AI AI 工具指南
常见问题解决库

ChatGPT 把 JSON 当成普通文本读，而不是结构化数据

传 JSON 想让 ChatGPT 查键、聚合值，它却把整份文件当一大段文字读，靠字符串匹配回答。答案听起来像那么回事，是凭感觉，不是算出来的。

发布于: 作者: AI Productivity Guide Team 🌐 查看英文版本

你传一份有 5,000 条记录的 orders.json，问”加州客户的订单金额中位数是多少”。ChatGPT 不写 pandas 代码，扫一眼前几千个字符就回”根据数据样本，中位数大约 80 美元左右”。这答案是凭感觉，不是算出来的。模型把 JSON 当成 prose 读，没去触发 Code Interpreter 真正解析和聚合。结果听着自信、带数字，是错的。

根本原因是 ChatGPT 自己决定文件走”代码执行”路径还是”上下文阅读”路径。JSON 经常被路由到”上下文阅读”——尤其是文件够小能塞进 prompt，或者你的问题听起来像在请求总结。这篇讲怎么把它逼到正确路径上。

常见原因

按命中率从高到低：

1. 文件够小塞得下，模型干脆不调 Code Interpreter

JSON 大致 200 KB 以下，模型常直接把整份内容内联进 prompt，当文本推理。没有 Python 跑过。中位数、百分位、group-by 这些聚合都是用眼睛估的。

如何判断：ChatGPT 没显示 “Analyzing” 也没代码块。回答数字不精确。问”把你用的 Python 给我看”，它回”我从数据里估的”而不是给代码。

2. 问题写得像”总结”，不是”计算”

“告诉我这份数据的情况""主要规律是什么”——听起来像总结。模型走便宜路径，扫开头然后描述。量化措辞会触发代码，定性措辞不会。

如何判断：换成”用 Python 计算中位数并把代码给我看”会触发 Code Interpreter；原来的”大致是多少”不会。

3. JSON 结构不规整，模型放弃结构化处理

记录的 key 不一致、深度嵌套带可选字段、根层 array 和 object 混着。模型一看没法简单映射到表，干脆回退到文本阅读。

如何判断：本地检查 schema 会发现确实有可选 / 嵌套 / 不一致字段。ChatGPT 回答夹着”该数据集结构有差异”再做定性陈述。

4. NDJSON / JSON Lines 用了 .json 扩展名

文件每行一个 JSON 对象（NDJSON），扩展名却是 .json。json.load() 会失败。Code Interpreter 真被调起来也会抛 parse error，模型回退到读原始字节当文本。

如何判断：第一个字符是 { 第二行也是 { 开头 = NDJSON 不是 JSON。json.load() 会挂；pd.read_json(..., lines=True) 才行。

5. JSON 是 Project / Custom GPT 的 knowledge 文件

Projects 和 Custom GPT 的 knowledge 文件走的是 vector embedding，不是 Code Interpreter。查询返回片段——永远不会作为数字被聚合。

如何判断：这份 JSON 是当初建 Project 时上传的，不是每条消息附件。聚合类问题返回的是检索到的片段，不是合计。

6. 当前模式没有 Code Interpreter

语音模式、某些移动端流程、某些 Custom GPT 默认没启用 Code Interpreter。在这些模式里对数据文件做数值回答永远是估的。

如何判断：Custom GPT 的 Capabilities 配置里没列 Code Interpreter。或者你在的对话里附件加号菜单没有 “Code Interpreter” 选项。

7. token 预算到顶，文件被静默截断

大 JSON 内联进 prompt：只有头 N 个 token 进得来，之后的记录对模型来说不存在。聚合只在可见部分算出来。

如何判断：问”这份文件总共多少条记录？“如果回答是一个可疑的整数（比如”大约 1,000”）且实际数对不上 = 被截断了。

最短修复路径

Step 1: 显式要求用 Python

把”订单金额中位数是多少”换成：

用 Code Interpreter 把 orders.json 读进 pandas DataFrame。按 state 分组算 total 字段的中位数。把代码和结果表都给我看。

这种措辞强制 tool-call。工具可用时，模型极少拒绝显式的 Code Interpreter 请求。

Step 2: 如果是 NDJSON 直接告诉它

这份文件是 NDJSON（每行一个 JSON 对象）。用
pd.read_json('orders.json', lines=True) 读。

把解析那一行喂到它嘴边，parse 失败分支整条消失。

Step 3: 先验证行数

每次都问：

先打印 len(df) 和 df.dtypes。确认你读到了所有行再答。

行数和你预期对不上 = 截断 / NDJSON 误读 / 重复解析这类问题立刻暴露。

Step 4: 嵌套 JSON 先扁平化再聚合

import json, pandas as pd
with open('orders.json') as f:
    data = json.load(f)
df = pd.json_normalize(data, sep='_')

json_normalize 把嵌套键压成扁平列。之后 group-by 和聚合就和普通 CSV 一样。

Step 5: Project / Custom GPT knowledge 改成每条消息附件

需要聚合答案的话，别把 JSON 放进 Knowledge。改成在 Code Interpreter 可用的对话里每条消息上传。Knowledge 是检索用的，不是算术用的。

Step 6: Knowledge 留给参考文字，不放数据

schema 规范、分类法、品牌文案——这类放 Project Knowledge。需要计数 / 过滤 / 求和的表格数据——这类做每条消息附件。

Step 7: 用一个你已知的数字交叉验证

挑一个你能对得上的值（记录总数、某一小列的 sum、某条具体记录）。让 ChatGPT 算这个值再对照。对得上 = 聚合结果可信；对不上 = 回去查哪一步偏了。

不是你的锅的部分

是否触发 Code Interpreter 这个决策完全不透明。OpenAI 调触发启发式，不同模型之间还会变。上个月能触发的 prompt 这个月可能不行了。唯一稳定的防御是显式要求”写代码”。

vector-embedded 的 Knowledge 仓在本质上就不是算术引擎。如果产品把你的文件路由到了那里，你没法靠 prompt 后期补上聚合能力。

容易误诊为

  • “ChatGPT 数学不行”——Python 跑起来时它数学很好。读 prose 时才不行。
  • “文件太大”——几 MB 以内对 Code Interpreter 完全没压力。问题是触发不触发，不是大小。
  • “JSON 写坏了”——多半没坏。先 jq . orders.json > /dev/null 验证一下，jq 不报错就说明文件没事。
  • “Custom GPT 指令没生效”——指令不能可靠强制 tool-call，模型仍然会根据问题自己路由。

预防

  • 凡是对文件的量化问题，默认用”用 Code Interpreter 算 X 并把代码给我”这种措辞。
  • 留一句固定的开场白：“先打印行数、列名、dtype 再答。”
  • 任何”需要聚合”的数据不要放进 Project Knowledge。Knowledge 是搜索索引，不是数据库。
  • 行分隔 JSON 用 .ndjson 扩展名，格式无歧义。
  • 复杂 schema 本地用 jq 或 pandas 先压平成 CSV，上传扁的 CSV。给模型留的功课越少越稳。

FAQ

  • 为什么 CSV 行 JSON 不行？ CSV 几乎一定触发 Code Interpreter——扁、表格化、一眼能看出。JSON 有歧义；小 JSON 尤其常被路由到”读 prose”路径。
  • 能不能让 Custom GPT 永远走 Code Interpreter？ 在 config 里开启该能力，再用 system prompt 要求任何分析类问题都写代码。即便如此，模型偶尔在边缘情况下还是会跳过。

标签: #ChatGPT #ChatGPT 文件 #排查 #排查 #json #数据分析 #code-interpreter

相关文章