JSON 序列化数组如何带反斜杠？

四女句的应用场景我就不废话了，直接开始。我们用到的库是 newtonsoftson。 首先是序列化，我们这里创建一个类，里面包含学生的姓名、年龄和成绩。在 c sub 中，四人序列化是将点奈的对象转换为四人格式制不串的过程。 然后我们实际化 student， 分 别给姓名、年龄、分数赋值。这里类型错了，改一下 虚列化，调用生成 counter， 点 see realize object。 然后我们显示一下，看看 这个就是我们虚列化后的生成制符串了。接下来我们看一下反虚列化。反虚列化就是将生成制符串转为点奈对象的过程。 同样实体化塑的对象调用生成 counter， 点击虚拟 object 来进行反虚列化，显示一下，看看正不正确。 那现在比如我们的 score 里面包含数学分数和英语分数呢？新建一个类，我们取名叫 grade， 里面分别是数学成绩和英语成绩。 这里 score 的 类型就不能是 excel 了，要改成 grade 可以 看到这里不能直接赋值了，我们要先实立化 score， 分 别对英语和数学成绩赋值，来看一下序列化的结果。

我发现很多人对 jason 提示词有一个很大的误区，那就是以为只要把提示词写成 jason 格式，画面就一定会变好看错， jason 本身并不负责审美，它真正解决的问题只有一个，那就是让结果变得更可控。今天三个角度教你了解并掌握 jason 提示词。首先， jason 只是一个结构化指令，它并不能让你的画面更艺术， 只能让输出更干净。所以我们在使用 jason 的 时候，一定要明确结构框架，正确的写法是主体加环境加风格。这样，第一行一定是 subject， 它是整张图的锚点，后面才是环境和风格。如果你一上来就写风格，你还很容易直接带着风格乱跑。第二， jason 解决的是规划，而不是创意。很多人画面不好看，是你本身的审美描述就有问题， jason 只能帮你减少随机性。所以用 jason 有 一个必要前提，这是你必须先有好的创意参考。像我上期讲到拆解电影的拍摄，其实 就是为了能够更好地获得复现画面的条件。如果你给 jason 的是创意，那很难得到你想要的效果。第三， jason 并不是在所有工具里都好用，比如在密室里中， jason 几乎没有意义，因为它主要识别的仍然是自然语言。真正能把 jason 用到极致的地方是 偏工作流的 ai 工具。在这里， jason 更像是一种生产工具，能把一次成功的画面复制成一整套，稳定输出。但如果 你只是想快速尝试风格，直接输入文字反而更高效。所以总结下来， jason 提示词解决的是掌控感和一致性。自由提示词保留的是探索空间和创造力，什么时候用， jason 什么时候不用，本质上取决于你当前的目标，而不是哪种写法更高级。我制作了很多 ai 创作教程，放在站点里，从提示词到实战都有详细 的教学，大家可以去看看。如果你也对 ai 感兴趣，关注我，带你探索更多 ai 技巧。

hello， 大家好，这里是大卫，今天想跟大家介绍一下怎么将 cloud code 的 skills 搬到 oops 点里面，让我们通过 gemini ly 来去进行使用，然后在 gemini ly 里面去用这个 skills 的 话，它也是可以免费使用的，也就是说你不需要付费，你同样的可以 有一定的额度去使用这样同样的功能。呃，之前可能很多朋友都听说过在 cloudco 里面可以去用 skills， 但是 你要用 cloudco， 不 管说你是本身用的 cloud 的 模型，或者是你用的国内的智普或者是 mini max 的 模型，你总之都是需要去入费，付费之后你再在 cloudco 里面去用 skills 的 这样一个技能。但现在我们用 german client 的 话呢， 普通的用户就是只要你有 google 账号，你都可以去使用的。每天有一千个 request， 然后每分钟有六十个 request 的 real limit。 当然，如果说你是一个呃 jimmy ai pro 的 用户的话，你整个的 real limit 会更高，你受到的限制会更小。 