两种控制模型输出的方法：
- 预填充助理消息，用于控制大模型的输出 - 控制大模型的输出偏好
- 停止序列：提供一个停止序列，当 Claude 生成了任一字符串，就会立刻强制 Claude停止响应。停止序列本身不包含在最终响应中
Example
例如，如果您要求克劳德“从 1 数到 10”，停止序列为“5”，您将得到：
1, 2, 3, 4,
实际应用：
- 一致的格式： 使用预填充，确保响应始终以特定格式开始
- 受控长度： 使用停止序列，限制自然断点处的响应
- 控制立场：当需要 LLM 采取特定的立场，而不是中立时
- 结构化输出：结合来这两种技术，来生成特定模板的响应
fine-grained control - 细颗粒度控制 - 可靠性与一致性
结构化输出 Structured Data
应用举例： 需要在输入后，点击“生成”，并期望看到可以立即复制和使用的干净 JSON。如果 Claude 返回包含在带有解释性文本的 markdown，就算返回的内容是正确的，用户也需要选中-复制， 这就给用户体验带来了摩擦。
messages = []
add_user_message(messages, "Generate a very short event bridge rule as json")
add_assistant_message(messages, "```json")
text = chat(messages, stop_sequences=["```"])技术工作原理：
- 用户消息-告诉 Claude 要生成什么
- 预先填充助手消息：让 Claude 认为自己已经生成了一个 json 代码块
- Claude 会继续编写 json 内容
- 当 Claude 尝试使用``` 关闭时，因为传入了停止序列，所以会立刻终止。