Claude 结构化输出示例

以下示例展示如何使用Claude的 /v1/messages 接口获取JSON格式的结构化输出，适用于需要机器可读格式的场景。

快速开始

只需要替换 <API-KEY> 为你的实际API密钥即可运行。

curl -X POST "https://api.tokenops.ai/v1/messages" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API-KEY>" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-3-7-sonnet-20250219",
    "max_tokens": 1000,
    "messages": [
      {
        "role": "user",
        "content": "分析苹果公司的基本信息，包括公司名称、成立年份、创始人、主要业务等，请以JSON格式返回，格式如下：{\"company_name\": \"公司名称\", \"founded_year\": 年份, \"founders\": [\"创始人列表\"], \"main_business\": [\"主要业务\"], \"headquarters\": \"总部位置\"}"
      }
    ]
  }'

import requests
import json

# 配置API密钥和基础URL
API_KEY = "<API-KEY>"
BASE_URL = "https://api.tokenops.ai/v1"

def get_structured_response_claude(prompt, schema_description=""):
    url = f"{BASE_URL}/messages"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}",
        "anthropic-version": "2023-06-01"
    }

    # 构建包含结构化要求的提示
    structured_prompt = f"""{prompt}

请严格按照以下JSON格式返回结果：
{schema_description}

重要：
1. 只返回JSON格式的数据，不要包含任何解释文字
2. 确保JSON格式正确且完整
3. 所有字符串值请使用双引号"""

    data = {
        "model": "claude-3-7-sonnet-20250219",
        "max_tokens": 1000,
        "messages": [
            {
                "role": "user",
                "content": structured_prompt
            }
        ]
    }

    response = requests.post(url, headers=headers, json=data)

    if response.status_code == 200:
        result = response.json()
        content = result['content'][0]['text']
        try:
            # 尝试解析JSON
            return json.loads(content)
        except json.JSONDecodeError:
            # 如果直接解析失败，尝试提取JSON部分
            import re
            json_match = re.search(r'\{.*\}', content, re.DOTALL)
            if json_match:
                try:
                    return json.loads(json_match.group())
                except json.JSONDecodeError:
                    pass
            return {"error": "返回的内容不是有效的JSON格式", "content": content}
    else:
        return {"error": f"API错误: {response.status_code} - {response.text}"}

# 公司信息分析示例
def analyze_company_info():
    prompt = "分析苹果公司的基本信息，包括公司名称、成立年份、创始人、主要业务等"

    schema = """{
  "company_name": "公司名称",
  "founded_year": 成立年份(数字),
  "founders": ["创始人列表"],
  "main_business": ["主要业务领域"],
  "headquarters": "总部位置",
  "market_cap": "市值（如果知道）",
  "key_products": ["主要产品"]
}"""

    result = get_structured_response_claude(prompt, schema)
    return result

# 文档摘要示例
def summarize_document():
    prompt = """请分析以下文档并生成结构化摘要：

"人工智能技术正在快速发展，特别是大语言模型在各个领域都展现出了巨大的潜力。然而，AI技术的发展也带来了一些挑战，包括数据隐私、算法偏见和就业影响等问题。企业在采用AI技术时需要权衡收益与风险，制定合适的策略。"

请分析上述内容"""

    schema = """{
  "main_topic": "主要话题",
  "key_points": ["关键要点列表"],
  "opportunities": ["机遇"],
  "challenges": ["挑战"],
  "recommendations": ["建议"],
  "sentiment": "整体情感倾向(positive/negative/neutral)",
  "word_count": "大约字数"
}"""

    result = get_structured_response_claude(prompt, schema)
    return result

# 客户反馈分析示例
def analyze_customer_feedback():
    prompt = """分析以下客户反馈：

"这个产品的界面很直观，使用起来很方便。但是有时候会有些卡顿，希望能优化一下性能。客服回应很及时，服务态度也很好。价格相对同类产品来说有点贵，但整体体验还是满意的。"