那我们要实现这样子的一个步骤，首先一个就是要在电脑上面去装上 gemini， 我 之前有个视频还有一篇文章也介绍过。那今天需要去强调的是，现在 gemini 里面支持 skills 是 在最新的 preview 版本才支持的， 所以呢，我们需要去装到最新的 preview 版本。当然，如果说你说，哎，我原本就没有装过。 jimmy klein， 我 不知道怎么样子去使用，那你可以将这样一段 文字复制好之后，你就告诉 ai 任何一个 ai， 你 告诉他说我要在我的电脑上面，我的电脑是 windows 或者是 mac 安装。 jimmy klein， 请你教我一步一步的怎么操作，你就去操作就可以了，如果说你已经装了 jimmy klein 的 话呢，你就复制这个名， 然后我们现在来试一下啊， 好，你就把这个命令这样粘贴过来，直接运行就可以了。然后因为我这边是我已经装过了，所以呢，我就直接跑第二条命令，这个命令，我们来查看一下我当前的这个版本是什么， 我们看到它是零点二四 preview 的 版本，如果我们看到越南版版本号是零点二四 preview 的 话就可以了，你就可以接着往下走。那下一步是怎么样呢？就是我们启动了 jimmy， 然后呢输入 settings， 在 里面呢，需要将 agent skills 这个开关改成 true， 它默认的话是 false 的。 然后呢你就可以输入 skills 命令来去查看你当前有哪些 skills。 ok， 我 们可以来演示一下。 比方说啊，我现在起一个终端， 那至于说怎么在 obsit 里面去用上 gemini client 或者 client code， 我 之前有另外一个视频介绍过，感兴趣的朋友可以去看一下。 然后我在这儿输入 gemini， 就 可以去启动 gemini client 这个工具了。好，一键启动。然后呢输入 settings settings 这边呢搜索 agent skills， 那 我这边的话是已经设置成 to 了，那可能你第一次进来的话，它默认是 false 的， 你就按一下 enter 键，然后它就会变成 to， 然后呢按 esc 退出。在这里呢，你就可以输入 skills， 然后如果你能看到 skills 这样一个列表出来的话，就说明你这边已经 ok 了。 好，那接着我们到下一步。刚才说到我是怎么把 cloud code 的 skills 怎么弄过来呢？比方说我原本已经有 cloud code 的 skills 了，那我现在想在专门的课里面去使用。 我有跟 ai 聊过，他给我的方式，第一种的话是直接复制一份过来，但这样的话呢，会有一个问题，就是后续可能我需要去两边都维护，如果有任何的更新的话，那我跟 ai 聊过之后呢，他给到我的建议就是通过软链接的形式 把 cloud code 那 边的 skills 练过来。那呃，你可以用这么一句话，你就告诉他说，哎，帮我查看我当前项目目录下是否存在有 cloud code 的 skills， 如果有的话，通过软链接的方式放到 gemini skills 里面，那他就会去帮你去进行操作了。 那为什么这一招很少呢？就是你在后面只需要去维护 ko 的 那一份 skill， 就 可在 jameson 这边可以自动同步更新的，那这样一装之后呢，你就可以一个地方维护，然后我在 jameson 这边就可以享受到 skills 的 无限的好处了。 刚才说了这么多，其实都是巴拉巴拉巴拉，我现在跟大家去演示一下，比方说我之前其实是用 啊刚才我介绍的这个方式，把 coco 里面三个 obsidian 的 skills 去通过软肋键的形式放到了 jason covers 这个 skill 来生成一个 obsidian 的 看板， 就是基于我一篇文章来进行生成一个看板，我们看一下具体的，我在这儿找一篇文章，比方说 这个就是昨天的那篇文章，就这一篇，然后我们将这篇文章告诉他，复制一下名字，帮我将这篇文章用 skills 生成一个画板， 我就发给他，他会去找对应的 skill， 因为我的那个 pro 的 额度已经用完了，所以呢，刚才你会看到我是切换到 flash 的 模型下面，他好像是找到了这篇文章。 