JSON-Schema-Generator
Der JSON-Schema-Generator erzeugt aus einem JSON-Beispiel ein JSON Schema, passend für Structured Outputs von OpenAI, Claude und Gemini.
Wofür ein JSON Schema?
Wer ein KI-Modell Daten zurückgeben lässt, etwa Kundendaten aus E-Mails oder Kategorien für Tickets, beschreibt das gewünschte Format am besten als JSON Schema. Mit Structured Outputs (bei OpenAI, Anthropic und Google verfügbar) hält sich das Modell dann garantiert an dieses Format.
Der Generator leitet das Schema aus einem Beispiel ab: Typen, Pflichtfelder, verschachtelte Objekte und Listen. Für Structured Outputs sollten alle Felder Pflicht sein und keine zusätzlichen Felder erlaubt werden; beides ist voreingestellt. Ergänzen Sie danach Beschreibungen und erlaubte Werte (enum), damit das Modell weiß, was in jedes Feld gehört.
Häufige Fragen
Wie kann ich ein JSON Schema erstellen?
Ein typisches Beispiel der gewünschten Daten als JSON einfügen. Der Generator erkennt Typen, Pflichtfelder, Listen und verschachtelte Objekte und erzeugt daraus das JSON Schema aus JSON.
Was sind Structured Outputs?
Structured Outputs sind eine Funktion der KI-APIs, bei der das Modell seine Antwort garantiert im vorgegebenen JSON-Schema liefert. Das erspart fehleranfälliges Auslesen von Fließtext.
Warum alle Felder Pflicht und keine zusätzlichen Felder?
Viele Anbieter verlangen für garantierte JSON-Ausgabe genau diese strenge Form. Optionale Felder lassen sich stattdessen mit dem Typ „null“ abbilden.
Kostet das Schema Tokens?
Ja, das Schema zählt als Eingabe. Der Generator zeigt die Tokenzahl; knappe Feldnamen und kurze Beschreibungen halten sie klein.
Zum Weiterlesen
- Structured Outputs: Zuverlässig JSON von KI-ModellenStructured Outputs erklärt: Wie Sie mit JSON-Schema garantiert gültiges JSON von OpenAI, Claude und Gemini bekommen, statt kaputte Antworten nachträglich zu reparieren.
- Texte mit KI klassifizieren: E-Mails, Tickets und Feedback sortierenTexte mit KI klassifizieren: E-Mails, Tickets und Feedback automatisch sortieren, mit festen Kategorien, JSON-Ausgabe, kleinen Modellen und Qualitätskontrolle.
- RAG einfach erklärt: KI mit eigenen Dokumenten nutzenRAG einfach erklärt: wie Retrieval-Augmented Generation funktioniert, wofür man Embeddings und Vektordatenbanken braucht und was ein RAG-System kostet.
Das könnte auch helfen
JSON formatierenneu
JSON formatieren, prüfen und minifizieren, mit Fehlerstelle und Tokenzahl.
ÖffnenJSON reparierenneu
Kaputtes JSON aus KI-Antworten reparieren: Codeblöcke, Kommas, Anführungszeichen.
ÖffnenBatch-Datei-Generatorneu
Aus einer Vorlage und einer Liste viele Prompts erzeugen, als JSONL für die Batch-APIs.
ÖffnenAPI-Anfrage-Generatorneu
Fertige cURL-Anfragen für die APIs von OpenAI, Anthropic und Google erzeugen.
ÖffnenPrompt-Injection-Prüferneu
Fremde Texte vor der KI-Verarbeitung auf versteckte Anweisungen und Tricks prüfen.
ÖffnenDurchsatz-Rechner
Wie lange 10.000 Anfragen bei Rate Limits dauern und was der Engpass ist.
Öffnen