Wenn du im Exam (und in echten Agent-Systemen) „verlässliche Outputs“ liefern sollst, ist JSON/Schema-first ein Kernprinzip: Du definierst zuerst die Form des Ergebnisses (Schema/Vertrag), und erst danach lässt du das Modell den Inhalt füllen. Das reduziert Interpretationsspielraum, macht Outputs prüfbar und erlaubt Automatisierung (Parsing, Validierung, Repair-Loops).
In agentischen Workflows ist Text allein oft zu vage: Ein Agent kann „sieht gut aus“ schreiben, aber du kannst daraus keine deterministische Aktion ableiten. Mit Schema-first zwingst du die Antwort in eine Struktur, die dein System weiterverarbeiten kann. Typische Ziele:
Ein Schema ist ein expliziter Vertrag: welche Felder existieren, welche Datentypen sie haben, welche Felder zwingend sind, welche Werte erlaubt sind, und welche Grenzen gelten (z. B. max. Länge). Das kann als JSON Schema, Zod, Pydantic, OpenAPI, oder auch als klar definierte JSON-Struktur im Prompt passieren.
Beispiel: Statt „Extrahiere die To-dos“ sagst du:
1. Ziel klären: Was muss downstream passieren (Tool-Aufruf, Ticket erstellen, Entscheidung treffen)?
2. Schema definieren: Pflichtfelder + minimaler Umfang. Nicht „alles“, sondern genau das, was gebraucht wird.
3. Constraints integrieren: Enums statt Freitext, IDs statt Namen, Längenlimits.
4. Validation: Output gegen Schema prüfen (automatisch).
5. Auto-Repair Loop: Wenn invalid → Modell bekommt Fehlermeldung + Schema, soll nur korrigiertes JSON liefern.
Im Foundations-Kontext geht’s nicht um perfekte JSON-Schema-Syntax, sondern um das Prinzip: Verträge, Validierung, Robustheit. Wenn du in Szenariofragen beschreiben sollst, wie du Zuverlässigkeit erhöhst, ist Schema-first ein sauberer Hebel – besonders in Kombination mit Output-Validation und Repair-Loops.
1. Schema-first = erst Form, dann Inhalt: reduziert Mehrdeutigkeit und macht Automatisierung möglich.
2. Validation + Repair ist der Produktions-Standard: ungültige Outputs werden systematisch korrigiert.
3. Minimal, aber strikt: wenige Felder, klare Typen/Enums, damit der Agent zuverlässig trifft.
Du baust einen Agenten, der Support-Tickets klassifiziert und anschließend ein Tool `create_ticket` aufruft. Welche Schema-first-Entscheidung verbessert die Zuverlässigkeit am stärksten?
A) Der Agent schreibt eine ausführliche Begründung im Fließtext.
B) Der Agent liefert ein JSON mit `category` als Enum, `severity` als Enum und `summary` als string; das System validiert es vor dem Tool-Call.
C) Der Agent liefert Markdown mit Tabellen, damit es „schöner“ aussieht.
D) Der Agent entscheidet die Kategorie implizit anhand der Wortwahl.
B. Enums + Pflichtfelder in JSON geben dem System eine klare, validierbare Struktur für den Tool-Aufruf. Mit Validierung vor dem Tool-Call verhinderst du, dass unklare oder ungültige Werte in Produktion Aktionen auslösen.