وضع JSON والمخرجات المهيكلة: ما الذي تدعمه النماذج؟

إذا كان الكود لديك يحلل إجابة النموذج، فأنت بحاجة إلى JSON يمكن تحليله في كل استدعاء. توجد ثلاث طرق للحصول عليه عبر GetVibe API: وضع json_object، ووضع json_schema الصارم، واستدعاءات الأدوات الإلزامية. تختلف النماذج في الطرق التي تدعمها. توضح هذه المقالة المصفوفة من كتالوجنا، وتبيّن النهج المناسب لكل حالة.

النهُج الثلاثة

• response_format: {"type": "json_object"}: يعيد النموذج JSON صالحًا. وتصف الحقول في prompt.
• response_format: {"type": "json_schema", ...} مع strict: true: يملأ النموذج المخطط الذي تمرره بدقة. وتدعم GPT-5.x والنماذج المتوافقة هذا الخيار.
• استدعاء أداة إلزامي (tools مع tool_choice لتسمية دالة واحدة): يعيد النموذج معاملات الدالة بصيغة JSON المطابقة لمخطط معاملات الدالة. تدعم كل نماذج النصوص في كتالوجنا استدعاء الأدوات، لذا فهذا هو الخيار القابل للنقل بين النماذج.

المصفوفة

عمود وضع JSON هو caps.jsonMode من https://getvibeapi.com/api/catalog، وقد تمت قراءته في 25 سبتمبر 2026.

بالنسبة إلى النماذج المعلّمة بـ"لا"، استخدم استدعاء أداة إلزاميًا، أو صِف JSON في prompt وتحقق منه من جانبك.

ما الذي يفعله الوضع الصارم من جانبنا؟

عند استخدام strict: true في طلب json_schema، توجّه البوابة الطلبات فقط إلى إصدارات النماذج التي تلتزم فعليًا بالمخطط. ويُطبَّق ذلك في كل محاولة، بما في ذلك التحويل إلى نسخة احتياطية. وإذا لم يتوفر إصدار مناسب، فستحصل على خطأ صريح structured_output_unsupported بدلًا من نص عادي في الحالات التي كان متوقعًا فيها JSON. ويستند هذا الإجراء الوقائي إلى قياساتنا، ولا يشمل سوى الإصدارات التي قمنا بقياسها.

إحدى الحالات المعروفة: لا توفر واجهة DeepSeek API الخاصة بها وضع json_schema. بالنسبة إلى نماذج DeepSeek، استخدم json_object، أو استدعاء أداة إلزاميًا عندما تحتاج إلى بنية واحدة محددة تمامًا.

أمثلة

مخطط صارم:

from openai import OpenAI
import json

client = OpenAI(base_url="https://getvibeapi.com/v1", api_key="sk-pv-...")
schema = {
    "type": "object",
    "properties": {"name": {"type": "string"}, "score": {"type": "number"}},
    "required": ["name", "score"],
    "additionalProperties": False,
}
resp = client.chat.completions.create(
    model="gpt-6-luna",
    response_format={"type": "json_schema",
                     "json_schema": {"name": "review", "strict": True, "schema": schema}},
    messages=[{"role": "user", "content": "قيّم هذا المنتج: توصيل سريع وتغليف متقن"}],
)
print(json.loads(resp.choices[0].message.content))

استدعاء أداة إلزامي، ويعمل مع النماذج التي لا توفر وضع JSON:

resp = client.chat.completions.create(
    model="gemini-3.8-flash",
    tools=[{"type": "function", "function": {"name": "save_review", "parameters": schema}}],
    tool_choice={"type": "function", "function": {"name": "save_review"}},
    messages=[{"role": "user", "content": "قيّم هذا المنتج: توصيل سريع وتغليف متقن"}],
)
args = json.loads(resp.choices[0].message.tool_calls[0].function.arguments)

تحقق دائمًا

حتى عند استخدام وضع JSON، تحقّق من الكائن المحلَّل مقابل مخططك قبل استخدامه، وأعد المحاولة عند الفشل. يزداد ذلك أهمية في المخرجات الطويلة، حيث تكون الاستجابة التي توقفت عند max_tokens عبارة عن JSON مبتور. تحقّق من finish_reason: تعني length أن الإجابة توقفت قبل اكتمالها.

الخطوات التالية

اقرأ وثائق المخرجات المهيكلة ودليل استدعاء الأدوات، أو ابحث عن نموذج منخفض التكلفة يدعم JSON في قائمة أرخص واجهات LLM API لدينا.