Anthropic近日推出其API的全新“结构化输出”功能，支持Claude Sonnet 4.5和Opus 4.1模型，可确保AI生成的响应严格符合开发者定义的JSON Schema或Pydantic模型格式。这一更新解决了此前LLM输出格式不一致、难以程序化处理的痛点，尤其适用于需要将AI输出直接用于系统集成、CI/CD流程或前端展示的场景。 该功能在公共测试阶段已上线，开发者可通过output_format参数指定输出结构。系统会强制模型返回格式正确、可直接解析的JSON，但不保证内容绝对准确——模型仍可能“幻觉”出格式正确但错误的信息。 使用时，有两种方式定义结构：一是直接传入JSON Schema，二是使用Pydantic的BaseModel类，后者更简洁、类型安全。示例中展示了两个典型应用： 第一，多篇科学人物文章的结构化摘要。通过爬取维基百科页面，使用JSON Schema定义输出字段（姓名、出生、成就、诺奖年份、逝世情况），AI能稳定返回格式一致的结构化数据。代码中设置temperature=0.2以提升准确性，并通过extra_headers启用beta功能，确保输出符合Schema。最终结果可直接用于数据库存储或展示。 第二，自动化代码安全审计与重构。针对存在SQL注入漏洞的Python函数，使用Pydantic定义CodeReviewResult模型，要求AI返回是否安全、检测到的漏洞列表、修复后代码及修改说明。AI输出为标准JSON，无需正则提取，可直接用于CI/CD流程。例如，系统可自动识别“Critical”级别的SQL注入，阻断不安全的PR合并。 该功能的核心价值在于：将LLM从“对话式助手”转变为“可预测、可集成的软件组件”。它支持类型约束、字段必填、禁止额外属性，极大提升系统可靠性。对于开发者而言，不再需要依赖脆弱的正则表达式来解析AI输出，真正实现“AI即服务”（AI as a Service）的工程化落地。 目前该功能仍为beta，但已展现出强大潜力。建议使用Miniconda创建独立环境，安装anthropic、pydantic、httpx等库，并通过API密钥调用。如需进一步了解，可查阅Anthropic官方文档。