JSON-zu-OpenAI-Structured-Output-Schema- & Zod-Konverter

Q: Warum lehnt OpenAI Structured Outputs reguläre Standard-JSON-Schemas ab?

Sobald strict: true in OpenAI response_format oder beim Function Tool Calling aktiviert ist, muss jeder object-Knoten additionalProperties: false setzen und jeden Property-Schlüssel in required auflisten.

Q: Kann ich TypeScript-Zod-Schemas mit aktiviertem .strict() generieren?

Ja. Stellen Sie die Zielausgabe auf TypeScript Zod um, um z.object({...}).strict()-Definitionen inklusive Unterscheidung zwischen Integer und Float zu erzeugen.

Q: Wie wirken sich strikte Tool-Schemas auf die LLM-Token-Kosten pro Anfrage aus?

Tool- und Response-Schemas werden bei jedem Aufruf als Input-Tokens berechnet, wobei Prompt Caching wiederholte Schema-Präfixe um 90 % bis 95 % vergünstigt.

Schema-Compiler für Constrained Decoding

Gültiges JSON — konform mit OpenAI strict:true (additionalProperties: false aktiv)

Zielspezifikation der Ausgabe

Beispiel-JSON-Payload

Kompiliertes striktes Schema

Token-Overhead des Schemas messen

Invarianten für Constrained Decoding

additionalProperties: false: Wird rekursiv auf jedem verschachtelten object-Knoten erzwungen.
Vollständiges required-Array: Jeder deklarierte Property-Schlüssel wird in required mit einem object-Wurzelknoten aufgeführt.

Häufig gestellte Fragen

Warum lehnt OpenAI Structured Outputs reguläre Standard-JSON-Schemas ab?

Sobald strict: true in response_format oder beim Function Tool Calling aktiviert ist, verlangt Constrained Decoding bei jedem object-Knoten additionalProperties: false sowie die Aufnahme sämtlicher Property-Schlüssel in required.

Kann ich TypeScript-Zod-Schemas mit aktiviertem .strict() generieren?

Ja. Stellen Sie die Zielspezifikation auf TypeScript Zod um, um direkt importierbaren z.object({...}).strict()-Code mit automatischer .int()-Erkennung zu erzeugen.

Wie wirken sich strikte Tool-Schemas auf die LLM-Token-Kosten pro Anfrage aus?

Tool-Definitionen zählen bei jedem Aufruf zu den Input-Tokens; fügen Sie Ihr kompiliertes Schema in den LLM-Token-Kostenrechner ein, um Einsparungen von 90 %–95 % durch Prompt Caching zu berechnen.