报错是这么冒出来的。用 gpt-4o 从商品图里抽属性，prompt 要求返回 JSON，实际拿到的字符串以 ```json 开头、以 ``` 结尾，json.loads 直接抛 Expecting value，灰度到新版本模型后这种情况从 2% 涨到 30%。
中间走过弯路，把「max_tokens 设得过小，JSON 在中间被截断」当成主因，改完现象没变。
这类报错背后常见的原因有几处，逐个排除就行。模型把结构化结果包进 markdown 围栏。另一种情况是response_format 没开，约束只停留在提示词层。
少数情况下是提示词里混了示例文本，模型照抄了围栏写法。
上来先打印原始返回内容看前缀
python -c "import json;d=json.load(open('resp.json'));print(repr(d['choices'][0]['message']['content'][:60]))"解析前剥掉围栏并定位首个花括号
python -c "import re,json;s=open('raw.txt',encoding='utf-8').read();s=re.sub(r'^```(?:json)?|```$','',s.strip());print(json.loads(s[s.find('{'):s.rfind('}')+1]))"再往下改走 response_format 的 json_schema 强约束
curl https://api.openai.com/v1/chat/completions -H "Authorization: Bearer $KEY" -H "Content-Type: application/json" -d '{"model":"gpt-4o","response_format":{"type":"json_object"},"messages":[{"role":"system","content":"只输出 json 对象"},{"role":"user","content":"抽取图中的品牌与型号"}]}'等前面都确认过，再把解析失败样本落盘做回归样本
python collect_fail.py --raw raw.txt --out fails.jsonl恢复的判定其实很直接。连续 500 次请求里解析成功率为 100%，失败样本目录不再新增，前端不再因为 Unexpected token 报错白屏。
容易忽略的是，多模态输出的格式漂移比纯文本更常见，提示词约束只是兜底，真正稳的是结构化输出参数加一层容错解析。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。