好，他找到了这个 skill， 然后我同意，应该是已经创建出来了，我们可以看一下效果在这里。 ok， 你 会看到他就寄予我刚才的那篇文章已经生成出来了这样的一个看法。 ok， 那 在这里的话，你是可以去编辑等等等等。相比于可能原本你需要手动的去进行操作，你现在直接调用这个 skills 就 可以，而且你在 demo 里面去使用的话是完全免费的。 ok， 以上就是今天想跟大家去分享的内容，好了，谢谢大家，拜拜。

上周复盘事故报告发现，我们的 agent 系统在过去九十天里因为输出格式异常触发了四十七次报警，平均每两天一次。 有意思的是，这套系统上线前我在 prompt 里写得清清楚楚，请严格按照以下 json schema 返回数据，不要包含任何额外文字。然后大模型用实际行动告诉我，他不认识什么叫严格。 先说说他都干过什么好事儿。第一类，礼貌性自杀，让他返回用户意图分类，他给我来一句好的，根据您的要求我分析如下，然后才是那个 jason， jason 点 low 的 直接暴毙，他就是忍不住要跟你客套两句，哪怕你反复强调不要说废话。 第二类， markdown 强迫症，明明没让他用代码块儿，他偏要给你包一层三个反斜杠， jason 再加三个反斜杠结尾，这层包装直接把我的解析逻辑干蒙了。 第三类，薛定乐的类型系统，同一个字段， user id， 它有时候返回数字一二三四五，有时候返回值字母串，一二三四五，有时候返回 no。 还有一次，它返回了暂无两个汉字，你的后端代码崩溃的莫名其妙。 第四类，截断式崩溃，长截算输出到一半儿 to 用完了，直接断在一个冒号后面，后面的值没了，右大括号也没了，这种残缺结构很多修复策略都救不回来。 第五类，幻觉式补全，让他提取三个关键词，结果里只有两个，他就自己编一个凑数字段，数量是对了，内容是假的。第六类，单双引号混用标准， jason 要求双引号，但模型有时候会用单引号包字母串，人眼看着没问题， jason 点 low 的 直接报凑。 第七类，尾随逗号二组最后一个元素后面多加个逗号。 python 的 字典语法允许这个，但 jason 标准不允许。第八类，未转译字母，字母串里出现换行符、制表符或者反斜杠模型，没有正确转译，直接塞进去了。解析器一脸懵， 为什么会这样？因为大模型从根本上就不是一个执行指令的系统，它是一个预测下一个 to 肯的系统。它不知道 jason 有 语法规则，它只知道在见过的语料里，左大括号后面大概率跟着双引号， name 冒号后面大概率跟着一个字母串。 这种概率预测在百分之九十九的情况下恰好符合语法，但剩下那百分之一，足够让你的生产环境每天爆炸几十次。更麻烦的是，这百分之一的出现时机完全随机。同样的 prompt， 同样的输入，跑一百次可能有九十九次正常，但你永远不知道第几次会翻车。 这就是为什么 demo 永远完美上线，必出事故。 github 上有个叫 jason repair 的 开源库，四千多个 star 专门解决这个问题。它的作者在项目介绍里写了一句话特别到位，有些大模型在返回规范 jason 这件事上有点不靠谱，他们有时候漏个括号，有时候多加几个字，因为这就是大模型会干的事儿。 幸运的是，大模型犯的这些错误，通常都简单到可以修复，而不用毁掉整个内容。这句话道出了 jason 修复的核心哲学，不是重新生成，而是就地抢救。 我们踩完坑之后，总结了一套防御体系，第一层 prompt 工程，从告诉他怎么做到让他没法做错， 别只说返回 json 这句话对模型来说，约等于没说要给 fewshot 势利，而且正利反利都要给。明确告诉他不要说好的，不要用刻代码块，不要解释，直接输出纯 json， 第一个字母必须是左大括号，最后一个字母必须是右大括号。 更狠一点，把 json 写进去，精确到每个字段的类型，每举值是否必填模型能看懂结构式约束，虽然不保证遵守，但概率会高很多。 