GPTs 编辑器里找不到 JSON 模式开关,自定义 GPT 怎么才能稳定输出符合 schema 的 JSON?

GPTs 的配置面板里没有 JSON 模式开关,结构化输出只能靠 Instructions 写死 schema 与输出规则、给出输入输出样例、以及用 Actions 的 OpenAPI 入参定义来约束。它得到的是高概率合规的 JSON,不是强制校验;需要 response_format 严格模式时必须改用 API。

GPTs 的配置面板里没有 JSON 模式开关,自定义 GPT 的结构化输出只能靠三层约束拼出来:Instructions 里写死字段契约、对话或 Knowledge 里给出输入输出样例、用 Actions 的 OpenAPI 入参定义把字段变成工具参数;需要 response_format 做严格 schema 校验的场景不适用,那属于 API 侧能力。 GPTs 编辑器只暴露 Instructions、Knowledge、Capabilities(联网、DALL·E、代码解释器)和 Actions 四类可配置项,没有 response_format 参数,所以不存在“打开 JSON 模式”的按钮。JSON 模式和结构化输出是 Chat Completions 与 Responses 接口上的请求参数,属于开发者调用侧的能力,自定义 GPT 的消费者界面不会把这个参数透出来。理解这条边界很重要:你能做的是提高模型输出 JSON 的概率,而不是从机制上保证它一定合规。 写进 Instructions 的必须是一份格式契约,而不是“请用 JSON 回答”这种口语指令。有效的写法要把边界全部说死:只输出一个 JSON 对象,不要包裹 markdown 代码块,不要在 JSON 前后加任何解释、标题或问候语;字段名区分大小写并且严格按给定拼写;无法确定的字段输出 null,不要省略字段;列表为空时输出 [],不要输出空字符串。 每个字段都要在 Instructions 里写明类型和取值域,枚举字段直接把全部允许值列出来。原因是没有约束时模型会自由发挥,中文对话里尤其容易把布尔值写成“是/否”、把数字写成带单位的字符串,或者把单个对象和只含一个元素的数组混着用。把类型写清楚之后,下游解析的成功率会明显上升,这一步的收益比反复调整措辞大得多。 样例比字段清单更有用,一段“输入-输出”对照通常能顶掉三行字段说明。做法是在 Instructions 末尾贴一到两个完整的输入示例和对应的 JSON 输出,覆盖正常情况和一种边界情况(比如信息缺失、条件不满足),让模型照着形状填。样例里的 JSON 要合法、要能被 json.loads 直接解析,否则模型会学会把代码块标记也一起输出。 Knowledge 文件可以放更长的 schema 文档,但它是检索式加载,不保证每次对话都会命中。所以适合放进 Knowledge 的是枚举表、字段字典、大量示例这类体积大的内容;真正决定输出形态的硬规则必须留在 Instructions 里,因为那段文字每轮都会进入上下文。把关键约束只写进知识文件的常见后果是:前几轮正常,对话一长约束就被稀释。 如果结构化结果要交给下游系统,用 Actions 定义接口比纯文本约束更稳。Actions 的 OpenAPI 描述会被当作工具的入参定义,字段名、类型和必填项比自然语言指令更难被忽略,模型调用工具时生成的参数就是按这份 schema 走的 JSON。需要提醒的是,它约束的是工具调用参数,不是最终回复的文本形态,两者要分别写规则。 开启代码解释器后,可以让 GPT 在给出答案前自己校验一次。做法是在 Instructions 里增加一步:生成 JSON 后调用 Python 的 json.loads 校验,打印解析结果;解析失败就修正字段并重新校验,最多重试两次,仍失败则输出错误说明而不是编造内容。这一步能把大部分语法层面的问题拦在回复之前,代价是多一次工具调用、响应变慢。 GPTs 输出 JSON 最常见的失败有四类,逐条都有对应修法。包 markdown 代码块,就在 Instructions 里明确禁止三个反引号并给出反例;加解释性前后缀,就规定“第一个字符是左花括号,最后一个字符是右花括号”;字段名漂移,就把字段名连大小写一起写死并在样例里重复出现;空值处理不一致,就统一规定缺失用 null、空集合用 []。 GPTs 不提供温度和 top_p 调节,输出稳定性只能靠指令和样例往上抬。这意味着同样一段指令,在不同时间、不同对话长度下的表现会有波动,越长的对话越容易偏离最初设定的格式。实操上的对策是把格式要求在每个关键节点复述一次,或者在长任务里要求模型每次只产出一个 JSON 对象、不要回溯历史格式。 需要百分之百 schema 合规、需要批量调用、需要保留调用审计的场景,不适合用 GPTs 拼 JSON。这类需求应当走 API 的结构化输出能力:response_format 的 json_schema 严格模式会按 JSON Schema 的子集约束生成结果,通常要求所有 object 的 additionalProperties 设为 false、所有字段列入 required,部分校验关键字不被支持,具体限制以官方文档为准。GPTs 侧做的是概率优化,API 侧做的才是机制约束。 验收一份 GPTs 的 JSON 输出,可以按四步走:连发二十条不同类型的输入,看是否每次都只返回单个 JSON 对象;用 json.loads 批量解析,统计失败率;比对字段名与类型是否与契约完全一致;专门测信息缺失的输入,看空值处理是否按规则走。四项都过了,才算这份 Instructions 可用;只测一两条正常输入就上线,后面一定会在边界情况上返工。 GPTs 的 JSON 输出是约束出来的,不是开关打开的。把字段契约写进 Instructions、用样例锁定形状、需要交付系统时上 Actions、有条件时加一步代码校验,这四件事做完,日常场景的合规率已经够用;剩下的那部分确定性,只有换到 API 的结构化输出才能拿到。