请对这段反馈进行详细分析"""

    schema = """{
  "overall_satisfaction": "整体满意度(1-10分)",
  "positive_aspects": ["积极方面"],
  "negative_aspects": ["需要改进的方面"],
  "feature_ratings": {
    "usability": "易用性评分(1-10)",
    "performance": "性能评分(1-10)",
    "customer_service": "客服评分(1-10)",
    "value_for_money": "性价比评分(1-10)"
  },
  "priority_improvements": ["优先改进项目"],
  "customer_type": "客户类型推测",
  "likelihood_to_recommend": "推荐可能性(1-10)"
}"""

    result = get_structured_response_claude(prompt, schema)
    return result

# 使用示例
if __name__ == "__main__":
    print("=== 公司信息分析 ===")
    company_result = analyze_company_info()
    print(json.dumps(company_result, ensure_ascii=False, indent=2))

    print("\n=== 文档摘要 ===")
    summary_result = summarize_document()
    print(json.dumps(summary_result, ensure_ascii=False, indent=2))

    print("\n=== 客户反馈分析 ===")
    feedback_result = analyze_customer_feedback()
    print(json.dumps(feedback_result, ensure_ascii=False, indent=2))

const axios = require('axios');

// 配置API密钥和基础URL
const API_KEY = '<API-KEY>';
const BASE_URL = 'https://api.tokenops.ai/v1';

async function getStructuredResponseClaude(prompt, schemaDescription = '') {
    const url = `${BASE_URL}/messages`;

    // 构建包含结构化要求的提示
    const structuredPrompt = `${prompt}

请严格按照以下JSON格式返回结果：
${schemaDescription}

重要：
1. 只返回JSON格式的数据，不要包含任何解释文字
2. 确保JSON格式正确且完整
3. 所有字符串值请使用双引号`;

    const headers = {
        'Content-Type': 'application/json',
        'Authorization': `Bearer ${API_KEY}`,
        'anthropic-version': '2023-06-01'
    };

    const data = {
        model: 'claude-3-7-sonnet-20250219',
        max_tokens: 1000,
        messages: [
            {
                role: 'user',
                content: structuredPrompt
            }
        ]
    };

    try {
        const response = await axios.post(url, data, { headers });
        const content = response.data.content[0].text;

        try {
            return JSON.parse(content);
        } catch (parseError) {
            // 尝试提取JSON部分
            const jsonMatch = content.match(/\{.*\}/s);
            if (jsonMatch) {
                try {
                    return JSON.parse(jsonMatch[0]);
                } catch {
                    // 继续到错误处理
                }
            }
            return {
                error: '返回的内容不是有效的JSON格式',
                content: content
            };
        }
    } catch (error) {
        return {
            error: `API错误: ${error.response?.status} - ${error.response?.data || error.message}`
        };
    }
}

// 技术文档分析示例
async function analyzeTechDoc() {
    const prompt = `分析以下技术需求文档：

"我们需要开发一个电商网站，支持用户注册登录、商品浏览、购物车功能、订单管理和支付功能。技术栈使用React前端，Node.js后端，MySQL数据库。预计开发周期3个月，团队规模5人。"

请对这个项目进行技术分析`;

    const schema = `{
  "project_type": "项目类型",
  "main_features": ["主要功能模块"],
  "tech_stack": {
    "frontend": "前端技术",
    "backend": "后端技术",
    "database": "数据库",
    "other": ["其他技术"]
  },
  "development_timeline": "开发周期",
  "team_size": "团队规模",
  "complexity_level": "复杂度等级(low/medium/high)",
  "estimated_effort": "预估工作量(人月)",
  "risk_factors": ["风险因素"],
  "recommendations": ["建议"]
}`;

    const result = await getStructuredResponseClaude(prompt, schema);
    return result;
}

// 邮件分类示例
async function classifyEmail() {
    const prompt = `对以下邮件进行分类和分析：

"主题：关于下周会议的时间安排
内容：Hi团队，下周一的项目评审会议需要调整到下周二下午2点，请大家确认是否有时间冲突。如果有问题请及时回复。谢谢！"

