大模型输出的 JSON 不合法时应该如何修复？

简化版

JSON 修复要先区分语法错误和语义缺失：多余逗号、代码围栏、引号不匹配可以用确定性解析或受限修复；缺少金额、枚举值非法、字段彼此矛盾不能靠修复模型猜。优先使用原生结构化输出或 Function Calling，服务端再做 Schema 与业务校验；修复次数设小上限，保留原始输出，失败后重新生成、降级或转人工。

详细版

推荐流水线是：提取候选 JSON → 严格解析 → 安全的确定性规范化 → JSON Schema 校验 → 业务规则校验。只有可证明不改变含义的修改才自动做，例如去掉 Markdown 围栏或 UTF-8 BOM；补全缺失字段属于语义生成，必须带原输入重新调用模型并明确缺口。

raw output
 -> extract one candidate
 -> strict parse
 -> bounded syntax repair
 -> schema validate
 -> business validate
 -> accept / regenerate / reject

避免正则贪婪截取第一个 { 到最后一个 }，它会被解释文本和嵌套对象破坏。解析器应限制输入大小、嵌套深度和数字范围，防止资源攻击。每次记录错误类型、修复 diff、尝试次数和最终状态；高风险字段不能静默默认。

完整版教学

一、先把“JSON 不合法”拆成不同问题

输出可能根本不是 JSON，也可能语法合法但不符合 Schema，或 Schema 合法却违反业务规则。三类失败的修复方式完全不同。

例如 {"amount":100,} 是语法错误；{"amount":"一百"} 可能是类型错误；{"amount":1000} 在最多退款 500 元的业务中是规则错误。只调用一个“JSON 修复器”会把它们混在一起。

记忆钩子：修括号是语法，补字段是生成，判金额是业务；三层不能互相冒充。

二、源头上优先减少自由格式生成

若平台支持受 Schema 约束的结构化输出，应优先使用；工具调用场景则用 Function Calling。它们能显著减少围栏、解释文字和括号错误，但仍不保证字段事实正确。

提示中给出明确 Schema、枚举和一个正例也有帮助。不要同时要求“先详细解释推理，再只返回 JSON”，冲突指令容易让解释混进输出。

即使供应商宣称严格模式，客户端仍应解析和校验，因为网络截断、版本变化和业务约束仍可能失败。

三、候选提取不能靠贪婪正则

输出可能包含“结果如下：”和 Markdown 围栏，也可能有字符串内部的花括号。\{.*\} 的贪婪或非贪婪匹配都不了解 JSON 字符串转义与嵌套层级。

更稳的做法是使用流式 JSON 解码器从候选起点解析一个完整值，或要求协议层直接返回结构化对象。若输出包含多个对象，应根据契约明确拒绝，而不是随意选第一个。

bad:  explanation {"text":"a } b"} trailing
                 ^ 字符串里的 } 不能结束对象

四、自动语法修复必须保守

删除 BOM、剥离明确代码围栏、标准化换行通常不改变语义。把单引号替换成双引号则可能破坏文本中的撇号；自动补括号也可能掩盖响应被截断。

错误	可否自动修	原因
UTF-8 BOM	可以	不改变数据
明确 JSON 围栏	可以	只去展示包装
尾逗号	谨慎	可定位时含义通常明确
缺失右括号	通常重生成	可能是传输或长度截断
缺少必填字段	不可猜	缺少业务事实

修复后保存 diff，让监控知道系统修了什么，而不是只记录最终成功。

五、Schema 验证负责结构契约

Schema 校验必填字段、类型、枚举、长度和附加字段。例如把 additionalProperties 设为 false 可防止模型返回未预期字段，但兼容升级时要管理 Schema 版本。

{
  "type": "object",
  "required": ["category", "score"],
  "properties": {
    "category": {"enum": ["spam", "normal"]},
    "score": {"type": "number", "minimum": 0, "maximum": 1}
  },
  "additionalProperties": false
}

