用途：从大模型 API 响应中提取类型化、经校验的数据，替代自由文本解析，适用于将模型输出直接接入数据库、API 调用或 UI 渲染的流水线。
主要能力：覆盖三种主流做法——OpenAI 的 response_format 配 JSON Schema（strict 模式启用约束解码）、Anthropic 将 tool_use 块用于结构化提取（tool_choice 强制指定工具）、Google Gemini 的 responseSchema 配 responseMimeType；本地模型可用 GBNF 或约束解码。还涉及 Zod 的 zodResponseFormat()、Pydantic、instructor/marvin 等。
使用方式：先确定目标 schema（字段类型、必填/可选、枚举），再按提供方选择方法；为每个字段写 description，系统提示强调“数据提取”角色；OpenAI strict 模式需设 strict: true 且 additionalProperties: false。响应在应用代码中再次用 Pydantic model_validate() 或 Zod .parse() 校验，失败可携带错误重试（建议上限 3 次），并记录输入、原始响应、解析结果与错误。Anthropic 数据仅在 type == "tool_use" 的 input 中，不要解析 text 块。
适用场景：结构化抽取（发票、评论分析、事件信息）、JSON/枚举输出、数据管道集成。
限制：约束解码只保证结构符合，不保证语义正确；长文本需分块后合并；递归或过深 schema 会增延迟；数组字段描述不清可能返回空；枚举大小写需归一化；流式输出不能按块解析；OpenAI 结构化输出可能返回 refusal。schema 变更需用真实样本回归测试，并固定模型版本。不要用于自由文本生成或真正的工具调用编排。