请分析这封邮件`;

    const schema = `{
  "email_type": "邮件类型",
  "urgency_level": "紧急程度(low/medium/high)",
  "action_required": "是否需要回复(true/false)",
  "deadline": "截止时间（如果有）",
  "key_information": {
    "event": "事件描述",
    "time": "时间信息",
    "participants": "参与人员"
  },
  "sentiment": "语气(formal/informal/friendly/urgent)",
  "auto_reply_suggestion": "自动回复建议"
}`;

    const result = await getStructuredResponseClaude(prompt, schema);
    return result;
}

// 使用示例
(async () => {
    try {
        console.log('=== 技术文档分析 ===');
        const techResult = await analyzeTechDoc();
        console.log(JSON.stringify(techResult, null, 2));

        console.log('\n=== 邮件分类 ===');
        const emailResult = await classifyEmail();
        console.log(JSON.stringify(emailResult, null, 2));
    } catch (error) {
        console.error('错误:', error.message);
    }
})();

package main

import (
    "bytes"
    "encoding/json"
    "fmt"
    "io"
    "net/http"
    "regexp"
    "strings"
)

const (
    APIKey  = "<API-KEY>"
    BaseURL = "https://api.tokenops.ai/v1"
)

type Message struct {
    Role    string `json:"role"`
    Content string `json:"content"`
}

type ClaudeRequest struct {
    Model     string    `json:"model"`
    MaxTokens int       `json:"max_tokens"`
    Messages  []Message `json:"messages"`
}

type ContentBlock struct {
    Text string `json:"text"`
}

type ClaudeResponse struct {
    Content []ContentBlock `json:"content"`
}

func getStructuredResponseClaude(prompt, schemaDescription string) (map[string]interface{}, error) {
    url := fmt.Sprintf("%s/messages", BaseURL)

    // 构建包含结构化要求的提示
    structuredPrompt := fmt.Sprintf(`%s

请严格按照以下JSON格式返回结果：
%s

重要：
1. 只返回JSON格式的数据，不要包含任何解释文字
2. 确保JSON格式正确且完整
3. 所有字符串值请使用双引号`, prompt, schemaDescription)

    reqData := ClaudeRequest{
        Model:     "claude-3-7-sonnet-20250219",
        MaxTokens: 1000,
        Messages: []Message{
            {
                Role:    "user",
                Content: structuredPrompt,
            },
        },
    }

    jsonData, err := json.Marshal(reqData)
    if err != nil {
        return nil, err
    }

    req, err := http.NewRequest("POST", url, bytes.NewBuffer(jsonData))
    if err != nil {
        return nil, err
    }

    req.Header.Set("Content-Type", "application/json")
    req.Header.Set("Authorization", fmt.Sprintf("Bearer %s", APIKey))
    req.Header.Set("anthropic-version", "2023-06-01")

    client := &http.Client{}
    resp, err := client.Do(req)
    if err != nil {
        return nil, err
    }
    defer resp.Body.Close()

    body, err := io.ReadAll(resp.Body)
    if err != nil {
        return nil, err
    }

    if resp.StatusCode != 200 {
        return map[string]interface{}{
            "error": fmt.Sprintf("API错误: %d - %s", resp.StatusCode, string(body)),
        }, nil
    }

    var claudeResp ClaudeResponse
    err = json.Unmarshal(body, &claudeResp)
    if err != nil {
        return nil, err
    }

    content := claudeResp.Content[0].Text

    // 尝试解析JSON
    var result map[string]interface{}
    err = json.Unmarshal([]byte(content), &result)
    if err != nil {
        // 尝试提取JSON部分
        re := regexp.MustCompile(`\{.*\}`)
        jsonMatch := re.FindString(content)
        if jsonMatch != "" {
            err = json.Unmarshal([]byte(jsonMatch), &result)
            if err == nil {
                return result, nil
            }
        }
        return map[string]interface{}{
            "error":   "返回的内容不是有效的JSON格式",
            "content": content,
        }, nil
    }

    return result, nil
}

// 竞品分析示例
func analyzeCompetitors() (map[string]interface{}, error) {
    prompt := `请分析以下两个竞品：

