· 全部指南
從 json 樣例快速生成 schema
使用towalles.com/json-schema-from-sample工具，只需粘貼任意 json 數據，即可自動推斷欄位類型、必填項和嵌套結構。例如電商 api 的訂單數據，工具能智能識別價格應為 number 類型而非字符串，避免手動編寫時的常見錯誤。所有處理在瀏覽器本地完成，敏感數據不會上傳至伺服器。
進階技巧：通過“嚴格模式”強制枚舉值校驗，比如將訂單狀態限定為 ['pending', 'shipped', 'delivered']。對於動態欄位，可使用 patternproperties 定義正則匹配規則，如用戶自定義元數據 meta_* 欄位的通用處理方案。
校驗 llm 結構化輸出實戰
通過 structured-output-validator 工具，將生成的 schema 作為質量檢查關卡。當 llm 返回的 json 缺少必填欄位或類型不匹配時，系統會立即拋出可讀性錯誤，比如“contact.email 應為字符串但收到 null”。支持批量校驗歷史對話數據，幫助優化提示詞工程。
特殊場景處理：針對 llm 可能返回的 markdown 代碼塊包裹的 json，工具內置自動提取邏輯。對於非標準格式如“yes/no”布爾值，可配置自定義轉換器將其規範化為 true/false。
function calling 設計最佳實踐
在 function-schema-builder 中設計 ai 函數時，務必添加清晰的 description 欄位。例如參數“location”應說明“使用城市名而非郵政編碼，如 'beijing'”。工具生成的 schema 可直接用於 openai 等平台的 function calling 配置，實現全流程可視化編輯。
推薦採用“寬鬆輸入+嚴格輸出”原則：輸入參數接受字符串或數字等多種類型，但函數返回值必須符合精確的 schema 定義。通過添加 examples 數組展示典型用例，顯著降低 ai 的理解偏差。
隱私優先的本地化處理方案
所有 towalles 工具均採用瀏覽器本地計算架構，schema 生成和校驗過程不會將您的 api 數據或業務邏輯外傳。對於醫療、金融等敏感行業，配合“離線模式”使用可完全隔絕網絡請求，符合 gdpr 等嚴格合規要求。
開發者可導出標準 json schema 文件（draft-07 兼容）到自有系統集成。結合 ci/cd 流程，自動校驗生產環境 api 的響應格式，或在測試階段捕捉 llm 輸出的結構性錯誤。