DeepSeek и JSON: структурированный вывод без ошибок

DeepSeek и JSON: структурированный вывод

DeepSeek и JSON — про надёжный структурированный вывод: когда ответ нужен не текстом, а объектом с полями. Модель умеет возвращать JSON, но без схемы и валидации регулярно добавляет пояснения вокруг, ломая парсер. Ниже — что включить в запрос и как построить пайплайн, который не падает на первом же ответе.

Три условия стабильного JSON

  1. Режим JSON в запросе. Укажите response_format: {"type": "json_object"} — модель не начнёт ответ словами «Конечно, вот».
  2. Схема в промпте. Перечислите поля, типы и обязательность. Чем точнее схема, тем меньше сюрпризов.
  3. Температура 0. Для извлечения данных вариативность только мешает.
{
  "model": "deepseek-chat",
  "temperature": 0,
  "response_format": {"type": "json_object"},
  "messages": [{
    "role": "system",
    "content": "Верни JSON: {"name": string, "price": number, "tags": string[]}"
  }]
}

Что делать с ошибками парсинга

Симптом Причина Лечение
Текст вокруг JSON Нет режима JSON Включить response_format
Число пришло строкой Схема без типов Явно указать типы
Пропало поле Модель «оптимизировала» Пометить как обязательное
Обрезанный ответ Лимит вывода Увеличить max_tokens

Обязательно повтор: при ошибке валидации отправляйте модели её же ответ и текст ошибки — в большинстве случаев второй проход исправляет структуру.

Схема: как описывать поля

Плохо: «верни данные о товаре». Хорошо: «name — строка до 120 символов, price — число в рублях без пробелов, tags — массив из 3–5 строк в нижнем регистре, availability — одно из true/false». Модель следует примерам лучше, чем абстрактным инструкциям, поэтому добавьте один эталонный объект.

Пакетная обработка

Если обрабатываете 1000 строк, не отправляйте их одним запросом: выход обрежется по лимиту. Практика — батчи по 10–20 элементов с массивом объектов в ответе, с проверкой количества на каждом шаге. Расхождение в счёте — сигнал, что часть потерялась.

Валидация на стороне кода

  • Pydantic или JSON Schema — проверка типов и обязательных полей.
  • Ограничения на длину строк и диапазоны чисел.
  • Логирование каждого нераспарсенного ответа — это ваш датасет для улучшения промпта.

Схема на уровне кода

Описывать схему в промпте нужно, но проверять — в коде. Pydantic, Zod или JSON Schema дают точную ошибку: какое поле отсутствует, какой тип не совпал. Модель получает эту ошибку текстом и исправляет ответ со второй попытки.

Сложные структуры

Вложенные объекты и массивы работают, если задать их явно: «items — массив объектов, у каждого id, name и price». Без этого модель упростит структуру до плоского списка строк. Для больших ответов делите задачу: сначала список идентификаторов, потом детали по каждому.

Лимиты и обрезка

Ответ обрывается, когда заканчиваются выходные токены. Признак — незакрытая скобка и ошибка парсинга в конце. Лечится увеличением лимита и разбиением на батчи; в коде стоит проверять, что строка заканчивается закрывающей скобкой.

Кэш и повторные запросы

Одинаковые промпты с одинаковыми данными можно кэшировать: результат детерминирован при температуре 0. Это снижает расход и убирает расхождения между запусками.

Пример: заказ из письма

На входе текст письма, на выходе объект: номер заказа, дата, позиции, сумма, адрес. Просите вернуть null для отсутствующих полей, а не придумывать значения. Дальше в коде: если сумма null — заявка уходит на ручную проверку, а не в обработку.

Такая схема надёжнее, чем «модель разберётся»: вы явно видите, где данных не хватило.

Гарантирует ли режим JSON валидный JSON?

Почти всегда, но не абсолютно: ответ может обрезаться по лимиту токенов. Проверяйте парсером и повторяйте при ошибке.

Можно ли получить массив объектов?

Да, если описать это в схеме: корневой объект с полем items, внутри массив. Без явного описания модель вернёт один объект.

Почему поля иногда меняют порядок?

Порядок ключей в JSON не гарантирован и не важен: парсите по именам, а не по позиции. Для сравнения используйте нормализацию.

Сколько стоит структурированный вывод?

Столько же, сколько обычный: схема добавляет немного входных токенов. Дороже становится переповтор при ошибках — поэтому важна валидация.

Смотрите также