模型输出校验通过，报表字段仍悄然失真

作者把约 600 份 Markdown 文档交给模型，提取字段后生成晨间日报。流程正常退出，表格也成功渲染，但严重程度一列已经混入不同分级体系，校验器却全部放行。这份实践记录暴露了一个容易被忽略的问题：JSON 能解析、字段类型正确，仍然可能产出误导读者的报表。

目前能确认什么

每份文档需要返回 category、severity、needs_human、summary 四个字段，再逐行写入 JSONL、渲染成表格。作者最初只检查字段是否存在、类型是否匹配。于是，severity 中的 high、P1、带尾部空格的 HIGH 都能通过，因为它们都是字符串。

迁到 MonkeyCode 免费服务器并使用其免费模型访问后，600 份响应中有 19 份解析失败。作者增加一次额外调用的修复机会，消除了这些解析失败，却没有拦住分级值混杂。行数检查同样通过。

解析成功和类型正确，都不能证明字段符合业务约定。

作者随后加入结构指纹、枚举值域约束，并要求偏离约定时以非零退出码结束任务。结构指纹记录字段路径与类型，用于发现结构变化；枚举约束则限定字段允许取哪些值。文章披露，它属于 MonkeyCode 的产品推广内容。

我的判断

做模型抽取、工单分类或自动日报时，应先把 severity 的合法取值写进校验规则。报表统计依赖固定分级，未知值就应触发失败或进入待处理队列，不能直接混入统计。格式修复之后，也必须重新校验这些约束。

但枚举合法仍不代表分类准确：模型把低风险内容标成 high，照样可能通过。业务含义是否正确，还需要对照输入抽查。

现有节选没有完整展示标题所说的两种 JSON 结构，也没有给出改进后的完整验证结果。不能据此认定免费服务导致了这次偏移，更不能把结构指纹当成语义正确性的保证。