从一段回答到一份数据：先定义输出结构

当答案要交给表格或脚本处理时，先约定字段、空值与校验规则。

阅读一段自然语言回答时，人可以根据上下文理解意思；脚本处理数据时，则需要稳定的结构。将 AI 输出接入后续流程之前，值得先写一份小小的数据约定。

先定义字段的意义

例如整理任务记录，可以使用标题、负责人、截止日期和状态四个字段。字段名固定之后，还要说明取值范围。日期使用什么格式？负责人没有出现时是空值，还是写“未知”？这些细节会直接影响后续整理。

{
  "title": "整理会议记录",
  "owner": null,
  "due_date": null,
  "status": "待确认"
}

这个例子中的空值代表原始资料没有提供信息，不代表任务没有负责人或没有期限。保留这个区别，可以避免把缺失数据误当作业务事实。

校验可以分三层：首先检查文本能否解析；再检查字段类型、必填项和允许值；最后回到材料核对内容。能解析的 JSON，也可能包含虚构的日期或错误的责任人。

如果缺少必填项，可以将记录送到待确认列表。如果结构无法解析，应保留原始输出并报告错误，而不是静默填入默认值继续运行。对同一项任务多次重试时，也要避免重复创建记录。

准备一条完整记录、一条缺少负责人记录、一条包含多项任务的记录，检查转换后的结果。等规则稳定后，再扩大处理范围。样本的目的，是暴露结构设计中的歧义。

实验室中的 JSON 检查工具可以帮助确认基本语法，但字段含义和业务规则仍需要自己定义。