结构化输出与多模态：格式化响应与图文理解

获取 JSON 格式输出

让 Claude 输出结构化 JSON 的最可靠方法是提供明确的 Schema 定义：

请分析以下用户评论的情感，以 JSON 格式输出：
{
  "sentiment": "positive | negative | neutral",
  "confidence": 0.0-1.0,
  "keywords": ["关键词数组"],
  "summary": "一句话总结"
}

评论内容：这家餐厅的牛排非常好吃，但是等位时间太长了，服务员态度也一般。

Claude 会精确按照 Schema 格式返回结果。

预填充保证格式

通过 API 使用时，在 assistant 回复中预填充开头内容可以 100% 保证输出格式：

messages = [
    {"role": "user", "content": "分析这段文本的情感"},
    {"role": "assistant", "content": "{"}  # 预填充
]

Claude 会从 { 继续，确保输出纯 JSON，不会添加"好的，以下是分析结果："这类前缀。

XML 标签分区

对于包含多个部分的复杂输出，XML 标签是极好的结构化工具：

请用以下 XML 格式输出代码审查结果：

<review>
  <issues>
    <issue severity="high|medium|low">
      <description>问题描述</description>
      <location>文件和行号</location>
      <fix>修复建议</fix>
    </issue>
  </issues>
  <summary>整体评价</summary>
  <score>1-10</score>
</review>

XML 标签的优势在于支持嵌套和属性，比纯 JSON 更灵活地表达层级关系。

处理边界情况

结构化输出时需要预防几种常见问题：

输出要求：
- 始终返回有效 JSON，即使输入数据异常
- 如果无法分析某个字段，使用 null 而非空字符串
- 数组字段在没有数据时返回 []，不要省略
- 不要在 JSON 外添加任何解释文字

这些约束能让你的程序稳定解析 Claude 的输出。

多模态：图片理解

Claude 具备强大的视觉能力。通过 API 发送图片时，可以结合文字提示进行分析：

请分析这张截图中的 UI 界面：
1. 列出所有可见的 UI 组件
2. 指出不符合设计规范的地方
3. 给出改进建议

以 JSON 数组格式输出，每项包含 component、issue、suggestion 三个字段。

常见图片分析场景

场景	提示词示例
OCR 文字提取	"提取图片中的所有文字，保持原始排版"
图表数据读取	"读取柱状图中的数据，以表格形式输出"
UI 描述	"描述这个界面的布局结构和交互元素"
文档解析	"提取这张发票中的关键信息：日期、金额、供应商"

视觉 + 结构化输出的组合

将视觉能力和结构化输出结合是最强大的应用模式：

请分析这张产品截图，以 JSON 格式输出：
{
  "product_name": "产品名称",
  "price": "价格",
  "rating": "评分",
  "key_features": ["特征列表"],
  "visible_issues": ["界面问题"]
}

这种组合非常适合构建自动化数据提取管线。

常见问题

Claude 能 100% 保证输出有效 JSON 吗？

在大多数情况下可以，尤其是使用预填充技巧时。但在极端情况下（非常长的输出被截断），JSON 可能不完整。建议在代码中始终使用 try-catch 包裹 JSON 解析，并设置重试机制。

Claude 能处理哪些类型的图片？

Claude 支持 JPEG、PNG、GIF 和 WebP 格式的图片。它可以理解照片、截图、图表、文档扫描件、手写笔记等。但对于极小的文字、模糊的图片或高度抽象的艺术作品，准确率会下降。

结构化输出和自由格式输出哪个更好？

取决于用途。如果输出需要被程序解析（API 集成、数据管线），一定使用结构化输出。如果是给人阅读的内容（文章、邮件、报告），自由格式通常更自然。两者也可以结合——让 Claude 在 JSON 的特定字段中放入自由格式文本。

发送图片时有什么限制？

通过 API 单次请求最多可以发送 20 张图片。图片会消耗 token 配额，高分辨率图片消耗更多。建议在发送前适当压缩图片，保持关键细节清晰即可，不需要超高分辨率。