场景 · 结构化抽取

结构化抽取:定义字段 + 校验 + 重试

抽取任务的成败在「字段定义是否无歧义」和「输出是否可校验」,不在模型有多强。

提示词模板

systemtext
你是信息抽取器。从用户提供的文本中抽取字段,输出且仅输出 JSON:
{"company": string|null, "amount": number|null, "date": "YYYY-MM-DD"|null, "contact": string|null}
规则:
1. 找不到的字段填 null,不要猜测;
2. 金额只保留数字,去掉货币符号;
3. 不要输出任何解释文字。

校验与重试

  1. 用 json.loads 解析,失败则把错误信息回传给模型让它修正(最多 1 次);
  2. 做字段级校验:类型、日期格式、金额范围;
  3. 校验失败的样本单独落盘,人工抽查,不要静默丢弃。

批量处理

逐条请求便于重试与定位,比一次性塞 100 条更可靠。并发控制在 3–5, 失败样本进重试队列。用轻量档模型即可,参考 模型价格 里的最低价型号。

常见失败模式

  • 模型在 JSON 外包了一层 ```json 代码块——解析前先剥离;
  • 字段名被翻译成中文——在 schema 里明确写「键名必须是英文原文」;
  • 多条记录时把结果合并成一条——要求输出数组并在提示词里给示例。

常见问题

抽取任务一定要用旗舰模型吗?

不需要。字段明确的抽取任务用轻量档即可,低准确率的样本再用旗舰模型兜底。

模型输出的 JSON 不合法怎么办?

先剥离代码块标记,再解析;失败时把解析错误回传给模型要求重出一次,仍失败则标记为待人工处理。