strukturált kimenet

angolul: structured output

haladóelterjedt

A strukturált kimenet olyan MI-válasz, amely nem szabad szöveg, hanem előre megadott, kötött formájú adat, így egy másik program közvetlenül fel tudja dolgozni.

Érthetően

Ha megkérsz valakit, hogy meséljen a tegnapi vásárlásáról, mindenki másképp fogalmaz. Ha viszont egy űrlapot adsz a kezébe „bolt neve”, „dátum” és „végösszeg” rovatokkal, mindig ugyanolyan formában kapod meg az adatokat. A strukturált kimenet ezt az űrlapot adja a nyelvi modell kezébe.

Erre azért van szükség, mert a nyelvi modell válaszát gyakran nem ember olvassa, hanem egy másik program, például egy számlázó, egy naptár vagy egy adatbázis. A programok nem tudnak mit kezdeni a „Természetesen, íme a kért adatok!” kezdetű mondatokkal. Azt várják, hogy pontosan meghatározott rovatban, meghatározott típusú adat álljon.

A sima válasz tehát embernek szól, a strukturált kimenet gépnek. Ettől lesz a beszélgető MI-ből megbízható alkatrész, amelyet nagyobb rendszerekbe lehet építeni. Az agentek is hasonlóan dolgoznak: amikor egy agent eszközt használ, strukturált formában adja át, mit és milyen adatokkal kér.

Hogyan működik

A fejlesztő megad egy sémát, vagyis egy üres űrlapot: milyen mezők legyenek, melyik szám, szöveg, dátum vagy lista, és melyik kötelező. Ez legtöbbször JSON formátumú leírás.
A modell a kérdés mellé megkapja a sémát is, és ehhez igazodva írja a választ.
A szigorúbb megoldásoknál a rendszer írás közben minden lépésben csak azokat a folytatásokat engedi meg, amelyek beleférnek a sémába. A modell így nem tud kilépni a formából, például nem hagyhat le egy zárójelet.
A fogadó program a kész választ a séma alapján ellenőrzi, és ha hibás vagy hiányos, újat kérhet.
Az adat végül emberi beavatkozás nélkül megy tovább a következő lépésbe: táblázatba, adatbázisba vagy egy agent következő műveletébe.

Példa a mindennapokból

Lefényképezed a telefonoddal egy éttermi számládat, és a költségkövető alkalmazás magától kitölti a „hely”, „dátum”, „összeg” és „kategória” mezőket. A háttérben dolgozhat egy képet is értő nyelvi modell, amely kiolvassa az adatokat a fotóról, a kategóriát pedig a tartalom alapján kikövetkezteti, és mindezt strukturált kimenetként adja vissza. Az alkalmazás ezért tudja rögtön a megfelelő rovatba tenni mindet.

Kit érint

fejlesztőÍgy tudod a nyelvi modellt megbízhatóan összekötni más szoftverekkel anélkül, hogy a szabad szöveget törékeny trükkökkel kellene szétszedned. → Kód

vállalkozó, vezetőEttől lesz az MI-ből automatizálható munkafolyamat: a számlák, megrendelések és e-mailek adatai maguktól kerülnek be a rendszereidbe.

munkavállalóHa az MI-től táblázatba illő, egységes formájú választ kérsz, megspórolod a kézi másolgatást és átformázást. → Munka és HR

mindenkiSok hétköznapi alkalmazás automatikus kitöltése és összesítése mögött ez a megoldás dolgozik, akkor is, ha nem látod.

Gyakori félreértés

TévhitHa a válasz szabályos formátumban érkezik, akkor a tartalma is biztosan helyes.

ValójábanA strukturált kimenet csak a formát garantálja, a tartalmat nem. A modell egy tökéletesen kitöltött űrlapba is írhat téves vagy kitalált adatot, ezért a fontos értékeket ellenőrizni kell.

Korlátok és kockázatok

A forma helyessége nem jelenti a tartalom helyességét: a jól formázott adat is lehet hallucináció.
Ha a séma kötelezővé tesz egy mezőt, a modell akkor is beír valamit, ha a forrásban nincs ilyen adat, ezért érdemes megengedni a „nincs adat” választ.
A túl bonyolult vagy rosszul megtervezett séma ronthatja a válasz minőségét, és nem minden szolgáltató támogatja a sémák minden elemét.
Ha a válasz a hosszkorlát miatt félbeszakad, az adat csonka és használhatatlan lehet, ezért a fogadó programnak ezt az esetet is kezelnie kell.

Hasonló, de nem ugyanaz

JSON-mód – A JSON-mód csak azt ígéri, hogy a válasz szabályos JSON lesz. A strukturált kimenet azt is, hogy pontosan a megadott mezőket és adattípusokat tartalmazza.
eszközhívás – Az eszközhívásnál a modell egy külső funkció elindítását kéri strukturált formában, a strukturált kimenetnél maga a végső válasz kötött formájú.
promptírás – A promptban csak megkéred a modellt, hogy tartson be egy formátumot. A strukturált kimenet szigorú megoldásainál ezt a rendszer technikailag ki is kényszeríti.

Kapcsolódó fogalmak

Tágabb

nagy nyelvi modell, generatív mesterséges intelligencia, alkalmazásprogramozási felület

Szűkebb

JSON-séma, kötött dekódolás

Rokon

JSON-mód, eszközhívás, AI-agent, prompt, hallucináció, adatkinyerés

Röviden a története

A fejlesztők eleinte csak a promptban kérhették a modellt a formátum betartására, ami gyakran hibás kimenetet adott. 2023-ban nyílt forráskódú eszközök (például a llama.cpp nyelvtanai és az Outlines könyvtár) már a szöveg előállítása közben kikényszerítették a formát. Az OpenAI 2023 novemberében vezette be a JSON-módot, 2024 augusztusában pedig a sémát garantáltan követő Structured Outputs funkciót. A többi nagy szolgáltató, például a Google és az Anthropic, is kínál hasonló megoldást.

Hol tart most

2026 végére a nagy modellszolgáltatók és a nyílt forráskódú futtatókörnyezetek többsége alapfunkcióként kínálja. Az agentekre épülő rendszerek és az üzleti automatizálás egyik alapvető építőköve lett.

Állapot: 2026. november

Más nevei

strukturált kimenet · strukturált válasz · structured output · structured outputs

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.