能不能让Grok 4.5稳定输出JSON或表格？如果只靠一句“给我JSON”，得到的往往是带解释、多段文本或代码块围栏的混合内容。有效做法是把“结构定义、格式示例、分步生成、校验重试”串成一条提示词流程。这套流程不依赖模型接口的特殊开关，几乎可以套用到任何文本生成入口。

需要程序化消费输出时，别指望模型一次猜中格式。把字段名、层级和示例直接写进提示词，再分步生成、解析校验、失败重试。适用场景是通用文本生成接口；操作动作是明确结构与样例；验证方式用JSON解析器和表格渲染器；风险边界为模型行为会波动，必须保留人工兜底。

解析需求并明确输出结构

模糊描述是格式漂移的起点。像“返回订单数据”这种指令，模型会自行决定字段名、嵌套层级和空值处理。需要把输出结构细化到字段名级别，并说明哪些字段必填、哪些字段可空、空值用什么表示。

更明确的一个示例是：“将下面的订单信息转换为JSON，必须包含order_id（整数）、customer_name（字符串）、amount（浮点数）和items（数组），每个item含name和price。若无金额，amount置为null。”这样解析代码才能固定键名。如果目标是表格，则要指定表头列和行列关系，例如“生成一个两列的Markdown表格，第一列为城市，第二列为温度，包含三行数据。”。

在提示词中嵌入格式示范

结构定义之外，给出一段目标格式的示例，能降低模型对格式的“自由发挥”。示例不必是真实数据，只要字段形状保持一致。将示例放在提示词后段，并写明“按以下格式输出”。

对于JSON目标，可以在提示词中加入：

{
  "order_id": 123,
  "customer_name": "张三",
  "amount": 199.00,
  "items": [
    {"name": "键盘", "price": 199.00}
  ]
}

对于表格目标，则给出Markdown模板：

| 城市 | 温度 |
| 北京 | 22 |
| 上海 | 25 |

在提示词末尾补充输出约束，例如“只输出JSON，不要代码块围栏，不要解释；若输出表格，直接输出Markdown表格”。需要认识到，模型对这类约束的遵循程度并不恒定，校验阶段仍要处理多余的 ``` 包裹或前后说明。

使用分步生成提升稳定性

让模型一次生成复杂嵌套JSON，容易在字段名和括号层级上出错。拆成两步或三步，每步只处理一个小目标，可以减少格式失误。第一步先让模型从原文中提取字段和值，第二步再要求填入给定模板，第三步才要求格式转换。如果目标是表格，可以把第二步改为“列出城市与温度对应关系”，第三步再转成Markdown。

下面是一个两步提示词框架，可直接放进多轮会话中：

第一步：“从以下文本中识别与订单相关的字段，用列表形式给出字段名和值，不要组合JSON。”

第二步：“把刚才的字段列表填入这个JSON结构：{"order_id": ..., "customer_name": "...", "items": [{"name": "...", "price": ...}]}。确保JSON合法。”

分步生成会增加交互轮数，但通常比一次性生成后修补更省事。如果调用环境不允许多轮对话，也可以将三步要求合并到同一提示词中，让模型按顺序生成并最终输出结果，但稳定性会略低于分步执行。

校验输出并自动纠正

无论提示词写得多细，输出仍可能不合规。对JSON，先剥掉可能包裹的代码块围栏，再交付给解析器；对Markdown表格，检查是否包含管道符，并核对表头与数据行的列数是否一致。

下面是一个JSON校验脚本骨架，可放在模型返回之后，检测到解析错误时触发重试：

import json, re

raw = model_output

if raw.startswith('```'):
    raw = re.sub(r'^```[a-zA-Z]*\n|\n```$', '', raw)

try:
    data = json.loads(raw)
    print('解析成功，字段：', list(data.keys()))
except json.JSONDecodeError as e:
    print('解析失败：', e)
    retry_prompt = '上一轮JSON解析失败，请重新生成。只输出JSON，不要代码块围栏，不要解释。'

Markdown表格可以先按行拆出，确认第一行列数与数据行列数一致；出现不一致时，发送修正提示词：“这个表格缺少表头或列数不一致，请重新生成一个规范的Markdown表格。”重试不是无限循环，建议设置两到三次上限；连续失败时回退到字段列表这种结构化中间格式，避免从头生成丢失已有信息。

需要结合当前运行环境确认脚本如何获取模型输出、是否配置重试点位。校验流程必须放在任何程序化消费之前，否则错误格式会直接污染下游数据。