🚀 Vercel AI SDK 使用指南： 生成结构化数据 (Generating Structured Data)

ZaneAI
4 阅读5分钟

在开发 AI 应用时，单纯的文本生成往往不够用。不管是开发自动化发布工具、智能体（Agent）还是内容生成流水线，我们通常需要让大模型输出严格的结构化数据（比如 JSON）。这样才能确保系统能够稳定地解析信息并与下游业务逻辑（如数据库操作或 API 调用）对接。

Vercel AI SDK 在最新的 v6 版本中，对结构化数据生成进行了重磅升级，将其无缝集成到了 generateText 和 streamText 工作流中。本文将带你深入了解如何使用 Vercel AI SDK 生成结构化数据，并结合智谱 AI 最新模型 (GLM-4-Plus) 提供开箱即用的实战代码。

🌟 核心概念更新：告别 Legacy API

如果你以前用过 AI SDK，可能对 generateObject 和 streamObject 很熟悉。注意，这两个方法现在已经被标记为 Legacy（弃用） 。

在最新的标准中，AI SDK 统一了文本和结构化生成的入口。你现在只需要在 generateText 或 streamText 中配置 output 属性即可。这样做的好处是：结构化输出现在可以和工具调用（Tool Calling）在同一个请求中结合使用了！

🛠️ 准备工作：接入智谱 AI

AI SDK 原生支持通过 OpenAI 兼容接口接入第三方大模型。由于我们要使用智谱最新的 GLM-5，只需利用 @ai-sdk/openai 并修改 BaseURL 即可完成配置。

Bash

npm install ai @ai-sdk/openai zod

创建一个智谱 provider 实例：

TypeScript

// zhipu-provider.ts
import { createOpenAI } from '@ai-sdk/openai';

// 配置智谱 AI (兼容 OpenAI API 格式)
export const zhipu = createOpenAI({
  baseURL: 'https://open.bigmodel.cn/api/paas/v4/',
  apiKey: process.env.ZHIPU_API_KEY, // 填入你的智谱 API Key
});

// 选用智谱最新旗舰模型
export const model = zhipu('glm-5');

📦 1. 生成单体结构化对象：Output.object()

使用 Output.object({ schema }) 可以基于 Zod 定义的数据验证格式，强制模型输出符合要求的数据。这在做社交媒体自动生成工具时非常实用。

实战场景： 自动生成一篇带有标题、标签和正文的社交平台（如小红书/抖音）爆款文案。

TypeScript

import { generateText, Output } from 'ai';
import { z } from 'zod';
import { model } from './zhipu-provider';

async function generateSocialPost() {
  const { output } = await generateText({
    model,
    // 定义严格的输出 Schema
    output: Output.object({
      schema: z.object({
        post: z.object({
          title: z.string().describe('吸引眼球的爆款标题，带有适当的 Emoji'),
          content: z.array(z.string()).describe('正文分段落，每句话需要有网感'),
          tags: z.array(z.string()).describe('相关话题标签，如 #AI #效率工具'),
        }),
      }),
    }),
    prompt: '请帮我写一篇介绍 "Vercel AI SDK 新特性" 的社交媒体种草笔记。',
  });

  console.log(output.post.title);
  console.log(output.post.tags.join(' '));
  // 这里的 output 已经被 Zod 严格校验过，具备完整的 TypeScript 类型提示！
}

generateSocialPost();

💡 技巧：利用 .describe() 为字段添加描述，可以大幅提升模型生成格式的准确率。

📚 2. 生成结构化数组：Output.array()

当你期望模型返回一个列表（例如批量生成选题、提取多个实体）时，Output.array({ element }) 是最佳选择。

TypeScript

import { generateText, Output } from 'ai';
import { z } from 'zod';
import { model } from './zhipu-provider';

async function generateTopics() {
  const { output } = await generateText({
    model,
    output: Output.array({
      // 只需要定义数组内部单个元素的 Schema
      element: z.object({
        topic: z.string(),
        difficulty: z.enum(['初级', '中级', '高级']),
        estimatedWordCount: z.number(),
      }),
    }),
    prompt: '请列出 3 个关于 AI Agent 开发的教程选题。',
  });

  // 返回结果直接是一个类型安全的数组
  console.dir(output, { depth: null });
}

⚡ 3. 流式输出结构化数据：streamText

在交互式应用中，等待大模型生成完整的 JSON 可能需要几秒钟甚至更久。通过 streamText，我们可以流式地获取并渲染结构化数据！

场景 A：流式解析部分对象 (partialOutputStream)

当使用 Output.object 时，你可以获取正在逐步构建的 JSON 对象。

TypeScript

import { streamText, Output } from 'ai';
import { z } from 'zod';
import { model } from './zhipu-provider';

async function streamSocialPost() {
  const { partialOutputStream } = streamText({
    model,
    output: Output.object({
      schema: z.object({
        title: z.string(),
        paragraphs: z.array(z.string()),
      }),
    }),
    prompt: '写一段关于"为什么需要本地部署 LLM"的短文。',
  });

  // 使用异步迭代器实时读取增量生成的对象
  for await (const partialObject of partialOutputStream) {
    console.clear();
    console.log('正在生成...', partialObject);
  }
}

场景 B：流式解析数组元素 (elementStream)

当使用 Output.array 时，你可以通过 elementStream 在每一个数组元素生成完毕并校验通过后立即拿到它，这非常适合流式渲染卡片列表。

TypeScript

const { elementStream } = streamText({
  model,
  output: Output.array({
    element: z.object({ name: z.string(), description: z.string() })
  }),
  prompt: '生成 5 个开源大模型的名称和简介。'
});

for await (const modelInfo of elementStream) {
  // 每当一个完整的 modelInfo 生成完，就会触发一次
  console.log('✅ 生成完毕:', modelInfo.name); 
}

🎯 4. 更多 Output 策略

除了对象和数组，SDK 还提供了灵活的内置方案：

  • Output.choice({ options }) ：用于分类或意图识别。强制模型从你给定的字符串数组中选一个。

    TypeScript

    output: Output.choice({ options: ['技术向', '情感向', '干货向'] })

  • Output.json() ：当你不需要严格的 Schema 校验，只希望模型返回合法的任意 JSON 结构时使用。

  • Output.text() ：纯文本输出（这也是默认行为）。

🛡️ 异常处理：拦截非法输出

虽然加上了 Schema 限制，但大模型偶尔还是会“翻车”（比如输出无法解析的 JSON）。AI SDK 提供了专门的 NoObjectGeneratedError 用于捕获这类异常。

TypeScript

import { generateText, Output, NoObjectGeneratedError } from 'ai';

try {
  await generateText({
    model,
    output: Output.object({ schema: yourSchema }),
    prompt: '...',
  });
} catch (error) {
  if (NoObjectGeneratedError.isInstance(error)) {
    console.error('模型未能生成有效对象！');
    console.error('原始文本:', error.text); // 模型实际输出的文本
    console.error('失败原因:', error.cause); // 比如 JSON 解析错误
  }
}

（对于 streamText，可以在配置中传入 onError({ error }) 回调来处理流中的异常，从而防止应用崩溃。）

总结

Vercel AI SDK v6 通过将 Output 深度整合进 generateText / streamText，极大降低了我们处理大模型结构化数据的门槛。结合 Zod 的类型推导与智谱等优秀大模型的泛化能力，开发者可以非常丝滑地构建基于 AI 的自动化流程和多端智能应用。

如果你觉得这篇教程有帮助，别忘了点赞收藏！快把这套方案应用到你的下一个 AI 项目中吧！🚀

avatar
文章
阅读
粉丝