Możesz skonfigurować modele Gemini tak, aby generowały odpowiedzi zgodne z podanym schematem JSON. Zapewnia to przewidywalne i bezpieczne pod względem typów wyniki oraz upraszcza wyodrębnianie uporządkowanych danych z nieuporządkowanego tekstu.
Uporządkowane dane wyjściowe są idealne w przypadku:
- Wydobywanie danych: wyodrębnianie z tekstu konkretnych informacji, takich jak imiona i nazwiska czy daty.
- Klasyfikacja strukturalna: klasyfikowanie tekstu według wstępnie zdefiniowanych kategorii.
- Przepływy pracy agentów: generowanie uporządkowanych danych wejściowych dla narzędzi lub interfejsów API.
Oprócz obsługi schematu JSON w interfejsie REST API pakiety Google GenAI SDK umożliwiają definiowanie schematów za pomocą bibliotek Pydantic (Python) i Zod (JavaScript).
Przykłady uporządkowanych danych wyjściowych
Ekstraktor przepisów
Ten przykład pokazuje, jak wyodrębniać dane strukturalne z tekstu za pomocą podstawowych typów schematu JSON, takich jak object, array, string i integer.