<p>必须先清洗再解析大模型的CoT输出：清除零宽字符、统一换行、提取json块；用JSON解析器容错处理，降级修复引号问题；流式响应需累积至括号平衡再解析；CoT内容可信度需业务规则过滤。</p>
大模型返回的思考链（CoT）不是标准 JSON，直接 json_decode() 会失败——必须先清洗再解析。
识别 CoT 输出中的非 JSON 干扰段
主流大模型（如 Qwen、GLM、本地 Llama）在开启 think 或 reasoning 模式时，常以自然语言描述推理过程，夹杂换行、缩进、中文标点、甚至“答：”“所以：”等引导词。这些内容会破坏 JSON 结构，导致 json_last_error() 返回 JSON_ERROR_SYNTAX。
典型干扰片段：
{"reasoning": "第一步：提取价格……
第二步：比较数值大小……
所以最终答案是：42"}注意："所以最终答案是：42" 中的中文冒号、换行符、多余空格，都可能让部分解析器拒绝处理。
飞书群聊机器人接入大模型
下载
从零搭建飞书机器人。支持 MiniMax/MiMo 等模型、工具调用（搜索/天气/百科/记忆）、Skill 架构。一站式交付可上线运行的飞书群聊 bot。基础版本，后续可自行升级能力
立即学习“PHP免费学习笔记（深入）”；
- 用
preg_replace('/[x{200B}-x{200D}x{FEFF}]/u', '', $raw)清除零宽字符（常见于 API 响应中不可见的 BOM 或分隔符） - 用
str_replace([" ", " "], " ", $raw)统一行尾，避免 Windows/Linux 换行差异影响正则匹配 - 若响应含 Markdown 风格的 ```json``` 包裹块，优先用
preg_match('/```jsons*([sS]*?)s*```/', $raw, $m)提取内部纯 JSON 字符串
安全提取 reasoning 字段并保留原始语义
不要用 substr() 或 strpos() 硬切字符串——CoT 内容可能含嵌套引号、转义反斜杠或意外的 "reasoning": 字样（比如在用户输入里）。必须依赖 JSON 解析器本身的容错能力。
- 先尝试
json_decode($cleaned, true, 512, JSON_THROW_ON_ERROR)，捕获JsonException后进入降级流程 - 降级时用
json_decode(preg_replace('/"(reasoning|thought|steps)":s*"/', '"$1":"', $cleaned), true)修复常见引号不闭合问题（仅限单层结构） - 若字段值含未转义双引号（如
"reasoning": "他说："这个数很大""），需预处理：用mb_ereg_replace('"([^"\\]*(?:\\.[^"\\]*)*)"', '""', $cleaned)跳过引号内内容再替换外部引号
处理流式响应（SSE）中的分段 CoT 数据
当使用 text/event-stream 接收流式 CoT（如 Ollama、vLLM 的 /chat/completions 流式接口），data: 行可能截断在 JSON 字段中间，导致每帧单独解析失败。
- 累积
data:行到出现完整"}"且括号层级为 0 时再解析（用计数器跟踪{和}差值） - 不要依赖
json_decode($line, true)单行解析——90% 的流式 CoT 帧是不完整的 JSON 片段 - 示例判断逻辑：
$depth += substr_count($line, '{') - substr_count($line, '}'); if ($depth === 0 && !empty($buffer)) { json_decode($buffer, true); $buffer = ''; }
真正难的不是解析，而是判断哪一段是「有效推理」、哪一段是模型胡说——CoT 字段内容可信度无法靠 PHP 校验，得靠业务规则过滤，比如检查是否包含数字计算步骤、是否引用了输入中的关键词。别把 json_decode() 当成信任入口。