第二层，输出清洗。假设它一定会犯错。拿到输出第一件事不是解析，是清洗。用正则把开头的客套示话砍掉，把 markdown 客代码块标记拨掉，把可能存在的 bug 头干掉，把首尾的空白字符去掉。 我们内部有个专门的清洗函数，里面大概有十五种边界情况的处理逻辑，全是线上事故积累出来的。第三层，智能修复，这是整个防御体系的核心。 pyson 标准库的 jsonloads 太严格了，对于大模型输出来说，严格到不近人情。这时候 json repair 这个库就派上用场了。它的设计理念很简单，但很有用，按照 json 的 语法规范去解析，一旦发现不对劲儿，就用一套启发式规则去修复。 具体能修什么呢？单引号自动替换成双引号，尾追逗号自动删除，缺失的引号自动补齐， true， false， no 这些关键字如果被错误地加了引号，它能识别出来 自复串里的依法制服，能自动转移，甚至数组或 object 中间断掉了，它也能尽量补全成一个合法结构。 用法特别简单，直接用它提供的漏函数替代时代标准库的 json 漏就行，它内部会先尝试正常解析，如果失败再启动修复逻辑。 更妙的是，它完全不依赖任何外部库，纯拍损视线，不管你的技术战是什么，都能用。这个库的作者说他找遍了市面上的方案，没有一个足够清亮有足够铄铐的，所以自己写了一个。这种痛点只有被线上事故折磨过的人才懂。第四层， skima 狡辩，类型安全是最后一道防线， 解析神功不代表数据正确。 json 结构的合法了，但自断类型可能还是错的，必须用 pydematic 或者 json schema 做强类型脚印自断缺失，类型错误，每举职越界全部连结。不要相信模型会遵守约定，它不会。 第五层，自我修复循环，用魔法打败魔法。如果前面所有手段都失败了，还有一招，把原始输出和爆出信息拼成一个新的 prompt， 让模型自己改错。告诉他，以下 jason 存在语法错误，错误信息是什么什么？请修复后直接返回正确的 jason 不要解释， 这一步大概能救回百分之八十的失败请求，但要注意设置目大重试次数，两到三次就够了，别让它无限循环，又浪费钱又浪费时间。 第六层，约束解开终极方案，从根源上杜绝语法输出。如果你在用 v l l m 拉玛点 c p p outlines 这类框架做本地部署，可以直接在解码阶段做语法约束。 原理是模型每次要输出一个 token 之前，先检查这个 token 是 否符合 jason 语法，射态机不符合的直接屏蔽掉，强制他只能走合法路径，这是唯一能做到百分之一百格式正确的方案，但代价是推理时间会慢百分之十到百分之三十，而且只适用于自部署方镜。 调 api 的 话，部分框架已经支持结构化输出服务，比如 open ai 的 jsonantropic tool use， 这些本质上也是约束解开的变体。后台帮你做了语法约束，优先用官方方案，省心省力。讲到这里，把这六层房线串一下。 第一层， prompt 工程，降低出错概率，从百分之五降到百分之一。第二层，输出清洗，处理那些模型家的包装和客套化。第三层，智能修复，用 jason repair 这类工具抢救语法错误，能救回百分之九十以上的残次品。 第四层， schema 校验，确保数据类型和业务逻辑正确。第五层，自修复循环，让模型自己改错，兜底再捞一波。第六层，约束解码，从根源上杜绝问题，适合对稳定性要求极高的场景。 这六层叠加下来，我们系统的 jason 解析成功率从百分之九十五提升到了百分之九十九点九，那剩下的万分之一通常是截断太严重，或者模型彻底胡说八道，这种情况只能返回错误让上层业务处理了。 最后说点心里话，我见过太多人觉得 ai 应用就是调几下 api 的 事儿， prompt 写完 demo 一 跑，效果很好，收工，然后上线第一天就被输出格式问题打回原形。 这个领域真正的门槛从来不是让模型做到，而是让模型稳定地做到。 demo 的 世界里只有理想路径，而生产环境是无数边界情况的修罗场， 让 ai 携手师很简单，但让他每次都把师精确地填进指定的 jason 字段里，一年调用一千万次，不出一次格式错误，这才叫 ai 工程化。 很多人嘲笑这种工作没技术含量，不就是处理字幕串儿吗？但正是这些看起来不起眼的脏活累活，决定了一个 ai 产品到底能不能上线，能不能扛住真实流量，能不能让用户用得顺畅，而不是天天遇到爆破。这就是 ai 工程师和 ai 玩家的区别。

