DeepSeek и JSON: структурированный вывод без ошибок

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
- Режим JSON в запросе. Укажите
response_format: {"type": "json_object"}— модель не начнёт ответ словами «Конечно, вот». - Схема в промпте. Перечислите поля, типы и обязательность. Чем точнее схема, тем меньше сюрпризов.
- 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
- DeepSeek API: ключ, цены и подключение
- DeepSeek для программирования: код, отладка и ревью
- DeepSeek в n8n: автоматизация без кода
- DeepSeek и MCP: как подключить инструменты к модели
- DeepSeek не работает: причины и что делать
- DeepSeek для журналистов: структура, вопросы, фактчекинг
- DeepSeek и LangChain: цепочки, агенты и память
- DeepSeek для Bash: скрипты, объяснения и проверка