在本地大模型应用中，让 Ollama “返回 JSON”并不困难，真正棘手的是让它持续输出字段完整、类型正确、能够直接解析的结构化数据。模型可能偶尔添加解释文字、遗漏必填字段，或者把数字写成字符串。要提高稳定性，不能只依赖提示词，而应把 JSON Schema、生成参数、程序校验与失败重试组合成一条完整链路。🔧
一、优先使用 Schema，而不是只写“请返回 JSON”
Ollama 的 format 参数既可以设置为 json，也可以直接接收 JSON Schema 对象。前者主要保证输出采用 JSON 形式，后者还能约束对象结构、字段类型、数组元素和必填项，因此更适合接口调用、信息抽取与自动化工作流。具体用法可参考 Ollama 结构化输出文档。
设计 Schema 时应尽量明确：对象要声明 type 和 properties；不可缺少的字段放入 required；数组必须说明 items；枚举值可使用 enum 限定。如果业务不允许出现额外字段，还可以设置 additionalProperties 为 false。约束越清晰，模型产生模糊结构的空间越小。✅
二、控制 Schema 的复杂度
Schema 并非越详细越稳定。层级过深、分支过多或包含大量可选字段时，模型更容易漏填内容，也可能混淆相似字段。实践中可以将大型结果拆成多个较小对象，先提取核心信息，再执行分类、补充或聚合操作。
- 字段名称应直观，避免同时出现含义相近的缩写。
- 优先使用 object、array、string、number、integer 和 boolean 等基础类型。
- 只有业务确实需要时，才使用复杂的组合约束。
- 可选字段应提供清晰语义，并约定缺失时使用 null、空数组或省略字段。
例如，“状态”字段如果业务值固定，应使用枚举约束，而不是让模型自由生成描述；金额字段应直接定义为 number，并在提示中明确单位，避免同一字段混入“元”“美元”等文本。
三、让提示词与 Schema 保持一致
结构由 Schema 管，内容语义仍要靠提示词约束。Ollama 官方建议在提示中同时提供 Schema 字符串，以加强模型对目标结构的理解，相关示例见 官方示例。
仅输出符合给定 JSON Schema 的结果，不添加说明、Markdown 标记或额外字段。无法确定的可选信息使用 null，必填字段不得省略。
提示词中的字段名称、空值策略和类型要求必须与 Schema 完全一致。如果 Schema 要求整数，而提示词却要求输出“约三十岁”，模型会在语义与类型之间摇摆。还应避免要求模型在 JSON 前后输出分析过程，因为任何额外文本都可能导致解析失败。🧩
四、降低随机性并合理设置输出长度
结构化任务通常追求一致性，而不是文风多样性，因此可以适当降低 temperature。如果需要复现实验结果，还可以设置固定 seed。Ollama API 的生成选项包括 temperature、seed、top_k、top_p、num_ctx 和 num_predict 等参数，可查阅 Ollama OpenAPI 规范。
num_predict 不能设置得过小，否则模型可能在对象尚未闭合时停止生成；上下文也要为提示词、Schema、输入材料和结果预留足够空间。对于短小的结构化结果，建议关闭流式输出，即设置 stream 为 false，这样程序可以在收到完整响应后统一解析。官方也说明非流式模式更适合短响应和结构化输出，参见 流式输出说明。
五、程序端必须执行二次校验
即使使用了 JSON Schema，也不应默认每次响应都可直接进入数据库。应用端至少要完成两层检查：第一层使用标准 JSON 解析器确认语法正确；第二层按照相同 Schema 校验字段、类型、枚举和必填项。
Python 项目可以使用 Pydantic 定义数据模型，通过 model_json_schema()生成 Schema，再使用 model_validate_json()校验返回内容；JavaScript 或 TypeScript 项目可以使用 Zod 生成 Schema，并对解析结果再次验证。这样能够减少“生成约束”和“业务校验”之间的不一致。相关调用方式在 结构化输出指南中已有示例。
六、建立可控的失败重试机制
校验失败时，不要简单重复原请求。更有效的方式是把校验错误转成明确反馈，例如“字段 age 应为 integer，但收到 string”，然后要求模型只修正结构，不改变已经正确的内容。重试次数应设置上限，并记录模型名称、请求参数、Schema 版本、原始响应和错误原因，方便定位问题。🔁
- 首次请求携带 Schema，并使用较低随机性。
- 解析完整响应，执行 JSON 与 Schema 校验。
- 失败后根据具体错误生成修复提示。
- 达到重试上限后进入降级流程或人工审核。
对于高风险业务，还可以增加字段级规则，例如日期格式检查、数值范围验证、标识符白名单以及字段间逻辑校验。JSON Schema 主要保证结构正确，不能自动证明内容真实，因此事实核验仍需结合业务数据源完成。
七、用测试集评估真实稳定性
不要只用一两个正常样例判断效果。测试集应覆盖长文本、空输入、缺失信息、特殊字符、多语言内容、冲突描述和超长数组等边界情况。每次更换模型、修改 Schema 或调整参数后，都应重新运行回归测试，并统计解析失败、字段遗漏、类型错误和业务校验失败等情况。
总结
提升 Ollama 结构化输出稳定性的关键，不是寻找一句“万能提示词”，而是建立工程化约束：使用明确且适度复杂的 JSON Schema，让提示词与字段语义保持一致，降低随机性，合理配置上下文与输出长度，关闭不必要的流式响应，并在程序端进行解析、校验、重试和日志记录。只有把模型输出视为“需要验证的外部输入”，才能让结构化结果真正可靠地进入后续系统。🚀
