Claude Sonnet 3.5 调用工具时喜欢加换行？这是怎么回事以及如何解决

最近在社群里刷到一个让人很有共鸣的话题：大家最近在用 Claude Sonnet 3.5（也就是大家口中的 Sonnet 5）做开发时，有没有发现它搞 Tool Call（工具调用）的时候，特别“优雅”，特别喜欢在参数里写一堆换行？

Claude Tool Call 换行示例

Claude Sonnet 3.5 在 Tool Call 参数中多余的换行符示例

乍一看，这可能是 AI 为了让人眼看着舒服，但如果你是开发者在写后端解析逻辑，这简直就是灾难现场。原本规规矩矩的 JSON，被它加了一堆毫无意义的 \n，甚至有时候会导致解析器报错，或者传给 API 的参数格式不对。

今天咱们就来扒一扒这背后的原因，以及作为开发者，我们该怎么“治”它。

为什么 Sonnet 这么爱换行？

其实这并不是一个严格的“Bug”，更像是模型的一种“风格偏好”或者说“对齐”问题。

训练数据的锅：现在的 LLM 训练数据中，存在大量可读性极佳的代码和 JSON 样本。为了让模型生成的代码更易读，强化学习（RLHF）阶段通常会对“格式美观”的内容给予奖励。这就导致模型产生了一种幻觉：觉得“加上换行和缩进”等于“我写得更好”。
Tokenizer 的影响：虽然对于 JSON 来说，压缩和密集通常是更优的选择，但在 Tokenizer 的视角里，生成换行符可能比生成特定的复杂字符串更“顺手”。特别是在某些高并发的生成场景下，模型为了维持思考的连贯性，可能会下意识地插入一些填充符。

紧凑 JSON 格式对比

紧凑的 JSON 格式对比易读性较差但结构稳定的 Pretty Print 格式

思维链（CoT）的副作用：如果你开启了详细的思维链，模型在输出最终结果前，内部经过了一系列推理。有时候这种“排版整洁”的倾向会溢出到 Tool Call 的参数输出中，导致原本应该紧凑的 JSON 变得松松垮垮。

这会带来什么实质问题？

如果是纯文本交互，多几个换行无所谓。但在自动化开发场景中，这就很致命：

解析失败：如果你用的是强校验的 JSON 解析器，莫名其妙的换行符可能会破坏结构（尤其是某些边缘情况）。
接口报错：下游的 HTTP API 如果对参数里的换行符敏感（比如某些老旧的系统或严格的数据库查询），这些换行符直接变成 \n 注入，可能会导致查询失败。
Token 浪费：虽然是小事，但对于大规模调用的系统，这些无意义的换行符也是实打实的 Token 消耗，积少成多也是钱。

几种实用的解决方案

遇到了这种“顽固”的模型行为，我们没法直接修改它的权重，但可以在 Prompt 和工程架构上动手。

1. System Prompt 强约束（最常用、最快）

这是成本最低的方法。在你的 System Prompt 或者前置指令里，明确加上关于输出格式的要求。

❌ 错误示范：“请输出标准的 JSON。”（太模糊，模型觉得它现在的输出就是标准的）
✅ 正确示范：“请输出紧凑的 JSON 格式，不要包含任何多余的换行符、缩进或注释，仅输出纯 JSON 字符串。”

甚至可以更激进一点：“必须是单行 JSON，严禁出现 \n。”

2. 输出后的清洗处理

既然它是大概率事件，不如在你的代码逻辑里加一道“清洗阀”。在拿到模型返回的 Tool Call 参数后，先过一遍正则替换。

例如在 Python 中：

import re
import json

raw_content = model_response  # 模型返回的内容
# 去除多余的换行和空格，只保留 JSON 结构内的必要空格
# 注意：这步操作要小心，不要把字符串值里的空格也删了
cleaned_content = json.dumps(json.loads(raw_content), separators=(',', ':'))

这样不管模型怎么换行，最后经过你的代码，永远都是最紧凑的格式。

3. 采样温度调低

虽然这主要是风格问题，但适当降低 temperature（例如设为 0 或 0.1），可以让模型更倾向于选择高概率的 Token，减少它“自作主张”进行美学排版的概率。

4. 定义 Pydantic / JSON Schema

在使用 API 时，尽可能严格地定义 JSON Schema 或使用 response_format 指强制类型。虽然这不一定能完全杜绝换行，但能保证 JSON 结构的绝对合法性，避免因为换行导致的语法错误。

写在最后

Claude Sonnet 3.5 依然是目前最强的 Coding Agent 之一，这种喜欢换行的“小脾气”算是它聪明过头带来的副作用。作为开发者，理解它的行为逻辑，通过 Prompt Engineering 和代码健壮性来兜底，才是最稳妥的策略。

如果你也有遇到过类似的奇葩模型行为，欢迎在评论区交流你的“驯化”心得！