了任务,没给结构。这一讲解决两件事:让输出稳定成形,让批量处理可控。
本课目标
- 用“字段 + 示例 + 校验”三件套固定输出;
- 判断什么时候用表格、什么时候用 JSON;
- 把 200 条任务拆成可重试的小批;
- 建一个简单的失败处理规则。
一、为什么格式会崩
三个原因,按出现频率排:
- 没定义字段:你说“分类”,没说输出哪几列;
- 没给示例:模型不知道你要的颗粒度;
- 一次给太多:输入太长,它开始省略、合并、编造。
对应三个动作:定义 schema、给一个样例、分批处理。
二、三件套:让输出稳定
1. 字段定义
输出四个字段:id(原文编号)、category(四选一:功能/体验/价格/好评)、reason(20 字以内)、confidence(高/中/低)。
2. 一个样例
示例输入:3号,“导出老是失败,气死了”。 示例输出:{"id":3,"category":"体验","reason":"导出功能失败","confidence":"高"}。
3. 校验规则
只输出 JSON 数组,不要解释;分类只能是四个值之一;无法判断时 category 填“待定”,confidence 填“低”。
三件套齐全,格式基本不会跑偏。
三、表格还是 JSON
| 用途 | 选表格 | 选 JSON |
|---|---|---|
| 给人看 | 是 | 否 |
| 给程序用 | 否 | 是 |
| 字段少、结构固定 | 是 | 可以 |
| 需要嵌套(一条多个标签) | 勉强 | 是 |
一个经验:给人看的用表格,给下一步程序用的用 JSON。
四、批量处理:分批 + 编号
不要一次丢 200 条。按 20–30 条一批,并给每条编号:
下面是第 1–20 条,已编号。请逐条处理,输出条数必须等于输入条数。缺哪条就在结果里标“缺失”,不要补写。
三个关键约束:
- 条数对齐:输出条数 = 输入条数;
- 保留编号:方便回填与核对;
- 禁止补写:信息不足就标“待定”。
处理完一批,抽查 3 条,再继续下一批。不要等 200 条全跑完才发现分类标准错了。
批处理分两种:Batch API 约按同步价 5 折、异步执行,有独立限额;把 20–30 条放进普通请求循环,仍按标准价并受 RPM/TPM 限制(2026-11-20 查询,按平台当期规则)。
五、失败处理:让模型自己报错
批处理一定会遇到异常:空文本、外语、广告、重复。提前约定:
如果某条无法处理,输出 {"id":n,"category":"待定","reason":"原因","confidence":"低"},不要跳过,也不要猜测。
这样你拿到的是一张完整的表,而不是一个需要手工对齐的残缺结果。
六、30 分钟练习
- 找 20 条真实评论/反馈(5 分钟);
- 定义 3–4 个字段,写一个样例(10 分钟);
- 分两批让 AI 处理,检查条数与编号(10 分钟);
- 抽查 3 条,修正分类标准后再跑一遍(5 分钟)。
七、四个常见坑
- 只给分类名,不给判断标准:同类会被分到不同类;
- 一次丢整份文档:模型开始摘要,不再逐条;
- 不检查条数:少了 5 条你可能一周后才发现;
- 把置信度当装饰:低置信度的条目必须人工复核。
八、检查清单
- [ ] 字段名、取值范围、长度都写清;
- [ ] 至少给了一个输入—输出样例;
- [ ] 单批不超过 30 条;
- [ ] 输出条数与输入一致;
- [ ] 低置信度条目已人工复核。
九、延伸阅读
- 知识库 1.2 Prompts(提示词)
- 知识库 1.3 AI Agents(智能体)
- 知识库 2.5 数据:AI 产品数据
下一讲:图像与视频提示词。你会用一张分镜表,把文字想法变成可拍的镜头。