_{记忆点：JSON 管语法，Schema 管结构，Tool Call 管意图，真正执行仍在应用侧。}

💡 答案要点

三者定位不同，渐进式可靠性提升：

特性	JSON Mode	Structured Outputs	Function Calling
本质	约束输出为合法JSON	约束JSON符合Schema	让模型调用工具
可靠性	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐
Schema校验	❌ 只保证JSON合法	✅ 严格校验字段/类型	✅ 严格校验参数
适用场景	通用JSON输出	严格业务结构	工具/插件调用

JSON Mode：API层面的简单约束

# OpenAI JSON Mode
response = client.chat.completions.create(
    model="gpt-4o",
    response_format={"type": "json_object"},  # 保证输出合法JSON
    messages=[{"role": "system", "content": "始终输出JSON"}]
)
# 不保证字段名、类型、必填，只保证是JSON

Structured Outputs：严格Schema约束

from pydantic import BaseModel

class UserInfo(BaseModel):
    name: str
    age: int  # 类型严格
    email: str | None = None  # 可选字段

response = client.chat.completions.create(
    model="gpt-4o",
    response_format={
        "type": "json_object",
        "json_schema": UserInfo.model_json_schema()
    },
    messages=[...]
)
# 100%符合Schema，字段名/类型/必填都有保证

Function Calling：让模型执行动作，而非仅返回数据

tools = [{
    "type": "function",
    "function": {
        "name": "search_database",
        "description": "搜索产品数据库",
        "parameters": {
            "type": "object",
            "properties": {
                "product_id": {"type": "string"},
                "include_inventory": {"type": "boolean"}
            },
            "required": ["product_id"]
        }
    }
}]

response = client.chat.completions.create(
    model="gpt-4o",
    tools=tools,
    messages=[...]
)
# 模型输出 tool_calls 而非普通消息
# 可以继续处理：调用search_database → 把结果传回模型 → 生成最终回复

选型决策树：

只需要合法JSON？
  → JSON Mode（简单场景，快速实现）

需要严格字段/类型校验？
  → Structured Outputs（业务系统，支付/订单/风控）

需要模型执行动作（查DB/发邮件/调用API）？
  → Function Calling（Agent工具调用，RAG检索）

面试话术：

"三者层次不同：JSON Mode 通常只约束合法 JSON；Structured Outputs 进一步约束 Schema；Function Calling 表达模型建议调用哪个工具及参数，但真正执行动作的是应用。Schema 合法不等于业务安全，支付等高风险动作还必须做鉴权、金额/对象校验、幂等、审批和审计。"

📚 参考：OpenAI Structured Outputs 指南