> ## Documentation Index
> Fetch the complete documentation index at: https://docs.bettertoken.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# ¿Cómo valido JSON estructurado con Pydantic?

> Valida con Pydantic el JSON devuelto por un LLM, conserva la respuesta original y gestiona reparación y reintentos de forma explícita.

## Respuesta breve

Trata la salida del modelo como texto no confiable. Pide JSON, conserva la respuesta original, analízala localmente y valida el objeto con Pydantic. Si falla, devuelve un error explícito o realiza un único intento de reparación limitado.

Este enfoque no requiere un parámetro de salida estructurada específico del proveedor. Tampoco garantiza JSON válido en la primera respuesta.

## Ejemplo en Python

Instala OpenAI SDK y Pydantic, y usa la API OpenAI-compatible Chat Completions:

```python theme={null}
import json
import os

from openai import OpenAI
from pydantic import BaseModel, ValidationError


class Ticket(BaseModel):
    category: str
    summary: str


client = OpenAI(
    api_key=os.environ["BETTERTOKEN_API_KEY"],
    base_url="https://bettertoken.ai/v1",
)

response = client.chat.completions.create(
    model="YOUR_MODEL_ID",
    messages=[
        {
            "role": "user",
            "content": (
                "Return only a JSON object with string fields "
                "category and summary for this support request: "
                "The API request timed out."
            ),
        }
    ],
)

raw = response.choices[0].message.content or ""

try:
    payload = json.loads(raw)
    ticket = Ticket.model_validate(payload)
except (json.JSONDecodeError, ValidationError) as error:
    # Store raw only in a protected debug record allowed by your data policy.
    raise RuntimeError("Model output failed validation") from error

print(ticket.model_dump())
```

Copia el Model ID completo desde la <a href={"https://bettertoken.ai/pricing"}>plaza de modelos</a>. Guarda la BetterToken API Key en una variable de entorno, no en el código fuente.

## Flujo de validación

1. Define el esquema mínimo que necesita la aplicación.
2. Pide JSON sin añadir campos ajenos al esquema.
3. Conserva la respuesta original en un lugar protegido si tu política de datos lo permite.
4. Analiza con `json.loads`.
5. Valida con `model_validate`.
6. Devuelve un fallo explícito o realiza un intento de reparación limitado.

No rellenes valores ausentes en silencio, no inventes valores predeterminados ni reintentes sin límite. El objeto reparado debe pasar el mismo esquema.

## Qué revisar si falla

| Fallo                  | Revisión                                                           |
| ---------------------- | ------------------------------------------------------------------ |
| Error de sintaxis JSON | Texto adicional, Markdown fences, truncamiento o salida incompleta |
| Campo ausente          | Prompt y esquema usan los mismos nombres                           |
| Tipo incorrecto        | El esquema coincide con el contrato real de la aplicación          |
| Fallo repetido         | Detén los reintentos y devuelve un error tipado                    |

Pydantic valida el objeto del cliente. No demuestra que los valores factuales sean correctos. Añade comprobaciones de negocio para IDs, permisos, totales y otras reglas del dominio.

## Límite de capacidad

El contrato publicado de BetterToken Chat Completions documenta la solicitud OpenAI-compatible y la respuesta de texto. Los campos específicos de salida estructurada cambian según modelo y ruta. No envíes campos no documentados sin soporte explícito en la referencia actual.

## Documentos relacionados

* [OpenAI Chat Completions API](/es/api-reference/chat-completions)
* [¿Cómo elijo el modelo de IA adecuado?](/es/faq/model-calling/model-selection-guide)
* [Modelos de Pydantic](https://docs.pydantic.dev/latest/concepts/models/)