LLM JSON Repair — Correggi il JSON rotto restituito da un modello di IA

Che cosa conta come JSON valido

• Stringhe e nomi dei membri usano solo i doppi apici. Gli apici singoli non fanno parte della grammatica.
• Non esistono commenti. L'unico riempitivo ammesso sono gli spazi bianchi.
• La virgola va solo tra membri o elementi, quindi una virgola finale non è ammessa.
• Un valore è un oggetto, un array, un numero o una stringa, oppure uno tra false, null e true. Infinity, NaN e undefined non sono valori JSON.
• I numeri non possono avere uno zero iniziale né un + iniziale, e il punto decimale vuole cifre su entrambi i lati, quindi 012, +5, .5 e 5. sono tutti non validi.
• I caratteri di controllo da U+0000 a U+001F dentro una stringa devono avere l'escape, quindi un a capo grezzo in una stringa non è valido.
• Il livello più alto può essere un valore qualsiasi, non solo un oggetto o un array.

Come si rompe di solito l'output dei modelli

Che cosa si può riparare senza rischi e che cosa no

Una riparazione è sicura quando il testo rotto ha una sola lettura sensata. Una virgola finale, un commento o un blocco di codice si possono togliere senza cambiare ciò che dicono i dati. Altre modifiche ne alterano il significato, quindi vengono segnalate e conviene controllarle: chiudere una risposta troncata dà un JSON valido ma privo di dati, e trasformare NaN in null butta via il valore originale.

Due limiti vengono dal JSON stesso. La RFC 8259 dice che i nomi dentro un oggetto dovrebbero essere unici e che il comportamento del software è imprevedibile quando non lo sono; questo strumento tiene l'ultimo, come fa JSON.parse. La RFC dice anche che il software interopera bene quando non si aspetta più intervallo o precisione di un double IEEE 754. Questo strumento conserva i numeri come li hai scritti, ma un programma che interpreta un intero molto lungo come double lo arrotonda. Gli interi tra -(2^53)+1 e (2^53)-1 sono esatti.

Meglio: chiedi all'API un output strutturato

Riparare è un ripiego. Le API dei modelli possono vincolare l'output a uno schema, e i tre fornitori lo documentano in modo diverso.

• OpenAI: Structured Outputs fa generare al modello risposte conformi al tuo JSON Schema, mentre la modalità JSON garantisce soltanto un JSON valido. Un rifiuto può non seguire lo schema, e una risposta che raggiunge il limite massimo di token è incompleta (stato incomplete, motivo max_output_tokens).
• Anthropic: gli output strutturati usano la decodifica vincolata affinché la risposta segua il tuo schema, e la documentazione dice che ciò vale nella maggior parte dei casi. Un rifiuto (stop_reason refusal) o una risposta interrotta da max_tokens può non corrispondere allo schema, quindi controlla stop_reason prima di fare il parsing.
• Google Gemini: il modello è configurato per produrre JSON conforme allo schema che fornisci. La correttezza semantica non è garantita, quindi convalida i valori, e alcuni vincoli come minLength e maxLength non vengono applicati.

Nessuna delle tre documentazioni promette JSON valido quando l'output viene troncato. Controlla perché il modello si è fermato prima di fidarti di un risultato interpretato.