Inicio rápido
-
Pegar respuesta
Soporta múltiples vallas json.
-
Copiar la salida
Bloques unidos con ---; pipe a JSON Formater siguiente.
Los modelos a menudo envuelven JSON en cercas de Markdown o prosa. Pegue la respuesta completa para extraer bloques JSON analizables.
Read the full guide: LLM Prompts y Context: Presupuestos de Token y Plantillas →
Privacidad: procesado localmente, nunca cargado.
↓ Pega en el área de entrada de abajo para ver los resultados al instante
从模型回复中提取 ```json 代码块或裸 JSON。
优先匹配 Markdown json 围栏; 其次尝试从首个 { 或 [ 开始的合法 JSON。多块以 --- 分隔输出。
Los modelos a menudo envuelven JSON en cercas de Markdown o prosa. Pegue la respuesta completa para extraer bloques JSON analizables.
Pegar respuesta
Soporta múltiples vallas json.
Copiar la salida
Bloques unidos con ---; pipe a JSON Formater siguiente.
bloques cercados primero; seguido de JSON desde el primero { o [.
Extraer objetos / matrices JSON de respuestas LLM, ignorando las vallas de Markdown y la prosa circundante.
Uso en tuberías de salida estructuradas y análisis de llamadas de funciones: todavía validar contra el esquema después.
Al llamar a las API de LLM, los modelos a menudo devuelven respuestas de Markdown que contienen JSON. Por ejemplo, GPT-4 puede envolver respuestas en bloques de código ``json``. El análisis directo de las respuestas en bruto falla, lo que requiere una extracción JSON limpia primero. Esta herramienta elimina automáticamente la sintaxis de Markdown y el contenido no JSON, produciendo JSON estandarizado.
Casos de uso típicos: 1) Debugging de datos de configuración de asistentes de IA 2) Procesamiento de salidas estructuradas de sistemas RAG 3) Analización de plantillas de solicitud de API generadas por modelos. Pegar respuesta → Extraer → Obtenga texto listo para JSON.parse(), más rápido que la eliminación manual de Markdown.
Input
```json\n{"ok":true}\n``` Output
{"ok":true} No; solo extrae fragmentos JSON.parse-able.
Cuando las respuestas contienen múltiples objetos JSON independientes (por ejemplo, salidas paso a paso), todos los bloques válidos se conservan. Por ejemplo, la IA podría primero devolver registros de error en JSON, luego el resultado correcto. Puede inspeccionar cada bloque o seleccionar las porciones necesarias a través de índices de matriz.