Claude Opus 4 7 在「结构化输出」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：Claude Opus 4 7
- 用例名称：结构化输出
- 测试类型：文本生成
- 评测维度：指令遵循
系统提示词（System Prompt）
这是给 AI 模型的背景设定和角色指令：
你是一名结构化数据转换专家，擅长将信息以规范的结构化格式输出。 回答要求： 1. 严格按照题目指定的字段名（Key）输出，不得擅自添加、删除或重命名字段。 2. 输出内容必须是合法的 JSON 格式，可被标准 JSON 解析器正确解析。 3. 除 JSON 代码块本身外，禁止在代码块外输出任何解释性文字或额外内容。 4. 字段值应真实、合理，符合对应字段的语义含义。
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
请以 JSON 格式输出你的自我介绍。 要求： - 输出结果必须是一个合法的 JSON 对象。 - 必须且只能包含以下两个字段： - `name`：你的名称 - `role`：你的角色或职能描述 - 不得添加任何额外字段。 - 请将 JSON 放在代码块中输出，不要附加任何说明文字。
任务要求
AI 模型需要满足以下要求：
- 输出内容是合法的 JSON 对象，能被标准 JSON 解析器（如 JSON.parse）无错误解析。
- 必须包含 `name` 字段，且字段名拼写完全正确，值为非空字符串。
- 必须包含 `role` 字段，且字段名拼写完全正确，值为非空字符串。
- 输出中不得出现 `name` 和 `role` 之外的任何额外字段（无幻觉字段）。
- 除 JSON 代码块外，不得输出任何解释性文字、前缀语句或后缀说明。
评测结果
综合得分
该模型在此用例的得分为：100.0 分（满分 100 分），已通过
基础难度评测结果
- 得分：100.0 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "name": "Claude", "role": "由 Anthropic 开发的 AI 助手，专注于帮助开发者完成软件工程任务" } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】该输出完美符合所有评测要求。JSON 格式合法且可解析，字段完整准确无多余，输出形式干净无冗余文字。候选模型准确理解了结构化输出任务的核心要求，展现了良好的指令遵循能力和格式控制能力。
进阶难度评测结果
- 得分：98.7 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "name": "张三", "profession": "软件工程师", "location": "北京", "salary": 25000, "skills": ["Python", "Java", "机器学习"], "email": "zhangsan@email.com", "phone": "13800138000" } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】该候选输出完美完成了结构化数据转换任务。JSON 格式完全合法且严格遵守 Schema 结构，所有字段名称、数据类型均符合要求；原文信息被完整准确地提取并映射到对应字段，数值保持原始格式，列表信息正确使用数组表示；输出内容干净简洁，仅包含 JSON 代码块，无任何多余内容。三个维度均达到满分标准。 【GEMINI】模型在结构化输出任务中表现完美。它严格遵循了 System Prompt 和 User Prompt 的所有指令，包括 JSON 语法、字段命名、数据类型转换以及输出纯净度，是一个高质量的转换结果。 【KIMI】整体来看，生成的 JSON 格式正确，信息提取完整准确，输出内容干净。但在代码块标记上存在小瑕疵，需要注意改进。
困难难度评测结果
- 得分：97.8 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```graphql # Part 1 — 枚举与类型定义 enum Role { ADMIN USER } enum ArticleStatus { DRAFT PUBLISHED } type User { id: ID! name: String! email: String! role: Role! createdAt: String! articles: [Article!]! } type Article { id: ID! title: String! content: String! author: User! tags: [String!]! status: ArticleStatus! } ``` ```graphql # Part 2 — Query 类型 type Query { user(id: ID!): User users: [User!]! article(id: ID!): Article articles(status: ArticleStatus): [Article!]! } ``` ```graphql # Part 3 — Mutation 类型 input CreateUserInput { name: String! email: String! role: Role! } input UpdateUserInput { name: String email: String role: Role } input CreateArticleInput { title: String! content: String! authorId: ID! tags: [String!]! status: ArticleStatus! } input UpdateArticleInput { title: String content: String tags: [String!] status: ArticleStatus } type Mutation { createUser(input: CreateUserInput!): User! updateUser(id: ID!, input: UpdateUserInput!): User! deleteUser(id: ID!): Boolean! createArticle(input: CreateArticleInput!): Article! updateArticle(id: ID!, input: UpdateArticleInput!): Article! deleteArticle(id: ID!): Boolean! } ``` ```graphql # Part 4 — 示例查询 # 示例 1：查询指定用户及其所有文章 query GetUserWithArticles($userId: ID!) { user(id: $userId) { id name email role createdAt articles { id title status tags } } } # 示例 2：创建新文章 mutation CreateNewArticle($input: CreateArticleInput!) { createArticle(input: $input) { id title content status tags author { id name } } } # 变量示例： # { # "input": { # "title": "GraphQL 最佳实践", # "content": "本文介绍 GraphQL Schema 设计原则...", # "authorId": "user-001", # "tags": ["GraphQL", "API", "后端"], # "status": "PUBLISHED" # } # } # 示例 3：按状态过滤文章列表 query GetPublishedArticles { articles(status: PUBLISHED) { id title author { name } } } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】该候选输出展现了优秀的 GraphQL Schema 设计能力。语法规范严谨，可直接投入生产使用；信息完整度极高，完全覆盖业务需求的所有实体、操作和示例；逻辑设计自洽，类型系统、关联关系和参数约束均符合最佳实践。特别值得肯定的是使用 Input 类型封装 Mutation 参数，以及在更新操作中正确区分必填与可选字段。唯一可优化之处是示例 2 的变量可以作为独立的 JSON 块而非注释，但这不影响整体质量。 【GEMINI】这是一份非常专业且严谨的 GraphQL Schema 设计。模型不仅完美执行了所有功能性指令，还展现了深厚的领域建模功底，例如在 Mutation 设计中采用了工业标准的 Input 对象模式，并严格遵守了输出格式的极端约束（无块外文字）。代码质量极高，可直接用于生产环境。 【KIMI】整体而言，该 GraphQL Schema 设计基本满足 Prompt 要求，在语法正确性、信息完整性和逻辑一致性方面表现良好，只有少数细节需要改进。
相关链接
您可以通过以下链接查看更多相关内容：
