在AI产品化的浪潮中，大模型如ChatGPT已成为PM的必备工具，但在我看来，让它们稳定输出JSON格式的数据，却像在驯服一匹野马——看似简单，实则暗藏陷阱。主流方法如提示工程被吹捧为银弹，我认为这不过是空中楼阁，尤其在小模型上漏洞百出。产品经理若盲目跟风，只会让项目在数据混乱中搁浅。
质疑声起：那些高调宣传的JSON输出方案，如DeepSeek API推荐的提示词加JSON格式约束，在高阶模型如GPT-4上或许奏效，但换成小模型，它就原形毕露。参考开源项目Manus的issue，用户反馈小模型输出JSON时频频出错，逗号乱飞、引号缺失，活像个叛逆的学徒。这让我反思，厂商们总把AI包装成万能钥匙，却忽略了底层的不稳定性。辩证地说，大公司如OpenAI聚焦优化高模型，声称function calling能解忧，但小公司如创业团队成本受限时，这些方案就成了纸上谈兵。产品经理必须权衡：是砸钱买高端模型，还是设计更韧性的架构？
论证时，我引用亲身经历。在创业公司打磨AI产品时，我们曾迷信提示词方法，结果用户因JSON格式错误流失20%。这印证了哈佛教授Clayton Christensen的创新理论：技术突破需匹配用户实际。案例上，DeepSeek文档强调JSON format的约束解码，但硅基流动等小模型对此免疫；反观OpenAI的function calling，在低资源场景常输出无效参数，暴露了AI的脆弱性。宏观视角下，联合国可持续发展目标呼吁可靠技术，ESG要求产品可持续——AI输出不稳，就像经济链条的锈蚀点，会拖累整个数字化转型。
作为UCPM认证产品经理，我主张独特解法：与其死磕提示工程，不如构建容错机制。参考中提到的JSON提取修复法，用正则表达式加AI兜底，像给系统装上安全网。比喻来说，这好比厨师做菜——严格食谱（提示）是基础，但备好急救箱（修复代码）才能应对意外。未来，随着AI普及，可靠性将成核心竞争力。难道我们只能祈祷模型升级，还是该从产品设计入手，打造真正可持续的智能生态？