技能介绍

为什么必须审查结构化输出

许多开发者误以为在 Prompt 中要求 JSON 格式，或调用了带 response_format 的 API，就能保证大模型输出绝对可靠。但在实际工程中，截断、内容过滤、多语言混杂甚至对抗性输入，都会导致模型返回不符合预期的数据。若将这种“不可信输入”直接喂给下游系统，轻则引发解析异常，重则导致业务逻辑错乱。本技能旨在解决依赖 LLM 结构化输出时，缺乏系统性校验和防御机制的核心痛点。

核心审查工作流

该技能将模型输出视为不可信边界，提供了一套严谨的工程化审查流程：

明确契约与状态：识别下游消费者，定义必填字段与语义不变量。在 schema 中严格区分 absence（缺失）、null、empty（空值）、unknown（未知）和 error（错误）状态。
校验与有界修复：在产生副作用前，校验语法、schema 和业务不变量。仅允许对可恢复的格式错误进行有界修复（bounded repair），绝不猜测安全关键值。
异常覆盖测试：针对截断、拒答、内容过滤、部分工具调用、多语言文本及对抗性值，设计专门的测试矩阵。

适用边界与注意事项

技能最终输出严重程度分级的问题列表、修订后的 schema、校验与修复流程、版本控制策略及失败信封（failure envelope）。
注意：对于高影响的自动化决策，技能明确要求必须保留人工审查（human review）环节。此外，出于隐私合规考量，原始输出仅在隐私政策允许时才会被安全保留用于调试，切勿将其直接暴露在业务日志中。