信息抽取的结构是怎么设计的？每一步都讲透

面对一堆发票、邮件、公告，想让 AI 把里面的字段抠出来填进表格，靠的就是信息抽取提示。这类提示的第一原则：先把输出结构定死，再谈怎么抽。DeepSeek、智谱清言这类模型都具备这个能力，但结构没定好，抽出来就是一锅粥。结构先行的意思很朴素：先想清楚要什么样的结果，再让模型去填空。

抽取提示的结构骨架

一份完整的抽取提示通常分五块：任务说明、字段清单、字段定义、输出格式、处理规则。任务说明一句话讲清「从什么文本里抽什么」；字段清单列出要的槽位；字段定义解释每个槽位的含义和取舍；输出格式规定用键值对还是表格；处理规则交代缺值、多值怎么办。五块齐了，提示才算完整。很多失败案例并非模型抽不出，而是提示里压根没告诉它「抽出来长什么样」。

字段定义：每个槽位写清取舍

每个字段都要回答三个问题：从原文哪里找、找到多个取哪个、找不到怎么办。以抽取通知类文本为例，「发文日期」要写明优先取落款处的日期，正文里出现的其他日期一律不算；「发文单位」遇到多个单位并列时取第一个。这些取舍规则写进定义里，模型才不会随机挑一个糊弄你。字段定义是整个提示里最值得花时间的部分，它决定了模型在歧义处的行为是否可预期。字段定义还有一个隐藏作用：它是验收标准，抽出来的结果对不对，回头对着定义逐条检查就行，不必重新讨论。

拿不准的值怎么让模型表态

抽取最怕模型硬编。要在提示里明确给出表态通道：找不到就填「无」，拿不准就填「不确定」，禁止编造。再补一条「不确定的值后面用一句话说明原因」，复核时一眼就能看出哪些字段需要人工看。给模型留「说不知道」的出口，整体准确率反而上升，因为编出来的假值比空值难查得多。

抽取结果的清洗与复核

拿到结果先做三件事：查格式是否统一、查空值比例是否异常、抽十条人工比对。空值比例突然升高，通常是原文版式变了，提示没跟上。秘塔AI搜索这类工具可以把检索和整理连起来用，但复核环节省不得。批量跑之前先小规模试跑，确认字段定义没有歧义，再放量，比一次性全量跑完再返工划算。复核时重点看两类字段：空值要逐条确认原文里确实没有，「不确定」要判断是定义问题还是原文问题，两类查完，剩下的值基本可以直接用。

抽取常和改写、分类配合出现：原文版式太乱时，先按改写任务的保义换形整理再抽；抽取对象需要先分流时，参考分类任务的标签体系；把抽取能力装进对话机器人，见对话机器人的稳定人设；抽取结果的文风整理，见写作任务的风格示例。

抽取提示速查表

• 字段清单逐个列，一个不多一个不少
• 每个字段写清取哪舍哪、多值取谁
• 空值填「无」，拿不准填「不确定」，禁止编造
• 先试跑十条，再放量

一句话收住：结构定得越死，抽得越稳。

抽取是典型的「磨提示」任务，第一版几乎不可能十全十美，跑一轮复核改一轮，三轮之后基本就能放手。

关于信息抽取的三个常问问题

• 字段太多时提示怎么组织？：按业务模块把字段分组，每组配一小段定义，比一条长清单更容易让模型对号入座。
• 表格型原文怎么抽？：先在提示里说明表格的行列含义，必要时让模型先复述表结构，再按字段抽取。
• 抽取和结构化输出是什么关系？：结构化输出是形式，抽取是任务，前者是后者的交付方式之一，两者常常一起写进提示。