Schema 错误应以字段路径反馈给重生成模型，如 /score must be <= 1，比笼统说“JSON 错了”更容易修正。

六、语义校验不能用默认值掩盖

字段齐全不代表关系正确。开始时间必须早于结束时间，百分比之和可能要求等于 100%，退款金额不能超过原支付。这些规则由领域代码或权威服务执行。

若模型漏了 currency，自动填 CNY 只有在业务上下文明确保证时才安全；否则默认值会把“不知道”变成错误事实。可选字段也要区分“未提供”和“明确为空”。

高风险数据校验失败后应停止，不因修复次数用完就绕过规则。

修复之后仍然失败时，该填默认值还是直接报错，见「模型输出解析失败时，应该填默认值继续，还是直接报错？」。

七、重生成要携带原任务和精准错误

让修复模型只看坏 JSON，可能不知道缺失值从哪里来。重生成请求应包含原输入、原 Schema、坏输出和精简的验证错误，并要求仅纠正指定问题。

最多尝试一到两次；同类错误重复出现说明模型或契约不适合，继续循环只会烧 token。第一次输出 95% 可用、第二次修复 80% 剩余失败时，总成功率约为：

95% + 5% × 80% = 99%

再多轮的边际收益很小，却增加延迟和不可预测修改。

八、安全与可观测性不能遗漏

限制原始输出大小、嵌套深度、数组长度和数值范围，防止极端 JSON 耗尽解析资源。解析后使用普通数据对象，禁止反序列化成可执行类型或把字段直接拼 SQL、命令和模板。

监控解析失败率、Schema 失败率、业务失败率、修复成功率、平均尝试数和被修改字段。模型或 Prompt 更新后按错误类别比较，而不是只看最终 JSON 成功率。

日志保留原始输出需脱敏；生产秘密不应因一次解析异常进入错误平台。

九、常见误区与追问

误区：用正则提取第一对花括号就行。 正则不理解嵌套与字符串转义。
误区：JSON 能解析就可以进入业务。 还需 Schema 和业务不变量校验。
误区：缺字段时填默认值最稳。 默认值可能把未知变成错误事实。
误区：让模型无限修到成功。 应限制次数，重复失败后降级或人工处理。
误区：结构化输出模式无需客户端验证。 网络截断与语义错误仍然存在。
追问：什么时候可自动补括号？ 只有能证明响应完整且修复不改变含义时；长度截断应重生成。
追问：修复模型要看什么？ 原任务、Schema、坏输出和精确字段错误，避免凭空补事实。
追问：如何防止修复改变正确字段？ 比较修复 diff，锁定已通过字段，并重新执行全部验证。

十、加强记忆

JSON 修复记住“三层关卡”：解析器管语法，Schema 管结构，领域规则管语义。先用结构化输出减少错误，再做保守、可记录的确定性清理；缺失事实不能靠补括号式修复，而要带原任务精准重生成。限制次数、输入规模和嵌套深度，保留原文与 diff，并在任何修复后重新跑完整验证。

项目实战落地

项目里怎么做的

《AI智能简历助手》的诊断评分要从模型回答里解析出 score、level、analysis。评分 Prompt 末尾已经追加了「请严格返回 JSON，不要返回 Markdown 代码块」，但解析前仍然先清理一遍：

String text = StrUtil.blankToDefault(content, "").trim();
if (text.startsWith("```")) {
    text = text.replaceFirst("^```json", "")
            .replaceFirst("^```", "")
            .replaceFirst("```$", "")
            .trim();
}
if (!text.startsWith("{")) {
    int start = text.indexOf('{');
    int end = text.lastIndexOf('}');
    if (start >= 0 && end > start) {
        text = text.substring(start, end + 1);
    }
}

两层清理对应模型的两种常见习惯：把 JSON 包进代码块，以及在 JSON 前后加一段说明。

《AI个人学习计划助手》的知识点提取要求返回 JSON 数组，按同样的思路截取第一个 [ 到最后一个 ]；解析用的 Jackson ObjectMapper 关闭了 FAIL_ON_TRAILING_TOKENS，读完第一个完整的数组就停。

《AI面试官与刷题训练平台》的 AI 辅助出题要从回答里拿到一个题目数组，清理多了两步：

逐个试候选片段。 剥掉代码围栏后先整体解析；不行就从每个 [ 或 { 出发，按括号配对找到它的结尾（引号里的括号不算，字符串里转义过的引号也不会被当成结尾），截出一段段候选依次解析，第一个解析成功、又能找到题目数组的就用它；
认几种外层包装。 模型可能直接返回数组，也可能包一层对象，代码依次在 questions、items、data、list、records 字段里找数组。

为什么这样取舍

Prompt 只是请求，不是约束。 模型不保证每次都听话，即使 Prompt 写明不要代码块，后端也要兼容；能靠清理救回来的就不报错。
截取范围会带进多余内容。 模型在数组后面补的说明文字里也可能带 ]，截出来的字符串尾部就多出一段；Jackson 3 默认把尾部多余内容判为非法 JSON，关掉这个开关后尾部内容被忽略。

面试官还会追问

模型输出撞上长度上限、只返回了半截 JSON，怎么在解析之前就发现？
清理之后仍然解析失败，为什么不给分数填个默认值继续，而是直接报错？

学完《AI智能简历助手》，上面这些追问你都会迎刃而解。

简化版

详细版