⚙️ JSON 101 для проектирования промптов: Object vs Array

Сегодня мы отточим самый важный навык в структурированном промптинге (structured prompting): Когда использовать объекты (objects) JSON и когда — массивы (arrays).

Овладение этим навыком определяет, выдаст ли ваша LLM (Large Language Model, большая языковая модель) предсказуемые данные или хаотичный беспорядок!

🤔 Что такое JSON и зачем его использовать?

📝 JSON (JavaScript Object Notation — нотация объектов JavaScript) — это облегченный, читаемый человеком формат данных, используемый для передачи данных между сервером и веб-приложением, или, в нашем случае, между вами и LLM.

Мы используем его в проектировании промптов, потому что он вынуждает большие языковые модели выдавать структурированный, предсказуемый результат. Предоставляя ИИ строгий, машиночитаемый формат как руководство для выполнения последовательных действий, мы устраняем неоднозначность и делаем вывод непосредственно парсируемым (parsable — обрабатываемым) другим программным обеспечением (M2M - Machine-to-Machine interaction).

📐 Золотое правило: Важен ли порядок?

Ваш выбор структуры полностью зависит от одного вопроса: Является ли последовательность или порядок информации критически важным?

1. Объект JSON: Чек-лист ✅

• Синтаксис: Фигурные скобки {}.

• Назначение: Неупорядоченный набор ИМЕНОВАННЫХ свойств (NAMED properties).

• Аналогия: Конфигурационный файл. ИИ нужны все факты, но неважно, прочитает ли он описание роли до описания цели.

• Используется для: Определения персоны ("role"), метаданных или списка правил валидации ИИ.

// НЕУПОРЯДОЧЕННАЯ КОНФИГУРАЦИЯ
"prompt": {
  "role": "...",
  "goal": "..."
}

2. Массив JSON: Сценарий 🎬

• Синтаксис: Квадратные скобки [].

• Назначение: Упорядоченная ПОСЛЕДОВАТЕЛЬНОСТЬ элементов. Позиция — это всё!

• Аналогия: Сценарий или рецепт. Шаг 1 должен произойти перед Шагом 2.

• Используется для: Определения сценария разговора (conversation flow, например, списка вопросов), истории логов (log history) или обязательного отслеживания рассуждений (reasoning trace, например, SGR, см. ниже).

// УПОРЯДОЧЕННАЯ ПОСЛЕДОВАТЕЛЬНОСТЬ
"sequence": [
  { "step_1": "..." },
  { "step_2": "..." }
]

👩‍❤️‍👨 Мощная комбинация: Массив объектов

Чтобы создавать сложные потоки, вы их комбинируете! Вы используете

• Массив [] для порядка и

• Объекты {} внутри массива, чтобы дать каждому упорядоченному шагу уникальное имя/метку.

Вот так может выглядеть интерактивная последовательность (interactive sequence) - диалог ИИ с пользователем:

// Массив обеспечивает ПОРЯДОК, Объекты предоставляют ИМЕНА
"sequence": [
  { "introduction": "..." },
  { "question_1": "..." }
]

💡 Кейс: Schema-Guided Reasoning (Схема-управляемое рассуждение, SGR)

Разработанный российскими инженерами метода SGR построен на этом фундаменте. Он использует массив объектов для принуждения LLM к выполнению последовательного сценария рассуждения:

1. Массив: Определяет сценарий: Шаг 1 → Шаг 2 → Шаг 3.

2. Объекты: Дают название каждому шагу мышления:

• "Initial_Hypothesis" (Начальная_Гипотеза),

• "Evidence_Collection" (Сбор_Доказательств),

• "Final_Conclusion" (Окончательный_Вывод).

⚖️ Практическое правило:

✅ Если порядок критически важен, используйте [].

✅ Если вам просто нужно назвать свойство, используйте {}, в этом случае LLM воспримет весь текст как единое указание.

#JSON #PromptEngineering #StructuredOutput #LLM #SGR #M2M