solo 二，模仿爆款视频到底该怎么做？百分之九十的人都做错了，我先跟大家讲一下他错在什么地方，然后在视频的最后我会给大家讲清楚我们测试过的流程，我们教给我们学员的方法到底应该怎么做？首先你们去模仿的话，你们可能说会去在平台上找到一个比较爆款的视频，然后把它下载下来， 我们再把这个短视频呢扔给那个 gmi 三，让 gmi 三反推出相应的提示词，我们再把这个提示词喂给 solo 二，让他去产出相应的一个视频。但是你们会发现产出来的视频 角色不一致，声音不一致，整体的画风度不一致，而且每一次生成它都会有很大的偏差，所以我说这个是错误的方法。为什么？ 因为你每一次都没有把它进行一个格式的固定，你想一想你每次给它反推出的提示词是不是每一次都不一样？你用相同的视频，它会有不同的提示词，所以按照这套流程走下来，你会发现你的视频的质量确实会差的很远。那我们学员是怎么做的呢？我们会利用到一个结构，叫做 jason 结构，学计算机的应该就能知道什么叫 jason 结构， 它是最小的结构下能够储存最大的信息密度。它有两部分组成，一个是关键词，一个是关键词的示意，它的结构是这个样子的，所以你们可以看出来它的结构是很规整的，那在这种情况之下，我们就让它反推出来它每一次的这个排序基本上是一样的， 可能只是有一些文字有一些略微的差别，所以我们模仿爆款最好的方式就是把这个视频扔给 jason 的 数据格式返回，然后你就会得到这样的一个提示词，我们再把这个提示词扔给 solo。 二，你会发现它生成的视频 不管说是在质量上，还是在各个属性的统一上都做的特别好，给大家看一下最终的效果， 好了，大家赶快去试一试吧！

程序员一定要了解常用的数据格式和他们的优缺点，因为无论是配置文件、序列化、数据请求，还是消息交换中都会用到。但我保证很多同学不会全部知道，所以我特地做了汇总。请将本视频看完，一定让你大开眼界！ 一、 xm l 可扩展标记语言早在九八年诞生，和俺一样大，用它来表示一位学生的信息，大概是这样的， 它的优点是格式标准简单而又灵活，层级一目了然。但缺点也很明显，内容重复导致数据量变大，因此现在很少用 xm l 来做数据交换，取而代之的是更为轻量级的 fashion 格式。听名字就知道他和 的关系很铁，用他来表示同样的学生信息，你会发现经典了很多。 fashion 是现在主流的前后台交互数据格式，数据量小，传输快，且具有良好的可读性，便于快速编写。 但是呢，筛选他也不是无敌的，他的语法过于严谨，并且无法添加注释。所以呢，就有聪明的人设计了 fash， 面向超 facebook 的脚本语言的 fashion， 但他比 zishion 的语法更宽松，更精简，还可以编写注释， 但是比较局限，现在用的人还不多。 giss 虽然已经很清亮，已经很快了，但是还有更快的，像 pro to buff， 它是猪肘开发的用于招笑存取结构化数据的工具。你需要先定义一个格式文件，比如说 说学生刷头 buff， 会根据该文件对消息进行压缩、发送和接收解析，从而提高传输的效率。但他虽然性能高，可读性和通用性却低了一些。然后还有一些配置文件中经常用到的数据折示。先说说 它是一本字典，一个间名对应一个纸，非常的直白，被广泛的应用于项目的属性定义。但 但是他的缺点也很明显，就是需要重复定义很多的字段，要修改的时候就很麻烦。因此现在很多框架都开始使用样格式 来作为配置文件。一样是 fashion 的孙子，不仅完美继承他的语法，还更简洁优雅，功能更强大。他用空格表示缩进结构就像一棵树， 可读性贼高，还很适合作为数据训练画格式。最后啊，再来说说这个新兴创目标是成为最小的配置文件格式。 他彻底放弃了括号和缩进，而是采取了烈士声明的方式，更易于阅读。 tom 也贼灵活，可以无二异性的转换为一个哈西表，从而支持各种编程语言的解析，也越来越多的应用在配置文件中。 哎呀，说了这么多，小伙伴们使用过几种呢？欢迎在屏幕上告诉我。那总结一下，从插苗 再到唱，虽然数据格式很多，但是他们都是在朝着便于人类和机器理解数据的目标发展，表达能力越来越强，书写也越来越快捷。当然，人们的需求是多样的，因为 此各种折饰都有适合的应用场景，没有绝对的优劣啊，未来也必然会出现更先进更多元的数据折饰。好了，偶尔小伙伴们觉得有用请扣一，没用请扣二，大家的意见和支持会帮助我产出更好的作品，我是鱼皮，还有更多编程扎货。

