· 全部指南
从 JSON 样例快速生成 Schema
使用 towalles.com/json-schema-from-sample 工具，只需粘贴任意 JSON 数据，即可自动推断字段类型、必填项和嵌套结构。例如电商 API 的订单数据，工具能智能识别价格应为 number 类型而非字符串，避免手动编写时的常见错误。所有处理在浏览器本地完成，敏感数据不会上传至服务器。
进阶技巧：通过「严格模式」强制枚举值校验，比如将订单状态限定为 ['pending', 'shipped', 'delivered']。对于动态字段，可使用 patternProperties 定义正则匹配规则，如用户自定义元数据 meta_* 字段的通用处理方案。
校验 LLM 结构化输出实战
通过 structured-output-validator 工具，将生成的 Schema 作为质量检查关卡。当 LLM 返回的 JSON 缺少必填字段或类型不匹配时，系统会立即抛出可读性错误，比如「contact.email 应为字符串但收到 null」。支持批量校验历史对话数据，帮助优化提示词工程。
特殊场景处理：针对 LLM 可能返回的 Markdown 代码块包裹的 JSON，工具内置自动提取逻辑。对于非标准格式如「Yes/No」布尔值，可配置自定义转换器将其规范化为 true/false。
Function Calling 设计最佳实践
在 function-schema-builder 中设计 AI 函数时，务必添加清晰的 description 字段。例如参数「location」应说明「使用城市名而非邮政编码，如 'Beijing'」。工具生成的 Schema 可直接用于 OpenAI 等平台的 function calling 配置，实现全流程可视化编辑。
推荐采用「宽松输入+严格输出」原则：输入参数接受字符串或数字等多种类型，但函数返回值必须符合精确的 Schema 定义。通过添加 examples 数组展示典型用例，显著降低 AI 的理解偏差。
隐私优先的本地化处理方案
所有 Towalles 工具均采用浏览器本地计算架构，Schema 生成和校验过程不会将您的 API 数据或业务逻辑外传。对于医疗、金融等敏感行业，配合「离线模式」使用可完全隔绝网络请求，符合 GDPR 等严格合规要求。
开发者可导出标准 JSON Schema 文件（Draft-07 兼容）到自有系统集成。结合 CI/CD 流程，自动校验生产环境 API 的响应格式，或在测试阶段捕捉 LLM 输出的结构性错误。