你或许曾遇到这样的困境：要求AI输出JSON格式数据，却得到一段冗长的解释文字，或是在Markdown代码块中嵌套，又或者引号缺失、字段错位，最终无法直接用json.loads()解析。解决此问题只需四个关键步骤，缺一不可。下面直接给出解决方案。

终极目标十分明确：阶跃AI返回的数据必须能够被Python脚本直接通过json.loads()解析，不得包含任何多余文字、代码块标记或格式错误。

第一步：利用系统角色强制设定输出契约

调用阶跃AI API时，必须在system消息中明确指定角色和硬性约束。这一步无法跳过——若不提前锁定，模型会默认按自然语言习惯生成输出，即使后续补充“只输出JSON”也往往无效。

将以下内容作为system消息完整传入：

你是一个严格的数据提取器，只输出符合RFC 8259标准的JSON，不添加任何说明、注释、前缀、后缀、Markdown代码块标记（如```json）、空行或额外字符。所有字符串字段必须使用双引号包裹，禁止使用单引号；数字字段不加引号；布尔值使用true/false；null值保持小写。输出必须能被JavaScript的JSON.parse()和Python的json.loads()直接解析。

第二步：在user消息中嵌入结构化模板

不要仅仅要求“请输出JSON”，而是提供带有占位符的完整结构示例，并确保字段顺序与你后续程序解析逻辑保持一致。

例如，你需要提取商品信息时，user消息可以这样编写：

请从以下文本中提取产品名称、售价（数字）、是否新品（布尔值）、标签列表（字符串数组）：【文本内容】
请严格按照以下格式输出，仅此JSON对象，无其他内容：
{"name": "XX耳机", "price": 299, "is_new": true, "tags": ["无线", "降噪"]}

【关键要点】模板中的字段名、数据类型、嵌套层级必须与你实际代码中定义的变量完全一致。例如，在Python中如果使用price_int接收，模板里就不能写成"price": "299"（字符串），否则json.loads()之后还需要手动int()转换，破坏直接解析的目标。

第三步：启用阶跃AI平台的response_format参数

阶跃AI v2.3及以上版本支持原生JSON Schema约束解码。在API请求体中添加：

"response_format": {"type": "json_object"}

此参数将触发底层约束采样机制——在生成每个token时动态屏蔽非法字符（例如开头出现字母、字符串未闭合引号、键后缺少冒号等），从源头杜绝语法错误。

注意：该参数必须与system消息中的JSON契约配合使用，单独启用效果有限。

第四步：验证失败时自动重试并截断补全

即便前面三步都已执行，极少数情况下仍可能因上下文过长或用户输入中存在干扰符号，导致输出被截断（例如只返回{"name": "XX耳机", "price": 299——缺少结尾）。

在Python端添加一段轻量级修复逻辑：首先尝试json.loads()；如果抛出JSONDecodeError异常，则使用正则表达式定位最外层{与}，提取中间最长匹配段，并在末尾补充}后重新尝试解析；若仍然失败，则触发一次带错误提示的重调用（在user消息中追加：“上一次输出被截断，请重新发送完整JSON，不要省略结尾大括号”）。