我说出来你们可能真的不信，仅用一段 jason 提示词就能完美的保持人物的一致性。首先打开豆包，上传一张你的图片，再输入这段提示词，豆包就会给你生成一个 jason 文件。 再打开 ai 创作，粘贴刚刚生成的 jason 文件模型，选最新的四点五比例，选三比四，风格选人像摄影， 点击生成就能直接生成风格一致的一组图片了。最厉害的就是可以保持人物一致性， 服装和妆容统一，还具有摄影的光影特点。修改 j c 文件中的背景为杭州西湖，效果比口头描述强的多，还可以把背景换成故宫，换成海边，甚至还可以再换一个日照金山。

来我们讲一下这个面试题啊，谈谈你对 json 的 理解啊，我总结了这么几点啊，一、 json 是 一种基于文本的轻量级的数据交换格式，它可以被任何的编程语言读取和作为数据格式来传递。 二、在项目开发中，使用 jason 作为前后端数据交换的方式。在前端，通过将一个符合 jason 格式的数据结构序列化为 jason 四幅串，然后将它传递到后端，后端通过 jason 格式的四幅串解析后生成对应的数据结构， 以此来实现前后端数据的一个传递。三、因为 jason 的 语法是基于 gs 的， 因此很容易将 jason 和 gs 中的对象弄混。但是应该注意的是， jason 和 gs 中的对象不是一回事， jason 中对象格式更加严格， 比如说，在 json 中，属性值不能为函数，不能出现 n， a， n 这样的属性值，因此大多数的 json 对 象是不符合 json 对 象的格式的。四、 g s 提供了两个函数来实现 g s 数据结构 json 格式的转换处理。 嗯，有 json 点 string， f， f， y 这个函数啊，是通通过将一个符合 json 格式的数据结构转换成为一个 json 字母串 json 点 pass 啊，函数这个函数用来将 json 格式的符号串转换成一个 json。 呃， gs 数据结构。好，关于 json 的 一个总结我们就到这里啊，下课。

我去， a i 圈大地震了，只因国外爆火的 jesus 题日词用来控制一次性的这个方法效果实在是太逆天了，现在只要一张角色的特写，再配合这段 jesus 题日词，就可以实现不但更可控，并且品质更高的画面，关键它能将细菌四点五以及 nano pro 模型发挥到极致， 所以大家一定要掌握一下。相关文件已经上传到网盘，那我来演示一下。首先我们将这张图片传给豆包，反推一下提日词，他依次给我们生成了这个画面的五条提日词啊。然后我们进入 ai 创作，首先我们输入第一条，上传这个参考的角色，我们生成继续看一下， 看到了吗？生成的效果还是一般的，就算你们用了这段提示词，他生成的效果也是差不多的。然后我们将这段生图提示词进行拷贝，重新拷贝到新的对话框里，再将这段超长的接生提示词拷贝到框内， 只是豆瓣的超详细的提示词就完成了。然后我们继续的进入 ai 创作，再将这个接生的提示词拷贝过来，这个角色我们同时也上传一下，然后再次生成一下，我们看下效果， 看到了吗？这就是普通的提示词和健身的提示词的区别，健身的提示词能将细菌四点五发挥到极致，效果非常的惊艳啊，那我们来分析一下它为什么能够提升品质。我们再将这段健身提示词翻译一下，它将每个分类都描述的非常详细，然后你也可以修改这个健身的提示词， 它就可以制作出各种的视频封境了，当然这个体字词在 confi ui 里的 nano pro 也能同时使用，然后我们继续生成一下，看到了吗？这个豆瓣的体字词 c 均四点五以及 nano pro 都是同时可以兼容的，所以它的应用性会非常的广泛，大家快去探索吧！

