Att fråga i JSON- eller XML-format ökar LLM-utdata med 10 gånger Varför eftersom strukturerade format ger modellen tydliga gränser och förväntningar när du ber om ostrukturerad text måste LLM gissa: Hur lång tid ska detta ta? vilka sektioner behöver jag? när är jag klar? Vilken detaljnivå? men med JSON/XML tillhandahåller du bokstavligen en mall: json{ "summary": "", "key_points": [], "analysis": "", "rekommendationer": [] } Nu vet modellen exakt vad som ska fyllas i och ungefär hur mycket innehåll varje avsnitt behöver Det är som skillnaden mellan "Skriv något om bilar" vs "fyll i det här bilrecensionsformuläret med dessa 12 specifika fält" Strukturen tar bort beslutsförlamning och ger modellen tillåtelse att vara heltäckande plus att JSON/XML naturligtvis uppmuntrar modellen att tänka i organiserade bitar snarare än att bara strömma text tills den känns "klar" [Här är meta hacka] Försök inte ens att skriva strukturerade uppmaningar från grunden istället: 1. Röst-till-text-hjärnan dumpar allt du vill ha analyserat/undersökt/skrivit om 2. klistra in den röriga utskriften till AI:n 3. be den att "skapa en JSON-promptstruktur baserad på denna hjärndump som skulle få bästa möjliga utdata" 4. Ta den genererade JSON-mallen 5. Skicka tillbaka den som din faktiska uppmaning Du får alla fördelar med strukturerade uppmaningar utan att behöva tänka igenom strukturen själv AI:n vet vilka fält som skulle vara mest användbara bättre än du gör ändå förvandlar din medvetandeström till en uppmaning av professionell kvalitet på 30 sekunder Prova själv - be om samma analys i styckeform vs strukturerat format Den strukturerade versionen kommer att vara 3-5 gånger längre och mycket mer detaljerad varje gång