載入中
載入中

在本課程的前面部分,我們介紹了如何使用訊息預填(message pre-fills)和停止序列(stop sequences)從 Claude 獲取結構化輸出。雖然這種方法效果很好且易於設置,但我們可以使用工具獲得更可靠的輸出。這種方法實作起來較為複雜,但在提取像 JSON 這樣的結構化資料時,能提供更好的一致性。

為什麼要學習這兩種方法?

您可能會想,如果工具更可靠,為什麼我們不一開始就使用工具。答案很簡單:工具需要的設置和複雜度明顯更高。同時掌握這兩種技術可以讓您更有彈性——有時您會想要快速的基於提示的方法,有時您則需要工具所提供的可靠性。

基於工具的結構化輸出如何運作

其核心概念很直觀:您不是要求 Claude 將其回應格式化為 JSON,而是建立一個工具,其輸入參數與您想要提取的資料結構完全相符。接著 Claude 會用提取出的資料作為引數來「呼叫」這個工具。

一個用於 analyze_financial_statement 工具的 financial_analysis_schema:必填整數「balance」和陣列「key_insights」。

流程如下:

  1. 撰寫一個描述您所需資料結構的 JSON schema
  2. 建立一個以該 schema 作為其輸入規格的工具
  3. 將您的資料和工具 schema 傳送給 Claude
  4. 使用 toolChoice 參數強制 Claude 使用該工具
  5. 從工具呼叫的引數中提取結構化資料

我們的伺服器向 Claude 傳送提示,要求分析財務報表並呼叫 financial_analysis 工具,同時附上其 schema。

整體流程是這樣的:您的伺服器傳送一個提示,要求 Claude 分析資料並呼叫特定工具。Claude 會以包含提取出的 JSON 資料的工具使用訊息作為回應。到了這一步,您只需取得資料並結束對話——不需要後續的往返。

控制工具的使用

當使用工具來進行結構化輸出時,您會希望確保 Claude 一定會使用您的提取工具。toolChoice 參數提供了三個選項:

筆記本儲存格要求 Claude 提供一個帶有標題和作者姓名的學術文章段落,以及那段很長的文字回覆。

  • {"toolChoice": {"auto": {}}} - 模型自行決定是否需要使用工具(預設)
  • {"toolChoice": {"any": {}}} - 模型必須使用某個工具,但可以選擇使用哪一個
  • {"toolChoice": {"tool": {"name": "tool-name"}}} - 模型必須使用指定的工具

對於結構化輸出,您幾乎總是會想要使用第三個選項,以確保 Claude 使用您的提取工具。

實務範例

假設您想從一篇文章中提取標題、作者和關鍵主題。首先,您需要建立一個工具 schema:

python
article_details_schema = {
    "toolSpec": {
        "name": "article_details",
        "description": "Extracts key information from an article",
        "inputSchema": {
            "json": {
                "type": "object",
                "properties": {
                    "title": {
                        "type": "string",
                        "description": "The title of the article"
                    },
                    "author": {
                        "type": "string", 
                        "description": "The author's name"
                    },
                    "topics": {
                        "type": "array",
                        "items": {"type": "string"},
                        "description": "List of key topics mentioned"
                    }
                },
                "required": ["title", "author", "topics"]
            }
        }
    }
}

接著您會帶著您的資料呼叫 Claude,並強制它使用該工具。我們的 chat 輔助函式會直接將工具名稱作為其 tool_choice 引數,因此您不需要自己建構嵌套的 toolChoice 物件:

python
messages = []
add_user_message(messages, f"""
Analyze the article below and extract key data. Then call the article_details tool.

<article_text>
{article_text}
</article_text>
""")

result = chat(messages, tools=[article_details_schema], tool_choice="article_details")

Claude 會以包含提取出資料的工具使用訊息作為回應,其格式正是您所指定的格式。工具呼叫的引數中將包含您的結構化 JSON 資料,可直接在您的應用程式中使用。

主要優點

  • 比基於提示的提取方式更可靠
  • 保證符合您的 schema 的結構
  • 不需要訊息預填或停止序列
  • 透過工具 schema 內建驗證

主要的取捨在於複雜度——您需要撰寫詳細的 schema 並處理工具回應。但當您需要一致、可靠的結構化輸出時,工具是最佳選擇。