載入中
載入中

在使用 AI 工具進行結構化資料提取時,撰寫詳細的 JSON schema 可能是一個真正令人頭痛的問題。這裡有一個巧妙的變通方法,讓您可以直接在提示中指定所需的資料結構,而不必建立複雜的 schema。

靈活 Schema 方法

與其為每個資料提取任務撰寫詳細的 schema,您可以建立一個名為 to_json 的通用工具,它接受任何物件結構。關鍵在於將輸入 schema 設定為允許額外屬性,然後在提示本身中指定您的確切需求。

to_json 的工具規格,其輸入 schema 將「json」設定為類型「object」,並將「additionalProperties」設定為 True,可接受任何 JSON。

這個方法消除了一個主要的痛點——不斷撰寫和管理龐大的 JSON schema。結果不會像專用 schema 那樣完美,但您仍然可以用少得多的設置工作獲得高品質的 JSON 輸出。

運作方式

此過程很簡單:

  • 建立一個能接受任何物件結構的單一靈活 schema
  • 在您的提示中,準確指定您想要的資料結構
  • 告訴 Claude 以您指定的結構呼叫 to_json 工具
  • 使用 tool_choice 強制 Claude 使用您的工具

設定提示

在撰寫提示時,請對您想要的結構非常明確。以下是如何建構您的請求的範例:

Analyze the article below and extract key data. Then call the to_json tool.

<article_text>
{result["text"]}
</article_text>

When you call to_json, pass in the following structure:
{{
    "title": str # title of the article,
    "author": str # author of the article,
    "topics": List[str] # List of topics mentioned in the article
}}

發出 API 呼叫

此 API 呼叫使用靈活的 schema 並強制使用工具:

python
flexible_result = chat(messages, tools=[to_json_schema], tool_choice="to_json")

輕鬆變更結構

當您需要修改資料結構時,真正的優勢就會顯現出來。您不需要重寫整個 schema,只需更新您的提示即可。想為主題數量新增一個欄位嗎?只需加上一行:

python
"num_topics": int # Number of topics mentioned

就是這樣——不需要進行任何 schema 修改。

何時使用每種方法

靈活 schema 方法非常適合用於:

  • 快速原型設計與實驗
  • 簡單的資料提取任務
  • 需要頻繁變更資料需求的情況

對於以下情況,請堅持使用專用 schema:

  • 關鍵的生產環境資料提取任務
  • 複雜的巢狀資料結構
  • 當您需要最高可能的準確度時

靈活方法能以 10% 的設置工作,達到約 90% 的品質,非常適合大多數需要結構化資料提取、又不想承擔 schema 管理負擔的使用情境。