Layer 1：語法保證（Syntactic Guarantee）
  LLM 輸出必須是合法 JSON
  工具：JSON Mode、Outlines 約束解碼
       |
       v
Layer 2：結構保證（Schema Guarantee）
  輸出必須符合預定 Schema（欄位名稱、型別、必填欄位）
  工具：OpenAI Strict Mode、Anthropic Tool Use、Pydantic
       |
       v
Layer 3：語意保證（Semantic Guarantee）
  值本身必須符合業務邏輯（金額不能為負、日期不能是過去）
  工具：Pydantic Validator、自訂商業邏輯檢查

方式 A：Provider Strict Mode（最可靠）
  使用 OpenAI response_format: json_schema + strict: true
  原理：Context-Free Grammar 引擎在 token 生成層直接攔截
  成功率：100% 結構符合（gpt-4o-2024-08-06 以後）
  限制：僅適用特定模型，parallel tool calls 不支援

方式 B：Pydantic + with_structured_output（最彈性）
  LangChain 統一介面，自動選擇最佳策略
  支援跨模型（OpenAI / Anthropic / 本地模型）
  成功率：97%（含自動 retry）

方式 C：約束解碼（Outlines / llama.cpp grammar）
  Token 層級強制，適合本地模型部署
  原理：有限狀態機（FSM）過濾非法 token
  成功率：100%（但需自行部署推論服務）

python
from pydantic import BaseModel, Field
from typing import Literal, List

class ResearchReport(BaseModel):
    title: str = Field(description="報告標題，不超過 50 字")
    summary: str = Field(description="核心結論摘要，100-200 字")
    confidence: float = Field(
        ge=0.0, le=1.0,
        description="資訊可信度，0.0 為極低，1.0 為極高"
    )
    key_findings: List[str] = Field(
        description="3-5 條關鍵發現，每條不超過 30 字"
    )
    category: Literal["bullish", "bearish", "neutral"] = Field(
        description="市場情緒分類"
    )

python
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
structured_llm = llm.with_structured_output(
    ResearchReport,
    method="json_schema",
    strict=True
)

result = structured_llm.invoke("分析台積電 2026Q1 財報表現")
print(result.title)       # 直接存取欄位，無需解析
print(result.confidence)  # 型別已驗證，安全使用

python
from pydantic import field_validator

class ResearchReport(BaseModel):
    key_findings: List[str] = Field(description="3-5 條關鍵發現")

    @field_validator('key_findings')
    @classmethod
    def validate_findings_count(cls, v):
        if len(v) < 3 or len(v) > 5:
            raise ValueError(f'key_findings 必須有 3-5 條，實際收到 {len(v)} 條')
        return v

python
from langchain_core.output_parsers import PydanticOutputParser
from langchain.output_parsers import RetryOutputParser

base_parser = PydanticOutputParser(pydantic_object=ResearchReport)
retry_parser = RetryOutputParser.from_llm(
    parser=base_parser,
    llm=llm,
    max_retries=2  # 驗證失敗時，帶著錯誤訊息重新詢問 LLM
)

python
from langchain_core.runnables import RunnablePassthrough

pipeline = (
    RunnablePassthrough()
    | analysis_prompt
    | structured_llm
    | validate_business_logic
)

try:
    report = pipeline.invoke({"company": "TSMC", "period": "2026Q1"})
except ValidationError as e:
    logger.error(f"Structured output validation failed: {e}")
    report = fallback_report()