产品A：微信，腾讯公司开发的即时通讯软件，用户量超过12亿
产品B：钉钉，阿里巴巴开发的企业通讯与协作平台，主要面向企业用户

请对这两个产品进行竞品分析`

    schema := `{
  "products": [
    {
      "name": "产品名称",
      "company": "开发公司",
      "target_audience": "目标用户群",
      "key_features": ["主要功能"],
      "market_position": "市场定位",
      "strengths": ["优势"],
      "weaknesses": ["劣势"]
    }
  ],
  "comparison": {
    "similarities": ["相似点"],
    "differences": ["差异点"],
    "market_overlap": "市场重叠度(low/medium/high)"
  },
  "market_analysis": {
    "total_market_size": "市场规模评估",
    "growth_trend": "增长趋势",
    "key_factors": ["关键成功因素"]
  }
}`

    return getStructuredResponseClaude(prompt, schema)
}

func main() {
    fmt.Println("=== 竞品分析 ===")
    result, err := analyzeCompetitors()
    if err != nil {
        fmt.Printf("错误: %v\n", err)
        return
    }

    jsonOutput, err := json.MarshalIndent(result, "", "  ")
    if err != nil {
        fmt.Printf("JSON序列化错误: %v\n", err)
        return
    }

    fmt.Println(string(jsonOutput))
}

结果示例

200

{
  "id": "83ffa096996a40d1b70c8611766fe3ab",
  "content": [
    {
      "text": "{\n  \"company_name\": \"苹果公司 (Apple Inc.)\",\n  \"founded_year\": 1976,\n  \"founders\": [\"史蒂夫·乔布斯\", \"史蒂夫·沃兹尼亚克\", \"罗纳德·韦恩\"],\n  \"main_business\": [\"消费电子产品\", \"软件服务\", \"数字内容服务\"],\n  \"headquarters\": \"美国加利福尼亚州库比蒂诺\",\n  \"market_cap\": \"约3万亿美元(截至2024年)\",\n  \"key_products\": [\"iPhone\", \"iPad\", \"Mac\", \"Apple Watch\", \"AirPods\", \"Apple TV\"]\n}",
      "type": "text"
    }
  ],
  "model": "claude-3-7-sonnet-20250219",
  "role": "assistant",
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 156,
    "output_tokens": 185
  }
}

Claude结构化输出的特点

1. 提示工程重要性

Claude没有内置的 response_format 参数，需要通过精心设计的提示来引导输出结构化内容：

明确指令: 在提示中明确要求JSON格式
格式示例: 提供期望的JSON结构模板
约束条件: 明确不要额外文字，只要JSON

2. 解析策略

由于Claude可能在JSON前后添加解释文字，建议采用以下解析策略：

首先尝试直接解析整个响应
如果失败，使用正则表达式提取JSON部分
提供错误处理和内容回退

应用场景

数据提取: 从非结构化文档中提取关键信息
内容分析: 对文档、评论、反馈进行结构化分析
业务流程: 将自然语言需求转换为结构化数据
API集成: 为后端系统提供标准化数据格式
报告生成: 自动生成结构化的分析报告

最佳实践

1. 提示设计

{用户问题}

请严格按照以下JSON格式返回结果：
{JSON模板}

重要：
1. 只返回JSON格式的数据，不要包含任何解释文字
2. 确保JSON格式正确且完整
3. 所有字符串值请使用双引号

2. 错误处理

设置JSON解析的多重fallback策略
对解析失败的情况提供有意义的错误信息
保留原始内容以便调试

3. 数据验证

验证必填字段是否存在
检查数据类型是否符合预期
验证枚举值是否在允许范围内

注意事项

模型差异: Claude的结构化输出完全依赖提示工程
成功率: 相比OpenAI的response_format，可能需要更多调试
token消耗: 详细的格式说明会增加输入token数量
一致性: 建议使用较低的temperature以提高输出一致性

​Claude 结构化输出示例

​快速开始

​结果示例

​Claude结构化输出的特点

​1. 提示工程重要性

​2. 解析策略

​应用场景

​最佳实践

​1. 提示设计

​2. 错误处理

​3. 数据验证

​注意事项

Claude 结构化输出示例

快速开始

结果示例

Claude结构化输出的特点

1. 提示工程重要性

2. 解析策略

应用场景

最佳实践

1. 提示设计

2. 错误处理

3. 数据验证

注意事项