JSON Schema 构建器

可视化构建 JSON Schema，用于 LLM 结构化输出、函数调用和 API 验证。

Schema 标题

Schema 描述

结构化输出模式自动收紧对象 schema，并为缺失的字段补一个简单描述。

属性名

必填

JSON 示例

从 JSON 示例推断

已有 Schema

导入已有 Schema

Schema 预览

2 个顶层属性

{
  "type": "object",
  "properties": {
    "answer": {
      "type": "string",
      "description": "模型输出的主要内容"
    },
    "confidence": {
      "type": "number",
      "description": "置信度评分"
    }
  },
  "additionalProperties": false,
  "required": [
    "answer"
  ]
}

如何使用此工具

先手动添加顶层属性，或者直接从一个 JSON 示例开始推断。
标记必填字段、补充描述，并开启结构化输出模式以生成更严格的对象 schema。
对象类型可以继续添加嵌套属性，数组类型可以给数组项补结构。
如果你已经有现成的 schema，也可以直接粘贴进来再做可视化调整。
复制右侧预览结果后，可直接用于 OpenAI 结构化输出、Anthropic 工具定义或你自己的校验层。

为什么 AI 应用需要一个 JSON Schema 构建器？

结构化输出是否稳定，最终取决于 schema 本身。如果 schema 过于宽松、字段含义不明确，或者缺少描述，模型就更容易漂移，边界场景也更容易出错。

可视化构建器的价值在于加快迭代。相比手改一大段嵌套 JSON，再去排查哪里漏了 required 字段，你可以先把输出契约设计清楚，然后让预览实时跟上。

这类工具特别适合与 Prompt 迭代一起使用。DeepSeek V4、GPT、Claude、Gemini 都有不同形式的结构化输出或工具调用能力，把输出格式、Prompt 变更和模型成本放在同一个评估链路里，会更接近真实生产环境。

最后更新：2026 年 4 月

常见问题

JSON Schema 在 AI 中有什么用？

JSON Schema 定义 LLM 输出的预期结构。OpenAI 的结构化输出、Anthropic 的工具使用以及大多数函数调用 API 都使用 JSON Schema 来告诉模型以什么格式响应。

什么是 'LLM 结构化输出模式'？

此模式应用 LLM Schema 最佳实践：为所有字段添加描述（帮助模型理解要生成什么），使用枚举约束值，避免深度嵌套的可选字段等容易混淆模型的模式。

能从 JSON 示例导入吗？

可以！粘贴 JSON 示例，工具会自动推断 Schema。它能检测类型、必填字段和数组项类型。然后你可以用可视化编辑器进一步调整。

每个字段都应该写描述吗？

对 AI 场景来说，通常建议这样做。字段描述能给模型更多约束和语义提示，尤其是在字段名本身不足以表达含义时，能明显减少歧义。

为什么默认把 additionalProperties 设为 false？

更严格的对象 schema 更利于下游校验，也能减少模型随手多输出额外字段的情况。如果你确实需要更宽松的契约，也可以在复制 JSON 后再手动放开。