如何正确配置Dify LLM节点输出JSON格式示例？

Question

**问题描述：** 在使用 Dify 平台配置 LLM 节点时，如何正确设置输出格式为 JSON 并确保其结构符合预期？许多用户在实际操作中遇到输出格式不正确、字段缺失或解析失败的问题，导致后续流程受阻。请提供一个完整的配置示例，包括提示词设计、输出格式定义及节点参数设置，确保 LLM 输出严格遵循指定的 JSON Schema。此外，需说明常见错误及解决方法，如字段类型不匹配、缺少必要字段等问题的应对策略。

Answer 1

一、引言：为何在 Dify 平台中配置 JSON 输出格式至关重要

随着低代码/无代码平台的普及，Dify 成为构建 AI 应用的重要工具之一。在实际应用中，LLM（大语言模型）节点的输出格式直接影响后续流程的处理效率。尤其在需要结构化数据的场景下（如 API 调用、数据库写入等），JSON 格式成为首选。然而，很多用户在使用 Dify 时，常遇到输出格式不正确、字段缺失、字段类型不匹配等问题，导致后续流程无法正常执行。

二、基本配置流程

在 Dify 中配置 LLM 节点输出为 JSON 格式，需遵循以下基本步骤：

1. 设计提示词（Prompt），明确要求输出为 JSON 格式
2. 定义 JSON Schema，指定字段名、类型和是否必需
3. 在 LLM 节点参数中设置响应格式为 JSON
4. 测试并验证输出是否符合预期

三、配置示例详解

以下是一个完整的配置示例，目标是让 LLM 输出一个包含用户信息的 JSON 对象。

3.1 提示词设计

    请根据用户输入生成以下格式的 JSON 数据：
    {
      "name": "用户姓名",
      "age": "用户年龄（整数）",
      "email": "用户邮箱（格式为邮箱地址）"
    }
    用户输入："我的名字是张三，今年28岁，邮箱是 [e-mail]"
  

3.2 JSON Schema 定义

{
  "type": "object",
  "properties": {
    "name": {"type": "string"},
    "age": {"type": "integer"},
    "email": {"type": "string", "format": "email"}
  },
  "required": ["name", "age", "email"]
}
  

3.3 LLM 节点参数设置

参数名	值
Model	gpt-4
Response Format	JSON
Schema	如上定义的 JSON Schema

四、常见错误及解决方法

尽管配置流程清晰，但在实际操作中仍可能出现以下问题：

• 输出格式不为 JSON：未在 LLM 节点中设置 Response Format 为 JSON，或提示词未明确要求输出 JSON。
• 字段缺失：未在 Schema 中指定 required 字段，或模型未理解字段为必需项。
• 字段类型不匹配：例如将 age 输出为字符串而非整数，需在 Schema 中明确字段类型。
• 字段格式错误：如 email 字段未按格式输出，需结合 format 关键字校验。

4.1 解决策略

• 确保在提示词中明确要求输出 JSON，并给出示例结构。
• 在 JSON Schema 中严格定义字段类型和 required 属性。
• 启用 Dify 的 Schema 校验功能，若输出不符合则重新调用模型。
• 对输出结果进行后处理，如字段类型转换、缺失字段补全等。

五、进阶技巧与流程优化

为了提升稳定性和兼容性，建议采用以下优化策略：

5.1 使用流程图控制输出逻辑

graph TD
      A[开始] --> B[调用LLM节点]
      B --> C{输出是否符合Schema?}
      C -->|是| D[继续后续流程]
      C -->|否| E[重新调用LLM]
      E --> C

5.2 多模型兜底机制

当某一模型输出失败时，可切换至备用模型，提高系统容错能力。

if output_validation_failed:
    call_another_model()