这个字幕串我们如何变成？哎，我们平时的这种输出的可以去解析的呢？那这里就要讲的第二个就是关于 jason 的 解析啊，我们还有一个功能叫做解析 jason， jason 呢就是可以把一个完整的 jason 的 字幕串，把它解析出来，一条一条的，方便后续 使用。工作流的时候呢，后续的模块方便去提取里面的内容。那这个的话我们来看一下啊，我们添加一个模块，还是搜 jason 好，选择节省，这里有一个解析节省，我们选一下，这里是解析，看到没？好，我们点击，比如说我们解析一下这个 ai 刚才输出的节省，我们选中 通过数据印刷的方式，就是这个结果，对吧？我们把它选进来，或者点一下结果引进来保存，我们再运行一下看一下。 好，我们看一下 duisc 输出的是一个字母串， jason 里面呢就没办法选，因为它是整个的一个字母串，你不方便从里面选。比如说我要商品的数量五，对吧？我要对它进行预算，没办法进行实现，那通过解析 jason， 我 们可以看它输出 的是这种结构了，是不是非常明确？你像我们之前教的，这里面有教我们打，可以把它打开啊， 它有标识，整个是一个 collection， 是 一个 jason， 这个呢是一个建值队，建值队，建值队，然后这个也是 collection 啊，商品清单是一个 array， 是 一个数据库，对不对？那 把它解析呢？其实就把它打开，把它拆分，方便我们后面进行使用，比如说解析之后，后面我们就可以对它进行熨算，我再添加一个，比如说设置一个变量 啊，随便啊。好，这个变量，比如说我们计算一下商品的价格，那这个时候呢，你看把它解析出来之后，这里我们就可以选择进行一些数据印刷了，比如说商品的总额金额，乘以金额不就是它的总额吗？或者是 总数乘以十负金额，求出单价嘛，都是可以的，比如说我们十负金额，然后呢这里有预算符，加减乘除预算嘛，我们除以一下啊，这个是除，除以 总数，那输出的就应该是一个单价，对吧？我们点击啊，把 jason 拆开之后，我们就可以提取，然后再进行后面的操作，就是这样的一个逻辑。好，我们看一下这里输出的 这里呢他已经进行了一个计算了，除法计算，就这样的这一节课呢，就是主要讲怎么样在 mac 里面去进行处理 jason 的， 实际上 mac 里面的每一个模块，他们的本质都是对 jason 进行处理，无非就是怎么样去创建一个 jason， 怎么样去拆分一个 jason， 怎么样去提取 jason， 基本上就是这些操作，增删改查嘛，基本上也就这些。好，下一节课开始呢，我们将会开始着手搭建第一个工作流，对吧？ 有一些偏理论的东西呢，这节课基本上都到此结束了， mac 自动化最核心的东西，前几节课啊，以及这一节课都已经讲完了，接下来我们就开始进行实操了，在实操里面我也会反复的去给大家讲解这些概念，希望大家能够跟着我们的课程一起学习，我们下期视频见。

好，说一下这个 python json 这个文件啊，这是五 u 源码里边这个文件，它里边包含了很多很多的字段，有可能说这个字段我看不懂啊，那我一试解释一下啊，这里边其实牵扯到工程化里边的很多知识，整体来说的话，这里边的字段啊，它包含两个部分， 一个部分呢是标准制段，就是 n p m 官方定义好的制段啊。第二个呢是非标制段。这种制段啊，那情况就很多了，有可能是作者自己定义的，比方说这个无忧园吧里边儿，由于些他自己定义的制段，自己给自己看的。另一部分呢，可能是一些工程化的工具，像什么构建工具啊，什么 t s 啊，这些东西看的啊， 都是有可能的，咱们一个个说吧。好，首先是这三个，这三个呢是标准字段啊，包的名字就是我们用 n p m 去下载的时候，包的名字就在这里定义，然后版本和描述没什么好说的。然后下边这个呢是标准字段啊，这个字段呢，我上节课是有详细讲解的啊，可以往回翻一翻。然后下边这个呢是飞标字段，它呢主要是给构建工具看的。 我们在使用一个构建工具的环境下，去导入一个包的时候，特别是使用那个 e s mark 的 方式来导入一个包的时候，那么它会把这个文件的内容给你，因为我们知道啊，在构建工具里边往往会使用一些树摇优化，是吧？