TOON：一种为大模型设计的JSON压缩型数据结构

    最近 AI 圈子里出现了一个新概念：**TOON**。

    官方对它的描述是这样的：一种简洁、易读的 JSON 数据模型编码，最大限度地减少令牌数量，使模型易于理解结构。它旨在作为现有 JSON 的可随插、无损表示，用于 LLM 输入。它**结合了 YAML 基于缩进的嵌套对象结构与 CSV 风格的表格布局**，用于统一数组。TOON 的优势在于对象数组统一（每行多个字段，项目结构相同），实现类似 CSV 的紧凑性，同时增加了显式结构，帮助大型语言模型可靠解析和验证数据。

    截至目前，TOON 在 GitHub 上已经获得了 21.5k+ Star，一种比JSON更优秀的大模型友好数据格式真的诞生了？

    JSON 在工程世界里几乎无可替代，但在与大模型交互时，它有一个非常现实的问题：**结构冗余**。尤其是同构对象数组，比如：

{
  "hikes": [
    { "id": 1, "name": "Blue Lake Trail", "distanceKm": 7.5 },
    { "id": 2, "name": "Ridge Overlook", "distanceKm": 9.2 },
    { "id": 3, "name": "Wildflower Loop", "distanceKm": 5.1 }
  ]
}

    每一行都在重复："id" "name" "distanceKm"。

    在 LLM 输入中，这些重复的结构信息会消耗更多的上下文空间。JSON 的问题在于并非为语言模型的上下文机制设计，**完善通用的结构给它带来了更多的信息冗余，但信息冗余是要花钱的。**

    TOON 的核心思想就是：在保持 JSON 语义不变的前提下，把重复结构前移并声明一次 + 提前告知数据条目总长度。

    它融合了三种表达风格：

    其核心就在于 TOON 将键名重复的同构对象数组变成形如“**key[n]{a,b,c}:**”的声明，后续n行只表示值。

    举个例子，上面的JSON数据转化为 TOON 就是：

hikes[3]{id,name,distanceKm}:
    1,Blue Lake Trail,7.5
    2,Ridge Overlook,9.2
    3,Wildflower Loop,5.1

    是不是简洁了很多？重复的键名、空格、括号都被去除了。

    官方仓库对于 TOON 的主要特征是这样描述的：

    TOON 文件在 HTTP 和内容类型感知的上下文中使用 .toon 扩展名和临时媒体类型 text/toon。TOON 文档始终采用 UTF-8 编码；可以指定 charset=utf-8 参数，但省略时默认为 UTF-8。

    TOON 看起来像添加了长度的 csv ？先别急，我们可以通过一个官方的对比案例理解一下 TOON 结构的真实魅力。

    原始 JSON是这样的：

{
  "context": {
    "task": "Our favorite hikes together",
    "location": "Boulder",
    "season": "spring_2025"
  },
  "friends": ["ana", "luis", "sam"],
  "hikes": [
    {
      "id": 1,
      "name": "Blue Lake Trail",
      "distanceKm": 7.5,
      "elevationGain": 320,
      "companion": "ana",
      "wasSunny": true
    },
    {
      "id": 2,
      "name": "Ridge Overlook",
      "distanceKm": 9.2,
      "elevationGain": 540,
      "companion": "luis",
      "wasSunny": false
    },
    {
      "id": 3,
      "name": "Wildflower Loop",
      "distanceKm": 5.1,
      "elevationGain": 180,
      "companion": "sam",
      "wasSunny": true
    }
  ]
}

    其中有各种特殊格式，比如嵌套、对象数组、非对象数组、普通对象等。转化为 TOON 后就变成了这样：

context:
  task: Our favorite hikes together
  location: Boulder
  season: spring_2025
friends[3]: ana,luis,sam
hikes[3]{id,name,distanceKm,elevationGain,companion,wasSunny}:
  1,Blue Lake Trail,7.5,320,ana,true
  2,Ridge Overlook,9.2,540,luis,false
  3,Wildflower Loop,5.1,180,sam,true

    在不影响人类可读性的基础上，TOON 去除了所有的普通对象中的大括号、空格甚至双引号，将所有的同构对象数组和普通数组都简化成类似CSV的结构，并将数组的总长度、键名都提前声明，便于大模型获取核心信息。

    这一点除了节省 token 外，官方认为还带来了识别和搜索效率的提升，这一点小瓜将在下一次更新**《探究TOON的价值边界：比JSON更优的大模型友好数据格式？》**中展开介绍。

    到这里为止，我们可以给 TOON 一个非常清晰的定义：**TOON 是一种为大模型输入设计的、对 JSON 进行结构压缩的表示方式。**它吸纳了 yaml、 csv 的表示特点，对 JSON 数据的表达结构进行了重构，在特定场景下能节约 token 的使用量。

    它通过**消除同构对象数组中的结构重复**和**显式声明数组规模与字段模式**来降低结构性 token 的消耗。但问题也随之而来，是不是所有 JSON 都适合 TOON？TOON 是否真的更利于模型理解？这些问题，将在下一篇《探究TOON的价值边界：比JSON更优的大模型友好数据格式？》展开。

    只有锻炼思维才能可持续地解决问题，只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助，麻烦您点个赞支持一下，还可以收藏起来以备不时之需，有疑问和错误欢迎在评论区指出~

    其他热门文章，请关注：