OpenAI 的 Structured Outputs 和 Ollama 的 结构化输出；OpenAI结构化输出的两种调用方式；system与user的权重优先级；schema中的字段默认值

1.OpenAI 的 Structured Outputs 和 Ollama 的 结构化输出
实现机制的差异
OpenAI (约束性解码/CFG):
OpenAI 采用的是一种名为“受限采样”的技术。他们在模型生成每一个 token 时，
会根据你提供的 JSON Schema 动态调整 token 的概率。
这意味着模型在物理上不可能输出不符合格式的字符。它不是“事后校验”，而是“边写边纠正”。

Ollama (格式引导与语法约束):
Ollama 同样支持基于 JSON Schema 的约束，它通常通过底层推理框架（如 llama.cpp）的 Grammar (GBNF) 机制来实现。
它会强制模型只在符合 JSON 语法的候选词中进行选择。

OpenAI 是“格式警察”，它通过算法保证括号一定对齐，通过语义理解保证描述被遵循。

Ollama 是“语法护栏”，它保证 JSON 结构不崩，但内容的逻辑准确度高度依赖于你提供的 System Message。

2.OpenAI结构化输出的两种调用方式
OpenAI API 中提供了两种形式的结构化输出：
使用函数：如果您要将模型连接到系统中的工具、函数、数据等，则应使用函数调用；
如果您希望在模型响应用户时对其输出进行结构化处理，则应使用结构化数据（response_format）。

3.system与user的权重优先级
在大多数 LLM（尤其是 Ollama / 本地模型）中：
system 的指令优先级 > user 的指令优先级

【系统规则层】 system
      ↓
【任务输入层】 user
      ↓
【生成输出层】 assistant

4.schema中的字段默认值
一句话终极结论，LLM 结构化抽取中：
“未知” ≠ 空字符串
“未知” = None
✅Optional[str] = Field(description="起草人")