那么树摇优化呢，它就必须要要求它是一个 e s mark， 那 么这个对应的文件呢，就是一个 e s mark 的 文件，它会把这个文件给你， 下边这个呢是给 t s 看的啊，就是整个包的类型定义文件啊，这四个都是飞标字段啊，下边这两个呢是 c， d， n 的 飞标字段，给 c， d， n 看的啊，这是两个 c， d， n， 对 吧啊？ p k， g 以及呢？ g， s， d， d， r 非常知名的两个 c d， n， 就是 有些用户呢，他在导入一些包的时候，他会使用 c， d， n， 用这种方式来导入的时候呢，那个 c， d， n 会从 n p m 上去下载对应的文件啊，如果说他没有的话，他就会去下载， 下载的时候他从哪里下载啊？给他指定一个文件路径，然后呢？下边那个呢是标准之端，它是指的我们这个包开发完成之后，不是要上传到那个 n p m 上吗？对吧？那么上传的时候它不一定是所有文件全部上传，比方说像这里啊，我们可以看到啊，这个目前这个包里边呢，其实还是有很多东西的， 那么他上传的时候呢，他到底上传哪些？由这个字来指定？比方说他这里就指定了两个东西，一个是 index， 一个是目录 guest， 只上传这两个东西。那么这就意味着当我们去安装这个包的时候啊，比方 我就安装一下啊， m p m i 好， 安装，这个好，安装完了你看一下啊，这里个 relative 里边是不是只有两个文件了啊？一个是 index， 一个是 disk， 那 其他的文件呢？都没有了是吧？就这么个意思。 好，下边这个字段是飞镖字段，它也是个构建工具，看的就在构建工具环境里边呢，你在导入包的时候可能有很多的导入方式，比方说你使用 import 方式来导入，那么他就对应到这，那如果说你使用别的方式导入呢？比方说 abc， 那 么他就对应到下边这种情况，那么在不同的导入方式的时候，他到底给你提供什么样的模块文件啊？由这个时段来指定啊？如果说你不写的话，他读啥？他读上面这个就 读这个东西了啊，你写的话，他就会按照这里的逻辑来进行细致的读取，那么这里边呢，有很多的配置方式啊，呃，详细情况呢，就是根据构建工具他自己的要求来定了。呃，比方说像这里，那么这里呢，就是说，呃，我们在导入这个包的时候呢，他可能有很多的场景，比如说有 ts， 他 要读取他的类型定义文件到哪里去读， 然后在漏的环境里边针对不同的模式，什么生产环境啊，开发环境啊，还是默认情况啊？那么他分别读到什么样的文件啊？就指定的是这么个东西 啊？下面这个呢是飞标字段，主要是给构建工具看的，来标识一下整个包有没有副作用，它会影响到树摇优化。下面这个呢是标准字段，它指的是整个包它上传过后呢，它的仓库的一些信息啊，仓库的类型，仓库的 u、 i、 l 地址以及呢仓库的目录，比如说我们到 n、 p、 m 上去搜索一下吧，就这个包好进去看一下啊，你看这里，他的仓库地址，这个地址的信息哪来的？就来自于这里。 下边这个呢是飞标字段，它是作者自定义的，就有一些自定义的这一块呢，如果说你研究过物流的原版的话，应该知道啊，它是用来提供一些 roll up 的 打包信息的啊，就它在编辑一个打包脚本的时候呢，它会读到这个信息， 比方说像这个 relative 这个包啊，就是做这个响应式的包，那么它取个名字，然后呢，它会打包成几个版本啊？下边是打包的几个方式，它会打四个包出来。好，下边这个呢是标准字段，这个字段呢表示说，嗯， app 上的搜索关键字，用什么样的关键字可以把它搜到下边儿那个作者， license， box， homepage， dependencies， 都是标准字段啊， license 不 用说了啊，提 供一个开源许可类型。然后呢， box 呢，是提交的 e q 的 地址，然后缓存呢，你看它就会影响这儿，一般是展示一些官网的主页，它没有官网的话，它往往会给一个 disshopper 的 地址。下边儿这个都没什么好说的啊，这就是整个 python 的 json 文件里边儿的所有字段了。