用ChatGPT生成结构化数据内容（2025年6月代码示例）

生成自然语言内容是 ChatGPT 的强项，但你是否知道，它也可以稳定输出结构化数据格式（如 JSON、表格、字段列表），用于自动化任务、数据库填充、接口调用、产品数据生成等？

2025年6月，OpenAI 已支持 Function Calling（函数调用） 和稳定的 JSON结构输出控制，这为内容到数据的自动转换带来了新的可能。

✅ 应用场景一：生成结构化商品信息 JSON

示例需求：将一句自然语言描述转为标准商品数据结构

用户输入：

“这是一款适合户外旅行的防水背包，容量40L，有多个隔层，售价399元，有黑色和蓝色两个颜色。”

📦 输出结构目标（JSON格式）：

{
  "产品名称": "户外旅行防水背包",
  "用途": "户外旅行",
  "容量": "40L",
  "功能": ["防水", "多隔层"],
  "颜色": ["黑色", "蓝色"],
  "价格": "399元"
}

Python 代码示例（调用 GPT-4-turbo）：

import openai

openai.api_key = "你的API密钥"

prompt = """
请将以下商品描述转换成结构化 JSON 格式，字段包括：产品名称、用途、容量、功能、颜色、价格。
描述：“这是一款适合户外旅行的防水背包，容量40L，有多个隔层，售价399元，有黑色和蓝色两个颜色。”
"""

response = openai.ChatCompletion.create(
    model="gpt-4-turbo",
    messages=[{"role": "user", "content": prompt}],
    temperature=0,
    response_format="json"  # 确保输出为结构化JSON（新版参数）
)

print(response.choices[0].message.content)

✅ 温馨提示： response_format="json" 是 2024 年底开始支持的新特性，GPT 输出将更稳定、更严谨，不再是“看心情”的格式。

✅ 应用场景二：提取表格结构（如简历 → 字段表）

输入内容：

“张伟，男，29岁，毕业于北京大学电子工程系，有5年软件开发经验，精通Python和Java，目前就职于腾讯。”

目标结构（字段表）：

提示词参考：

请将以下简历信息提取为表格，字段包括：姓名、性别、年龄、毕业院校、专业、工作经验、技能、当前公司。

此结构化数据可直接用于 Excel 批量处理或入数据库操作。

✅ 应用场景三：使用 Function Calling 结构化提取（进阶）

OpenAI 的 Function Calling 机制允许你指定参数格式，GPT 将严格返回结构内容。

示例定义：

functions = [
  {
    "name": "extract_product_info",
    "description": "从自然语言中提取商品字段",
    "parameters": {
      "type": "object",
      "properties": {
        "产品名称": {"type": "string"},
        "用途": {"type": "string"},
        "容量": {"type": "string"},
        "功能": {"type": "array", "items": {"type": "string"}},
        "颜色": {"type": "array", "items": {"type": "string"}},
        "价格": {"type": "string"}
      },
      "required": ["产品名称", "用途", "容量", "功能", "颜色", "价格"]
    }
  }
]

配合 function_call="auto"，GPT 将自动输出匹配的结构结果，可嵌入到自动化系统中。

✅ 结语：让AI“写结构化”，让程序更聪明

过去，我们让AI写文案；现在，我们让AI生成“可处理的数据”。这让ChatGPT不仅是内容助手，更是数据入口、知识结构化引擎。掌握结构化生成技巧，你就能用它实现从文档提取到产品信息自动发布的完整流程。