如果你对信息抽取提示词还有疑问，可以先看看这 7 个问答。

Q1：信息抽取到底是什么？

信息抽取是让 AI 从非结构化的文字中找出特定信息，例如从合同中提取金额和期限，从聊天记录中提取待办事项，从简历中提取工作经历。它把“读完再找”的工作交给 AI。

Q2：为什么它有效？和人工阅读查找有什么不同？

AI 擅长理解不同说法表达的同一含义，比如“下周三前”“30 号之前”都是截止时间，这让它比关键词搜索更适合从自然语言中提取信息。人工阅读准确但耗时；AI 信息抽取速度快、能处理多种说法，但需要原文依据和抽查来保证准确。

Q3：哪些场景最值得用？

最典型的是两类：一是从合同、协议中提取关键条款；二是从简历、申请表中提取标准化信息。以客服为例，处理“跟进 15 个售后工单”这类工作时就很适合尝试。

Q4：具体怎么开始？

建议按这三步起步：

  1. 列出要提取的信息项，并给出每项的定义。
  2. 说明找不到时怎么处理，例如填“未提及”
  3. 要求同时给出原文依据，方便核对。

熟练之后再养成一个习惯：批量处理后抽查，重要信息逐条核对原文。

Q5：有没有现成的模板？

有，下面这个可以直接复制，按需替换方括号内容：

请从以下文本中抽取实体和关系，输出 JSON 数组：
[{"类型": "人物/机构/金额/日期/地点", "值": "", "上下文": "所在原句", "置信度": "高/中/低"}]
规则：
1. 同一实体多次出现只保留一次，上下文取第一次出现的句子；
2. 金额统一换算为数字并注明币种；
3. 对表述模糊的信息（如“月底左右”）置信度标为低；
4. 不推测文本中没有的信息。

Q6：能从扫描件或图片中提取吗？

支持图片识别的 AI 工具可以，但识别可能有误，数字和名称要格外仔细核对。

Q7：长文档会漏提吗？

有可能，建议分段处理，或者先让 AI 列出文档结构再逐段提取。

Q8：提取结果可以直接导入系统吗？

建议先经过格式校验和人工抽查，确认无误后再导入。

举个例子

举个虚构的例子：一位项目经理每周要从十几个群聊里整理待办事项。她把聊天记录导出后，让 AI 只提取“明确的任务、负责人、时间”并附原句。结果中有三条标为“负责人未明确”，她在周会上逐一确认，避免了任务没人认领的情况。

补充：最容易踩的坑和用好的诀窍

  • 让 AI 自行补全缺失信息。改进：明确要求未提及就标注，防止编造。
  • 一次提取太多字段。改进：先提取最重要的几项，复杂需求分多次完成。
  • 针对专业文档，先给 AI 一份术语解释，提取会更准确。
  • 让 AI 额外列出“可能相关但不确定”的内容，减少遗漏。

下一步学什么

掌握信息抽取之后，可以继续了解结构化输出和批量分类打标，它们经常和信息抽取一起使用，组合起来能处理更复杂的任务。

相关阅读