工具返回的结构化结果（表格/卡片/链接）怎么在对话里渲染？

先这样答

解决这个问题的核心原则是数据视图的分离。工具执行完毕后，不需要把所有结构化数据转成纯文本塞进对话流，而是让同一次工具调用在用户端和模型端呈现两种不同的视图。

在用户端，工具返回的是带有类型标记的 JSON 数据。比如查询天气或股票，后端返回的结构化载荷中会明确标识数据类型是表格、卡片还是操作按钮。前端拦截到这个工具调用的响应后，不会直接把纯文本展示给用户，而是根据类型标记动态加载对应的 UI 组件，用结构化的方式把 JSON 里的字段映射到卡片或表格中渲染出来。这种方式能保证用户看到的信息直观且具备交互性。

在模型端，我们需要严格控制上下文的 token 消耗。如果把完整的表格或冗长的 JSON 直接喂给大模型，不仅会浪费大量 token，还容易导致模型注意力分散。因此，给模型输入的通常是经过处理的摘要数据。比如只告诉模型查询成功，共返回十条记录，最高价为某某，让模型基于这个精简的上下文生成一句自然的回复。前端再将模型的文本回复与渲染好的结构化组件组合展示。

总体来说，通过结构化载荷与双向视图分离，我们既保证了用户界面的表现力，又守住了模型上下文的容量底线。

面试官会怎么追问

• 「如果工具返回的表格数据量特别大，比如有几千行，怎么处理？」 这种情况需要实施大结果截断策略。前端渲染时可以采用分页组件或虚拟列表，只加载首屏数据，避免浏览器内存溢出。模型端则只截取前几行数据或提取整体统计特征作为摘要输入，防止上下文超载。
• 「要是前端没有对应的组件，或者 JSON 结构解析失败了怎么办？」 需要设计渲染失败降级为文本的机制。前端在捕获到组件加载错误或数据格式不匹配时，自动触发降级逻辑。此时直接把 JSON 转化为格式化的纯文本字符串展示，或者调用模型生成一段解释性文字，保证对话流程不断裂。
• 「工具返回的数据里如果包含用户隐私或者敏感字段，渲染时要注意什么？」 必须在后端的工具结果处理层进行敏感字段脱敏。在组装返回给前端的 JSON 载荷之前，对手机号、身份证等字段进行掩码处理。同时要确保给模型输入的摘要中也清除了这些敏感信息，防止模型在后续对话中发生隐私泄露。

回答的坑

• 认为所有工具结果都必须先经过大模型总结再展示给用户，正确的做法是前端直接根据 JSON 渲染结构化组件，大模型只负责生成辅助性的过渡话术。
• 忽略了模型输入与用户展示的差异，把完整的表格结构一股脑塞给大模型，正确方向是执行分离原则，给模型看摘要，给用户看完整结构。