📌 痛点：模型输出太自由，后端解析直接崩溃
在用 LLM 做文本分类或信息抽取时，最让人头疼的不是准确率，而是输出格式不可控。
你可能会遇到这些情况：
- 让模型输出“基础层”，它偏偏输出“我认为这属于基础层。”
- 让模型输出逗号分隔的关键词，它给你一行一个，或者用中文逗号、英文逗号混着来。
- 让模型输出不超过5个字，它给你整出一句话。
如果你的后端代码用正则或 split 来解析，程序就直接崩了。
我在用 DeepSeek 和 OpenAI 处理 14,000 条地铁反馈时，就彻底解决了这个问题。这篇文章分享一套“Prompt 设计 + 参数调优 + 后处理兜底”的组合拳，让你的大模型输出像函数返回值一样稳定。
🎯 目标：让模型只输出“列车空调”，而不是“空调太冷了希望改进”
以情感因素提取为例，我的需求是：输入乘客反馈，输出 1-3 个 3-7 汉字的核心服务要素，用中文逗号分隔。
期望输出示例：
列车空调，车厢拥挤
现实中的“自由发挥”：
好的，为您提取的服务要素是：列车空调、车厢拥挤。
或者：
1. 列车空调
2. 车厢拥挤
🛠️ 第一道防线：Prompt 中的“格式强约束”
我把约束直接写进了 System Prompt，并且用“核心原则”的方式反复强调：
system_content = """你作为南京地铁服务分析专家，请严格从乘客反馈中提取南京地铁的具体服务特征要素。请遵守：
核心原则：
1. 所有输出关键词必须直接指向南京地铁的具体属性/服务/特征
2. 表面现象→本质问题：将乘客的具体遭遇映射到南京地铁的可改进点
3. 采用最精简的名词短语（3-5个汉字）
4. 禁止任何修饰词和情感词
输出要求:
- 每个要素3-7个汉字
- 用中文逗号分隔，不要解释"""
关键技巧：
- 用“禁止”比用“请勿”更强硬：模型更倾向于遵守否定式指令。
- 明确分隔符：“用中文逗号分隔”比“用逗号分隔”更精确，避免中英文标点混用。
- 禁止解释：这句话能省下大量输出 token，并且防止模型在前面加废话。
🎯 第二道防线：Few-Shot 示例比规则更有效
LLM 是“模仿大师”，给它看标准答案比给它念规则管用得多。我在 User Prompt 中加入了“转化示例”：
user_content = f"""
【转化示例】
输入："坐南京地铁十几年了真有感情"
→ 输出：地铁历史
输入："毕业季的车厢装饰太浪漫了"
→ 输出：毕业季装饰
输入："列车空调冷得像冰窖"
→ 输出：列车空调
输入："安检员帮我找回了钱包"
→ 输出：安检服务
【当前任务】
请提取1-3个南京地铁具体服务要素：{text}
"""
为什么有效？
- 示例展示了输入和输出的直接映射，没有中间分析过程（分析过程在 System Prompt 里）。
- 示例覆盖了不同场景：隐晦表达、正面评价、负面抱怨、服务互动。
⚙️ 第三道防线：参数调优——用低温度锁死随机性
即使 Prompt 完美，模型仍可能“抽风”。参数设置是最后一道软件层面的防线。
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=messages,
temperature=0.1, # 极低温度，确保输出稳定
max_tokens=50 # 限制输出长度，防止模型“发挥”
)
temperature=0.1：分类和抽取任务不需要创造性，越低越稳定。我测试过，从 0.3 降到 0.1 后，格式违规率下降了约 40%。max_tokens=50：一个要素 5 个字，3 个要素加逗号最多 20 字。给 50 token 的冗余足够，但又不至于让模型长篇大论。
🧹 第四道防线：后处理——代码层面的最终兜底
即使前三道防线做到极致，偶尔仍会有“漏网之鱼”。这时就需要在代码里做防御性解析。
result = response.choices[0].message.content.strip()
# 1. 统一分隔符：中文逗号 → 英文逗号
result = result.replace("，", ",")
# 2. 按逗号分割
factors = [f.strip() for f in result.split(",")]
# 3. 过滤掉长度不符合要求的（2-7个汉字）
factors = [f for f in factors if 2 <= len(f) <= 7]
# 4. 如果过滤后为空，返回默认值
return factors if factors else ["无法提取"]
为什么这样做？
- 统一分隔符后，无论模型输出的是“A，B”还是“A,B”，都能正确分割。
- 长度过滤能去掉“好的”这类残留词。
- 返回默认值保证程序不会因为空列表而报错。
💡 总结：格式化输出的四层防御体系
| 防线 | 方法 | 作用 |
|---|---|---|
| 第一层 | System Prompt 强约束 | 告诉模型“必须怎样”和“禁止怎样” |
| 第二层 | Few-Shot 示例 | 用标准答案引导模型模仿 |
| 第三层 | 低 temperature + max_tokens | 从参数层面锁定输出稳定性 |
| 第四层 | 代码后处理 | 最终兜底，确保程序不崩溃 |
这套组合拳下来，我在 14,000 条数据上的格式合规率达到了 99% 以上。
🔗 完整代码
完整实现已开源在 GitHub：
👉 nanjing-metro-analysis/scripts/03_topic_extraction/extract_factors.py
