Strukturierte Ausgaben und Guardrails
Sauberes JSON erhalten und Fehler reduzieren
Strukturierte Ausgaben und Guardrails ist eine kostenlose NLP Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des NLP Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Freier Text ist schwer zu verwenden
Ein gesprächiger Absatz ist für Menschen angenehm, aber für Code mühsam. Für Anwendungen benötigen Sie eine strukturierte Ausgabe, die sich zuverlässig verarbeiten lässt. 🧱
Nach JSON fragen
Die einfachste Lösung besteht darin, das Modell um eine Antwort als JSON zu bitten und die erwarteten Felder genau zu benennen.
prompt = "Return JSON with keys sentiment and score for: I loved it!"Die Struktur definieren
Seien Sie beim Schema präzise: Listen Sie jeden Schlüssel, seinen Typ und die zulässigen Werte auf. Mehrdeutigkeit führt später zu Fehlern beim Parsen.
JSON-Modus
Viele APIs bieten einen JSON-Modus, der gültiges JSON erzwingt. So kann das Modell die Antwort nicht in gesprächigem Fließtext einschließen.
response_format={"type": "json_object"}Sicher parsen
Schließen Sie das Parsen immer in try/except ein. Selbst gute Modelle machen gelegentlich Fehler, und Ihr Code sollte diese kontrolliert behandeln.
import json
data = json.loads(text)Das Ergebnis validieren
Parsen allein reicht nicht aus. Validieren Sie, dass erforderliche Schlüssel vorhanden sind und die Werte im zulässigen Bereich liegen, bevor Sie die Daten weiterverwenden.
Schemas mit Pydantic
Ein Pydantic-Modell definiert Ihre Felder einmalig und validiert die geparste Ausgabe automatisch. Bei fehlerhaften Daten wird ein verständlicher Fehler ausgelöst.
from pydantic import BaseModel
class Result(BaseModel):
sentiment: str
score: floatWas Guardrails sind
Guardrails sind Prüfungen rund um ein Modell, die es auf Kurs halten: Validierung, Wiederholungsversuche und Grenzen für die zulässige Ausgabe.
Bei fehlerhafter Ausgabe erneut versuchen
Wenn die Validierung fehlschlägt, senden Sie den Fehler zurück und bitten Sie das Modell, seine Ausgabe zu korrigieren. Ein erneuter Versuch behebt die meisten kleinen Fehler.
Die Auswahl einschränken
Geben Sie dem Modell bei Kategorieaufgaben die exakt zulässigen Bezeichnungen vor. Eine geschlossene Liste verhindert, dass es neue Kategorien erfindet.
Vor Halluzinationen schützen
Bitten Sie das Modell, zu sagen, dass es etwas nicht weiß, statt zu raten. Ein klarer Fallback ist besser als eine selbstbewusste, aber falsche Antwort.
Kurze Überprüfung
Was sollten Sie direkt nach dem Parsen der JSON-Ausgabe eines LLM tun?
Zusammenfassung
Bitten Sie um JSON, definieren Sie ein Schema, parsen Sie sicher und validieren Sie anschließend. Ergänzen Sie Guardrails wie Wiederholungsversuche und geschlossene Bezeichnungslisten, um zuverlässig zu bleiben. ✅
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Strukturierte Ausgaben und Guardrails“ kostenlos?
Ja — der vollständige Text von „Strukturierte Ausgaben und Guardrails“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des NLP Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Strukturierte Ausgaben und Guardrails“?
Sauberes JSON erhalten und Fehler reduzieren Du übst NLP Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um NLP Academy zu starten?
Keine Vorkenntnisse erforderlich. NLP Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Strukturierte Ausgaben und Guardrails“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser NLP Academy-Lektion Code schreiben und ausführen?
Ja. Jede NLP Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Was ein Modell groß macht
- Ein LLM aus Python aufrufen
- Zero-Shot- und Few-Shot-Prompting
- Strukturierte Ausgaben und Guardrails