json

本文强调了多数LLM速度与准确性对比忽略了结构化答案的可信度，并展示了JEV作为一款通过结构化接口确保决策输出一致性的工具。

JSON2 是 GreptimeDB v1.2.0 中的一种新型 JSON 类型，专为日志和半结构化数据的高效存储和查询设计，采用列式优化。目前处于测试版，支持仅追加表。

这篇文章对 Go 1.27 中的新 JSON API 进行了基准测试，显示在反序列化方面速度显著提升，但在序列化方面与旧实现相比结果不一。

本文讨论了多代理AI工作流中交接文件的最优结构，推荐分离如目标、状态和约束等元素，以防止噪声和版本漂移，同时比较了Markdown和JSON在可读性和机器验证方面的优劣。

本文介绍如何利用SQLite的JSON支持与生成列，将其作为文档数据库使用，从而能够从JSON列中提取并索引数据。

webclaw 是一款开源工具，可将网站转换为干净的 Markdown、JSON 和 LLM 就绪上下文，提供 CLI、MCP 服务器、REST API 和 SDK，适用于 AI 代理和 RAG 管道。

TSON is a schema system and JSON superset with immutable, hash-pinned schemas whose definitions are themselves data. It offers a compact schema grammar and a working Java implementation.

作者构建了一个服务，通过 MCP 将 Google Patents 数据以结构化 JSON 暴露出来，让 AI 代理能够跨多个专利局查询专利权利要求、引证、同族图谱和摘要，并按事件付费。

建议让 CLAUDE 或 CODEX 在单个 HTML 页面和一个 JSON 文件中生成应用的完整架构，使其可以可视化，并让另一个智能体理解。包含一个示例提示词。

condense-json 1.1 为对象增加了结构替换和合并操作，并添加了使用 Hypothesis 的基于属性的往返测试。

本文解释了JavaScript中JSON序列化如何悄悄改变数据：大整数失去精度，undefined属性消失，Date变成字符串，NaN变成null。文章追溯了JSON的历史，并主张开发者应定义明确的传输格式，以避免意外的数据契约。

Simon Willison 宣布 condense-json 1.0 发布，这是一个 Python 库，通过用紧凑引用替换重复子串来压缩 JSON，从而为 LLM 节省 SQLite 日志空间。

一项研究表明，当要求大语言模型以JSON格式输出时，与普通聊天相比，其答案多样性显著下降，众数答案变得更加常见，而独特模型失去了一半的独特性。

libpdjson5 是一个公共领域的 C 语言库，用于解析 JSON、JSON5 和 JSON5E，具有完整的 Unicode 支持、极小的内存占用和流式 API。它是 pdjson 的一个分支，进行了多项改进，包括对 JSON5E 的支持。

本文分享了在生产环境中可靠地从LLM生成结构化JSON输出的经验，涵盖JSON模式、模式验证和重试循环等方法，实现了99.5%的有效性。

一个 Open WebUI 工具，使用 python-docx 将模型产出的 Markdown（含 YAML 头）或 JSON 规范直接生成为原生、可编辑的 Word (.docx) 文档，支持多种模板和样式。

一位开发者讨论了为AI智能体生成的图构建执行验证器的问题，图中节点通过输入和引用进行交互，并寻求关于使用测试账户还是图遍历进行验证的建议。

微软的开发倡导者测试了代理在使用JSON负载还是传统CLI参数时表现更佳，发现扁平化的CLI参数在成功率、token效率以及延迟方面实际上表现更好。

一个可以从粘贴的HTML、富文本或纯文本中提取表格，并导出为HTML、Markdown、CSV、TSV或JSON的工具，还增加了维基百科搜索和自动导入表格功能。

该论文介绍了 simdjson，这是第一个能够在单核上使用 SIMD 指令每秒处理数 GB 数据的验证性 JSON 解析器，相比 RapidJSON 等现有解析器实现了显著的加速。