Kimi K3.1 Pro JSON Schema 结构化输出配置：strict、MFJS 与最终内容解析

一句话结论

Kimi K3.1 Pro 使用 response_format.type="json_schema" 和 strict=true 约束字段、类型及嵌套结构；客户端只解析 choices[0].message.content，不要把 reasoning_content 或整个响应对象当作 JSON 正文。

适用场景

• 适合的任务：将新闻摘要、信息抽取或其他 API 输出直接交给下游类型化程序处理。

• 不适合的任务：需要自由文本、尚未确定字段，或依赖未在 K3.1 Pro 文档中验证的复杂 Schema 特性。

• 适用的模型版本：kimi-k3.1-pro。

• 适用的客户端、Agent 或 API：Kimi API Chat Completions；官方示例使用 Python OpenAI SDK 和 https://api.moonshot.ai/v1。

• 推荐的推理档位和参数：response_format.type 使用 json_schema，明确设置 json_schema.strict=true；max_tokens 应覆盖完整 JSON 的长度。

可直接使用的内容

以下是官方页面的完整最小调用结构，保留 kimi-k3.1-pro、json_schema.name、strict、schema 和最终内容解析：

import json
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3.1-pro",
    messages=[
        {"role": "system", "content": "You are a news summarization assistant."},
        {"role": "user", "content": "Please summarize: AI technology made a major breakthrough today."},
    ],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "news_summary",
            "strict": True,
            "schema": {
                "type": "object",
                "properties": {
                    "title": {"type": "string"},
                    "summary": {"type": "string"},
                    "keywords": {"type": "array", "items": {"type": "string"}},
                },
                "required": ["title", "summary", "keywords"],
                "additionalProperties": False,
            },
        },
    },
)

# 只解析最终答案；不要对整个响应或 reasoning_content 调用 json.loads。
content = completion.choices[0].message.content
result = json.loads(content)
print(result["title"])
print(result["keywords"])

测试或工作流步骤

1. 确认请求模型为 kimi-k3.1-pro，并通过 Kimi API Chat Completions 发送。

2. response_format.type 设为 json_schema，同时提供 json_schema.name 和 json_schema.schema。

3. 使用 strict=true，为对象声明 properties、required 和需要时的 additionalProperties:false。

4. K3.1 Pro 的官方说明明确覆盖嵌套对象、数组和 anyOf；更复杂的特性先用目标模型实测。

5. 用 walle -schema 'your_schema_json' -level strict 做 MFJS 静态检查。

6. 发起请求后检查 completion.choices[0].finish_reason；若为 length，增加 max_tokens 或缩短输入。

7. 对 completion.choices[0].message.content 执行 json.loads，再按业务需要做字段和类型校验。

原始证据与数据

• 页面把 json_object 定义为只保证合法 JSON 对象，把 json_schema 定义为约束字段名、类型和嵌套结构的模式。

• json_schema 模式要求同时提供 name 和 schema；strict 建议显式设为 true。

• 官方模型差异说明写明：kimi-k3.1-pro 和 kimi-k3 可靠支持结构化输出，包括嵌套对象、数组和 anyOf。

• strict=true 时，Schema 必须符合 MFJS（Moonshot Flavored JSON Schema）；官方建议用 walle 做静态检查。

• additionalProperties:false 用于禁止输出 Schema 未定义的字段；required 字段应始终出现在结果中。

• 缺失信息应优先用允许 null 的联合类型表达，避免单一类型诱导模型编造内容或返回空字符串。

• 结构化输出仍需要在 prompt 中说明业务目标和数据来源，Schema 只负责输出形状。

• 官方示例通过 json.loads(completion.choices[0].message.content) 解析结果，并单独读取字段。

适用边界

• 本文只把官方明确覆盖的 nested objects、arrays 和 anyOf 归入 Kimi K3.1 Pro 的支持范围；页面没有列出它完整的 MFJS 子集。

• 页面把 oneOf、$ref、additionalProperties:true 和复杂 Partial Mode 行为明确归给其他模型的说明，不能改写成 K3.1 Pro 的已验证能力。

• strict=true 不是绕过 Schema 校验的开关；Schema 不符合 MFJS 或不是对象时，可能收到 400 invalid_request_error。

• 输出可能因 finish_reason="length" 被截断；json.loads 成功与否不能替代 finish_reason 和业务 Schema 校验。

• 本次没有使用 API Key 发起 K3.1 Pro 请求，未实测解析成功率、延迟、复杂 Schema、oneOf、$ref 或 Partial Mode。

复现说明

1. 打开官方 response_format 文档，确认页面标题和 kimi-k3.1-pro 基础示例。

2. 设置 MOONSHOT_API_KEY，安装 openai，运行上方 Python 示例。

3. 记录原始响应中的 finish_reason、message.content 和（若存在）reasoning_content；只对 message.content 解析 JSON。

4. 将同一 Schema 用 walle 的 strict 级别预检，再对目标模型发起实际请求。

5. 以 JSON 解析结果执行独立字段校验；本稿不把静态预检或 HTTP 200 当作 K3.1 Pro 的完整兼容性证明。