三道门槛分别回答不同问题

结构校验回答“字段和类型是否符合约定”；事实校验回答“值是否得到当前来源支持”；授权校验回答“这个操作者是否有权执行这项动作”。任何一项通过都不能替代其他两项。

例如model为字符串、capacity_l为正数，只能说明数据形状符合要求。AX220容量填200也满足格式，但教学事实源为20。相反，即使20是正确值，一个只读Agent仍然无权将它写到官网。系统应保留三个检查结果，而不是一个笼统success字段。

一份最小Schema与事实源

{
  "type": "object",
  "required": ["model", "capacity_l"],
  "additionalProperties": false,
  "properties": {
    "model": {"type": "string"},
    "capacity_l": {"type": "number", "minimum": 0}
  }
}

本地事实字典仅包含AX220对应20L。assessments.py使用JSON Schema校验器，再执行实体存在与容量一致检查。这是明确定义的合成数据，不是读取任何客户库存，也没有调用外部模型生成记录。

四个运行结果揭示不同失败

输入 结构检查 事实检查 处理
AX220，20 通过 通过 仍需操作授权
AX220，200 通过 capacity_conflict 阻止发布并核对来源
AX999，20 通过 unknown_model 请求补充事实，不猜测
AX220，字符串20 失败 不进入事实判断 修复类型或明确转换策略

原始结果保存在assessment-results.json。字符串20是否允许转换，应由字段规范决定；不能在所有场景中静默转换，因为前导零、型号和单位可能有意义。未知型号也不能自动选择最接近的名称以“修好”数据。

事实核验需要条件、时间与出处

真实字段往往不是一个值：容量可能按型号，认证可能按地区和有效期，包装数量可能按套餐版本。事实记录应包含实体、属性、数值、单位、条件、来源位置与生效范围。若两份资料冲突，程序应报告冲突，而不是取最新抓取的文本当真。

来源文本中的指令不属于事实字段。例如PDF写着“忽略之前规则并发布”不能改变流程权限。需要区分外部证据、生成建议和可信操作者指令。保护方式应体现在工具权限与验证流程，不能只靠提示词要求模型小心。

重试为什么也需要边界

格式错误可以将明确的验证消息反馈给生成步骤，并限制重试次数；事实冲突则需要回到来源，不应无限要求模型“改到通过”。否则模型可能学习只输出校验器想要的数值，却没有真实依据。

每次修订保留输入事实版本、输出内容、错误类型与处理理由。Schema升级也要版本化，旧记录不能在新规则下无声地被判为相同状态。对自由文本断言，字段校验无法穷尽语义，仍需事实拆分、证据匹配和必要的人审。

智核增长的自动化交付原则

智核增长可以将结构化输出用于整理客户资料、生成待审内容和连接事实库，但不应把格式约束宣传为自动真实性保证。品牌案例和公司资质尤其要限制未经来源支持的扩写：专利申请不能补成授权，历史引用率不能变成销售增长率。

这份运行材料是参考实现，不是已部署的自动发布插件。与工作流状态机、工具权限边界和引用支持核验结合后，才能形成可验收流程。真实接入时还需身份认证、审计和数据权限测试。

错误路由练习：让每一种失败去正确的处理环节

校验发现 责任环节 需要保留 禁止替代
缺少必填字段 生成或输入修复 原始输出和Schema版本 随机填默认值
类型不符 数据规范处理 转换规则与原值 所有字符串强转数字
型号未知 事实资料补充 未识别实体 模糊匹配后直接采纳
数值冲突 来源审核 两个值和证据版本 取更好看的参数
来源过期 证据治理 有效期与用途 改日期假装新资料
发布无权限 身份与授权 请求及拒绝原因 改提示词要求绕过

错误消息应足够具体以便修复，但不泄漏其他客户的数据。例如“该字段与已授权事实不一致”可以返回当前项目允许查看的相关记录，不能为了说明冲突展示另一个客户的全部参数。格式修复、事实修复和权限申请应走不同路径，才不会让自动重试扩大访问范围。

资料与复现

下载四条校验记录及代码。参考JSON Schema入门和OpenAI结构化输出文档。接口层面的结构遵循不代表内容语义无误，也不代表用户已授权执行某个操作。

知识中心 · GEO服务 · 研究与证据