高频面试题

如何让 AI 输出指定格式的内容，比如 JSON、表格、Markdown？

这道题考察你是否知道格式控制是 Prompt、模型能力和程序校验共同完成的，不是靠一句“不要输出多余内容”。

适合阶段：LLM 应用开发核心能力：格式约束 · Schema 校验 · 失败恢复

面试官角度分析，想考什么

• 为什么模型明明被要求输出 JSON，还是会多写解释？
  考概率生成和格式约束边界。
• Prompt 里怎么描述输出格式？
  考字段、类型、枚举、示例和禁止项。
• 生产中如何保证格式可用？
  考结构化输出、校验、重试和降级。
• Markdown 表格、JSON、自然语言有什么不同风险？
  考下游解析意识。

可直接抄走的 30 秒参考答案

让 AI 输出指定格式，不能只写“严格输出 JSON”。我会在 Prompt 里给清楚的字段、类型、枚举、空值策略和示例；如果平台支持 structured output 或 function calling，就优先用模型侧约束；拿到结果后再做 JSON parse、Schema 校验和业务校验。失败时把校验错误反馈给模型修复，超过重试次数就降级。

面试回答详解，知其所以然

格式控制的核心不是“提醒模型听话”，而是把输出变成可验证协议。

1. Prompt 层怎么写

输出要求：
- 只输出 JSON，不要解释文字
- 字段必须包含 title、summary、risk_level
- risk_level 只能是 "low" | "medium" | "high"
- 如果信息不足，summary 为空字符串，risk_level 为 "unknown"

写格式要求时要明确字段名、类型、枚举、是否必填、空值策略和额外文本处理。

2. 给示例锁定格式

{
  "title": "登录失败",
  "summary": "用户无法使用验证码登录。",
  "risk_level": "medium"
}

示例适合展示字段顺序、嵌套结构、空值和边界样例。复杂格式最好给一个正常样例和一个信息不足样例。

3. 不同格式的注意点

• JSON：适合机器解析，要配合 schema validation，避免漏字段、类型错和额外文本。
• Markdown：适合人读，但表格和代码块容易被截断，下游解析要谨慎。
• 表格：适合少量结构化比较，不适合字段很长的复杂内容。
• 纯文本：适合客服回复、摘要和口语回答，但难以自动校验。

4. 模型能力优先级

如果 API 支持 structured outputs、JSON schema、function calling 或 tool calling，应优先使用这些能力。Prompt 约束适合补充语义要求，但程序不能把模型文本当成可信序列化结果。

5. 生产闭环

生成 -> parse -> schema 校验 -> 业务校验 -> 失败重试 -> 降级/人工处理

校验失败时，可以把错误反馈给模型让它只修复格式；多次失败后应停止重试，走降级逻辑，避免无限消耗 token。

面试官追问3个问题

追问一：JSON mode 和 function calling 有什么区别？

• 考察点：是否理解格式约束和工具调用语义。
• 回答方向：JSON mode 偏生成合法 JSON，function calling 偏让模型选择工具并生成参数，两者都需要业务校验。

追问二：模型输出 Markdown 表格但列数错怎么办？

• 考察点：是否有失败恢复设计。
• 回答方向：用解析器检查列数和表头，不通过就让模型按错误修复；重要数据优先输出 JSON，再渲染成表格。

追问三：为什么合法 JSON 仍可能不能用？

• 考察点：是否区分语法正确和业务正确。
• 回答方向：字段类型合法不代表值可信，还要校验范围、权限、存在性、引用一致性和安全风险。

扩展知识

格式要求模板

输出格式：
- 类型：JSON
- 顶层必须是 object
- 不允许 markdown code fence
- 字段：
  - name: string，必填
  - tags: string[]，可为空数组
  - confidence: number，0 到 1

为什么 Markdown 也要约束

Markdown 面向人类阅读，不是严格数据格式。涉及表格、链接、代码块和列表嵌套时，要说明标题层级、列名、代码语言和空值写法。