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。

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。