你让 AI 返回一份 JSON——一种用键、值和列表交换数据的通用文本格式——它可能内容看着没问题，却漏了引号或括号，程序接手时直接报错。开源库 Outlines 处理的正是这种麻烦：不再只靠提示词劝模型守规矩，而是在生成过程中把格式要求变成硬约束。
LLM 每一步都要从候选 token（模型生成文字时选择的基本单位）里挑下一项。Outlines 会提前屏蔽那些会破坏语法的候选项，而不是等模型写完再修补。文章展示了一个客服评论分类例子：借助 Python 的 Literal 类型，输出只能是 Positive、Negative 或 Neutral；底层由有限状态机——一套按当前状态限定下一步选择的规则——执行约束。生成 JSON 时，也可以用 Schema（数据的规格表）规定必填字段及数字等类型。
这对生产数据流程很实用：下游程序不必再赌模型是否恰好写对格式。不过，约束保证的是结构合法，不保证字段里的事实或数值正确；文章也未提供可靠性提升的量化测试。