一站式收藏夹，快速找到让LLM输出JSON的库和模型
这是一个精选资源列表，旨在帮助开发者利用大语言模型（LLM）生成结构化JSON数据。项目汇总了通过函数调用、工具使用、上下文无关语法（CFG）等不同技术路径实现JSON生成的库、模型、笔记本等资源。它解决了LLM输出非结构化文本难以直接用于程序化处理的问题，为开发者提供了从提示工程到专用微调模型的多种方案。核心能力在于系统性地整理了各类工具和模型，并附有简要说明和链接，方便用户快速选型。无论是构建AI代理、数据抽取管道还是自动化工作流，该项目都能作为起点，帮助开发者找到最适合其场景的JSON生成方案。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆资源列表
把仓库拉到本地，便于离线阅读和检索全部资源链接。README 本身不含安装步骤，克隆只是为了查看内容。
git clone https://github.com/imaurer/awesome-llm-json.git2打开目录导航
从 Table of Contents 入手，了解资源被分成哪些类别，再决定看哪一节。
3理解术语含义
先读 Terminology 小节，弄清 Structured Outputs、Function Calling、JSON Mode、Tool Usage 等叫法的区别。
4按分类挑选方案
根据场景在 Hosted Models、Local Models、Python Libraries、Jupyter Notebooks 等分类中初步筛选。
5跳转原始文档
列表只给出简介与链接，具体安装、调用和参数需查看被收录资源自己的官方文档。
本地出现 awesome-llm-json 目录，README.md 能正常打开并看到目录与分类列表即为成功。
Q：这个项目需要安装依赖或运行代码吗？
A：不需要。它是一个 awesome 资源列表，仓库内没有可执行程序，克隆后直接阅读 README 中的分类和链接即可。
Q：我该从哪一节开始看？
A：先看 Terminology 理解各种叫法，再按需求选择 Hosted Models、Local Models 或 Python Libraries 等对应分类。
Q：想用本地模型生成 JSON 该看哪里？
A：README 目录中有 Local Models 分类，里面列出了相关模型资源，点开链接查看各自用法。
Q：列表里的链接打不开怎么办？
A：列表只是索引，链接由各项目维护，可能失效；可到 GitHub 提 issue 或直接搜索同名项目的新地址。
jsonformer、outlines、guidance
awesome-llm-json 是开发框架领域的开源项目，由 imaurer 开发，2023 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（2,172）位列前 30%，在开发框架分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-15。开源资源列表，MIT许可证，完全免费。
它主要面向的使用场景是：开发需要结构化输出的AI聊天机器人或Agent。同类可对比的替代方案包括 jsonformer、outlines、guidance。
上一篇：fable-method
下一篇：any-llm
ComfyUI_Custom_Nodes_AlekPet
开源
给 ComfyUI 装上语音翻译和姿态检测，工作流更全能
Custom nodes that extend the capabilities of Comfyui
langchain
开源
组装 AI 应用的乐高积木，从想法到上线不换工具
The agent engineering platform.
transformers
开源
全球最大的模型仓库全家桶，想用的模型一把抓
Transformers: the model-definition framework for state-of-the-art machine learning m···
pi
开源
一套 TypeScript 工具包，快速搭出能写代码的 AI agent
AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI