BroadRouter
شروع کریں

اسٹرکچرڈ آؤٹ پٹ (structured output)

اپ ڈیٹ

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

دوسرے نام: اسٹرکچرڈ آؤٹ پٹ، JSON آؤٹ پٹ، structured output kya hai، structured output، structured outputs، JSON schema output، response_format

کوڈ کو پہلے سے معلوم ان پٹ چاہیے۔ اسٹرکچرڈ آؤٹ پٹ ماڈل کے آزاد متن کو ایسے ڈیٹا میں بدلتا ہے جس پر آپ کا پروگرام بھروسا کر سکے۔

یہ کیسے کام کرتا ہے

کنٹرول کی تین سطحیں ہیں:

طریقہ آپ کو کیا ملتا ہے
پرامپٹ میں مانگنا عموماً JSON، کبھی اضافی متن یا غائب فیلڈز کے ساتھ
JSON mode درست JSON، کوئی بھی ساخت
اسکیما کے ساتھ اسٹرکچرڈ آؤٹ پٹ آپ کے اسکیما سے مطابقت رکھنے والا JSON

OpenAI فارمیٹ میں JSON mode ہے response_format: {"type": "json_object"}۔ اسٹرکچرڈ آؤٹ پٹ ایک اسکیما پاس کرتا ہے:

"response_format": {
  "type": "json_schema",
  "json_schema": {
    "name": "invoice",
    "strict": true,
    "schema": {
      "type": "object",
      "properties": {
        "vendor": { "type": "string" },
        "total": { "type": "number" }
      },
      "required": ["vendor", "total"],
      "additionalProperties": false
    }
  }
}

OpenAI کا ریفرنس کہتا ہے کہ json_schema ٹائپ “ensures the model will match your supplied JSON schema” (ترجمہ: یقینی بناتا ہے کہ ماڈل آپ کے دیے گئے JSON اسکیما کے مطابق ہو گا)۔ کئی فراہم کنندگان یہ constrained decoding سے کرتے ہیں: ہر قدم پر ماڈل کون سے ٹوکن بنا سکتا ہے، یہ محدود کر کے، تاکہ اسکیما توڑنے والا آؤٹ پٹ بن ہی نہ سکے۔

یہ کیوں اہم ہے

  • پارسنگ ایررز کم۔ ایکسٹریکشن پائپ لائنز، کلاسیفائرز اور ایجنٹس فیلڈز براہ راست پڑھ سکتے ہیں۔
  • آسان پرامپٹس۔ اسکیما لمبی فارمیٹ ہدایات کی جگہ لے لیتا ہے۔
  • مکمل ضمانت نہیں۔ OpenAI کی گائیڈ کہتی ہے کہ آپ کی ایپ کو پھر بھی انکار، نامکمل ریسپانس اور ایررز سنبھالنے چاہییں۔ max_tokens سے کٹا ہوا جواب ٹوٹا ہوا JSON ہے، اسکیما چاہے کچھ بھی کہے۔

OpenAI-compatible API میں سپورٹ مختلف ہے۔ کچھ صرف json_schema قبول کرتے ہیں، کچھ صرف json_object، اور کچھ فیلڈ کو نظر انداز کر دیتے ہیں۔ اس پر انحصار سے پہلے جانچ لیں۔

BroadNet Inference پر

BroadNet کی دستاویزات GLM 5.3 اور Qwen3.8 27B کے لیے اسٹرکچرڈ آؤٹ پٹ درج کرتی ہیں۔ دستاویزات درخواست کے پیرامیٹر کا نام نہیں بتاتیں، اس لیے اپنے ماڈل پر response_format ٹیسٹ کریں، اور دونوں صورتوں میں ایرر ہینڈلنگ والا JSON پارسر رکھیں۔ LLM JSON آؤٹ پٹ ویلیڈیٹر دکھاتا ہے کہ جواب کہاں ٹوٹتا ہے اور اسے آپ کے اسکیما سے جانچتا ہے۔ دونوں ماڈلز پہلے ریزننگ کرتے ہیں، اس لیے max_tokens میں سوچنے اور JSON، دونوں کے لیے جگہ رکھیں۔

اسٹرکچرڈ آؤٹ پٹ وژن ماڈلز کے ساتھ اچھا کام کرتا ہے۔ عربی انوائس گائیڈ ایک تصویر بھیجتی ہے اور فیلڈز JSON میں مانگتی ہے۔ جوابات کے بجائے ایکشنز کے لیے ٹول کالنگ استعمال کریں۔

عام غلطیاں

  • strict mode استعمال کرتے وقت additionalProperties: false بھول جانا، یا ہر فیلڈ کو required میں درج نہ کرنا۔
  • پارس کرنے سے پہلے finish_reason نہ جانچنا۔

عام سوالات

JSON mode اور اسٹرکچرڈ آؤٹ پٹ میں کیا فرق ہے؟

JSON mode صرف یہ وعدہ کرتا ہے کہ جواب JSON کے طور پر پارس ہو گا۔ اسکیما کے ساتھ اسٹرکچرڈ آؤٹ پٹ یہ بھی وعدہ کرتا ہے کہ آپ کی طے کردہ فیلڈز، ٹائپس اور لازمی کلیدیں موجود ہوں گی۔ OpenAI کی گائیڈ کہتی ہے کہ صرف Structured Outputs ہی اسکیما کی پابندی یقینی بناتے ہیں۔

کیا مجھے پھر بھی آؤٹ پٹ کی توثیق کرنی ہو گی؟

ہاں۔ جواب پھر بھی انکار ہو سکتا ہے یا max_tokens سے کٹ سکتا ہے، اور اسکیما ہر کاروباری اصول بیان نہیں کر سکتا، جیسے کل رقم جو لائن آئٹمز کے مجموعے کے برابر ہونی چاہیے۔

اسٹرکچرڈ آؤٹ پٹ استعمال کروں یا ٹول کالنگ؟

جب آپ کو حتمی جواب مقررہ ساخت میں چاہیے تو اسٹرکچرڈ آؤٹ پٹ استعمال کریں۔ جب ماڈل کو آپ کے کوڈ سے کچھ کروانا ہو اور پھر آگے بڑھنا ہو تو ٹول کالنگ۔

Markdown میں پڑھیںChatGPT سے پوچھیںClaude سے پوچھیںPerplexity سے پوچھیں