awesome-llm-json

一站式收藏夹，快速找到让LLM输出JSON的库和模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 95 👀 关注 54
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 2172
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源资源列表，MIT许可证，完全免费。

项目预览

awesome-llm-json 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队imaurer
官网地址https://genomoncology.com
GitHubhttps://github.com/imaurer/awesome-llm-json
定价模式🏷️完全免费
价格说明开源资源列表，MIT许可证，完全免费。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
技术栈/模型awesome-list,function-calling,gpt-actions,large-language-models,llm,structured-generation
GitHub 星标★ 2172
上线时间2023-03-28 00:00:00
代码更新2025-02-18
仓库体积222 KB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2172

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门 约 5 分钟 部署方式：本地安装 5 步

⚠ 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。

环境要求

  • 可访问 GitHub 的网络环境
  • 本地已安装 Git，用于克隆仓库
  • 任意文本编辑器或 Markdown 阅读器（可选）

安装与启动步骤

  1. 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.git

  2. 2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. 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. 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. 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。

如何确认成功

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。

常见问题

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。

注意事项

  • 该项目为纯文档型资源列表，不具备部署或启动服务的过程。
  • 所有资源的具体用法、依赖和命令均需查看被收录项目自身的文档。
  • 列表更新依赖社区贡献，部分条目的信息可能滞后。

核心亮点

  • 覆盖全面，从函数调用到CFG多种技术路线都有收录
  • 按类别组织，便于快速查找和比较不同工具
  • 包含模型和库，兼顾了开箱即用和深度定制需求

不足之处

  • 部分资源链接可能随时间失效，需要维护更新
  • 文档/社区待观察

适用场景

  • 开发需要结构化输出的AI聊天机器人或Agent
  • 构建从非结构化文本中抽取数据的自动化管道
  • 选择或对比不同的LLM JSON生成方案

替代项目

jsonformer、outlines、guidance

上一篇：fable-method

下一篇：any-llm

同类项目推荐

modelence 开源

内置数据库鉴权监控，让 AI 直接写出能上线的全栈应用

Modelence is a production cloud on autopilot, where you can deploy and run your back···

★ 433 2026-09-14
prodagent 开源

1800行读懂 agent 框架内核，可恢复可续跑

A minimal, readable agent-framework kernel — understand how LangGraph/ADK work unde···

★ 140 2026-10-15
copilot-agents-dojo 开源

让 Copilot 代理像资深工程师一样写代码

A behavioral governance framework for GitHub Copilot agents — skills.md and instruc···

★ 54 2026-08-09
voice-ui-kit 开源

用 React 组件和 hooks 快速搭出语音 AI 应用界面

Components, hooks and template apps for building React voice AI applications quickly···

★ 419 2026-10-08
prompt-optimizer 开源

一键优化提示词，让 AI 回答更精准

An AI prompt optimizer for writing better prompts and getting better AI results.

★ 40990 2026-08-09
fractalic 开源

用 Markdown 和 YAML 像写文档一样搭建 AI 工作流，Git 版本控制轻松管理。

Fractalic: Build and version-control AI systems using Markdown & YAML. Combine LLM c···

★ 52 2026-08-09
agent-spec 开源

给 AI 代理定验收标准，任务执行不跑偏

`agent-spec` is an AI-native BDD/spec verification tool for task execution.

★ 463 2026-08-09