Ollama 構造化出力チュートリアル：JSON Schema に沿ったデータをモデルに返させる

モデルをプログラムに組み込むとき、必要なのは文章ではなく、プログラムから直接読み取れるデータであることがよくあります。たとえば、苦情メールから氏名、注文番号、問題の種類を取り出す場合です。

Ollama の format パラメーターを使うと、モデルの出力を指定した JSON 形式にできます。

最も簡単な方法：JSON だけを要求する

curl http://localhost:11434/api/chat -d '{
  "model": "qwen3:8b",
  "messages": [{ "role": "user", "content": "日本の都市を3つ挙げ、人口とともに JSON で回答してください" }],
  "format": "json",
  "stream": false
}'

有効な JSON が出力されますが、フィールド名と構造はモデルが決めるため、毎回異なる場合があります。

JSON Schema を指定する

JSON Schema を format に指定すると、フィールドを正確に定義できます。

curl http://localhost:11434/api/chat -d '{
  "model": "qwen3:8b",
  "messages": [{ "role": "user", "content": "東京を紹介してください" }],
  "format": {
    "type": "object",
    "properties": {
      "city": { "type": "string" },
      "population": { "type": "integer" },
      "landmarks": { "type": "array", "items": { "type": "string" } }
    },
    "required": ["city", "population", "landmarks"]
  },
  "stream": false
}'

message.content は、指定した形式に準拠した JSON 文字列になります。

Python：Pydantic で形式を定義する

from ollama import chat
from pydantic import BaseModel


class Complaint(BaseModel):
    customer_name: str
    order_id: str | None
    category: str          # 例：配送、品質、返金、その他
    urgency: int           # 1～5
    summary: str


email = """
こんにちは、山田花子です。注文番号 A20261012-88 のドライヤーが届いたとき、外箱が破損していました。
電源を入れてもまったく動きません。来週海外に行くため急いでいます。返品または交換を早めにお願いします。
"""

response = chat(
    model="qwen3:8b",
    messages=[
        {"role": "system", "content": "苦情の内容から情報を抽出してください。category は配送、品質、返金、その他のいずれかにしてください。"},
        {"role": "user", "content": email},
    ],
    format=Complaint.model_json_schema(),
    options={"temperature": 0},
)

data = Complaint.model_validate_json(response.message.content)
print(data)
print(data.urgency)

customer_name='山田花子' order_id='A20261012-88' category='品質' urgency=4 summary='ドライヤーの外箱が破損し、通電しても動かないため、早急な返品または交換を希望'
4

model_validate_json で型をもう一度検証するため、プログラムが受け取るデータが正しいことを確認できます。

選択肢を限定する：Literal または Enum を使う

from typing import Literal


class Complaint(BaseModel):
    category: Literal["配送", "品質", "返金", "その他"]

これでモデルが選べる値を4つに限定できます。プロンプトで説明するより確実です。

JavaScript：Zod で形式を定義する

npm install ollama zod

import ollama from "ollama";
import { z } from "zod";

const Product = z.object({
  name: z.string(),
  price: z.number(),
  tags: z.array(z.string()),
});

const response = await ollama.chat({
  model: "qwen3:8b",
  messages: [{ role: "user", content: "この iPhone ケースは590円で、耐衝撃、薄型、MagSafe 対応です" }],
  format: z.toJSONSchema(Product),
});

const product = Product.parse(JSON.parse(response.message.content));
console.log(product);

（Zod 4 には z.toJSONSchema が組み込まれています。旧バージョンの Zod 3 では zod-to-json-schema パッケージを使用できます。）

例：複数のレビューを分類する

from typing import Literal
from ollama import chat
from pydantic import BaseModel


class Review(BaseModel):
    sentiment: Literal["ポジティブ", "ネガティブ", "中立"]
    topics: list[str]


reviews = [
    "料理はとてもおいしかったですが、待ち時間が1時間近くありました。",
    "スタッフの対応がとてもよかったです。また来ます！",
    "価格も味も普通でした。",
]

for text in reviews:
    r = chat(
        model="qwen3:8b",
        messages=[{"role": "user", "content": f"このレビューを分析してください：{text}"}],
        format=Review.model_json_schema(),
        options={"temperature": 0},
    )
    print(text, "→", Review.model_validate_json(r.message.content))

画像から情報を抽出する

視覚モデルと組み合わせると、請求書、名刺、スクリーンショットから構造化データを抽出できます。

class BusinessCard(BaseModel):
    name: str
    company: str | None
    title: str | None
    phone: str | None
    email: str | None


r = chat(
    model="gemma3",
    messages=[{"role": "user", "content": "名刺に記載された情報を抽出してください", "images": ["./card.jpg"]}],
    format=BusinessCard.model_json_schema(),
    options={"temperature": 0},
)
print(BusinessCard.model_validate_json(r.message.content))

精度を高めるコツ

temperature を 0 に設定すると、出力が安定します。
プロンプトでも形式と各フィールドの意味を説明します。schema だけに頼らないでください。たとえば、「urgency は 1～5 の整数で、5 が最も緊急です」と指定します。
フィールド名はわかりやすくします（oid より order_id が適切です）。
データがない可能性のあるフィールドは空値を許可します（str | None）。モデルが値を埋めるために内容を捏造するのを防げます。
構造化出力で保証されるのは形式であり、内容の正確さではありません。重要なデータは必ず検証してください。

更新日 2026年10月12日