A saída estruturada e o modo JSON transformam os resultados livres dos modelos de linguagem em formatos confiáveis e legíveis por máquinas que se integram diretamente em bancos de dados, APIs e fluxos de trabalho de automação. Aprenda a projetar prompts que forcem JSON válido, compare o modo JSON com chamadas de função e prompting com schema, e decida qual método se adapta ao seu caso de uso.

O que é saída estruturada

Saída estruturada é o método de forçar modelos de linguagem a retornarem dados em um formato predefinido (como JSON). Diferente do texto livre, ela impõe nomes de campos rígidos, tipos de dados e schemas que ferramentas downstream podem processar sem limpeza manual.

O que é o modo JSON

O modo JSON é uma variante mais estrita de saída estruturada onde o modelo é instruído a retornar apenas JSON válido. No modo JSON, tudo que o modelo produz deve ser analisável como JSON.

json

{
  "title": "string",
  "summary": "string",
  "tags": ["string"],
  "priority": "low | medium | high"
}

Modo JSON vs Chamadas de Função vs Prompting com Schema

Três abordagens existem para obter saída estruturada de LLMs.

Modo JSON: O modelo produz apenas JSON válido. Melhor para: extração de dados, classificação, resumo.
Chamadas de função: O modelo seleciona qual função chamar e fornece argumentos em JSON. Melhor para: integração de API, uso de ferramentas.
Prompting com schema: Instruções explícitas + exemplos que exigem que o modelo siga um schema. Melhor para: flexibilidade, modelos locais, formatos personalizados.

Comparação de modelos: conformidade JSON por fornecedor

Diferentes modelos têm diferentes níveis de suporte ao modo JSON nativo. A partir de abril de 2026:

Modelo	Modo JSON nativo	Conformidade apenas com prompt	Notas
OpenAI GPT-5.5	Sim (imposto)	Não necessário	Padrão da indústria para modo JSON.
Anthropic Claude Sonnet 4.6	Sim (imposto)	Não necessário	Excelente conformidade JSON.
Google Gemini 2.0	Sim (imposto)	Não necessário	Suporte JSON nativo.
Meta Llama 3.3 70B	Parcial	Fortemente recomendado	Open-source.
Modelos open-source pequenos (<13B)	Não	Necessário com exemplos	Requerem schemas detalhados.

Boas práticas

Para obter saídas estruturadas confiáveis, você precisa ser explícito e rigoroso em seus prompts. Para conformidade com LGPD/ANPD, a saída estruturada facilita o rastreamento de dados extraídos e transformados — essencial para organizações que processam dados pessoais de cidadãos brasileiros.

Mostre o schema exato que você espera.
Declare claramente que apenas JSON deve ser retornado.
Use nomes de chaves curtos e sem ambiguidade.
Adicione exemplos de saídas válidas quando a tarefa é complexa.

Como Implementar Saída Estruturada

1
Defina seu schema antes de escrever o prompt. Decida quais campos você precisa, seus tipos e quais são obrigatórios.
2
Use modo JSON da API quando disponível. OpenAI, Anthropic e Google suportam parâmetros de modo JSON que previnem erros de análise.
3
Para dados críticos, use chamadas de função. Chamadas de função impõem tipos e campos obrigatórios.
4
Sempre valide a saída. Mesmo com modo JSON, valide contra seu schema esperado antes de processar os dados.
5
Inclua um exemplo de boa saída no prompt. Modelos seguem exemplos melhor do que descrições abstratas de schema.

Perguntas Frequentes

O modo JSON garante o schema correto?

Não completamente. O modo JSON garante JSON sintaticamente correto, mas não impõe campos específicos. Use chamadas de função para schema crítico.

Como lido com JSON inválido de LLMs?

Três estratégias: (1) use modo JSON da API, (2) adicione retry automático, (3) use chamadas de função para schema crítico.

O modo JSON é afetado pela conformidade com LGPD?

O modo JSON em si é neutro. Mas a saída estruturada beneficia a conformidade porque permite rastrear sistematicamente dados extraídos, transformados e registrados — requisito da LGPD para dados pessoais.

Saída Estruturada em LLMs: modo JSON, exemplos e quando usar