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。读完这篇，你就能把它用到自己的日常工作里。

信息抽取是什么，为什么有效

简单说，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。与人工阅读查找相比，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。

抽取任务最怕的是“看起来合理的错误”。AI 可能把讨论中的建议当成决定，把甲的任务记到乙头上。要求附上原文依据，是让错误可见的最好办法：你只需看一眼原句，就能判断提取是否正确。

适用场景

  • 从大量邮件、聊天记录中找出待办和承诺。
  • 从合同、协议中提取关键条款。
  • 整理调研访谈中的观点和数据。
  • 从简历、申请表中提取标准化信息。

怎么用：6 步上手

  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。
  4. 先用一两份材料测试，检查是否有漏提或错提。
  5. 根据测试结果调整定义，例如补充同义表达。
  6. 批量处理后抽查，重要信息逐条核对原文。

可直接复制的提示词

下面以老师的工作场景为例，方括号里的内容换成你自己的信息即可：

请从下面的教研活动记录中提取信息，输出表格：
| 事项 | 负责人 | 截止时间 | 原文依据（摘录原句）|
规则：
- 只提取明确提到的行动事项，讨论但未决定的不算；
- 负责人或时间未提及的，填“未明确”；
- 原文依据必须是原句摘录，不要改写。
记录：[粘贴]

效果示例

以下内容为虚构示例，仅用于说明效果：

示例输出（虚构）：

事项负责人截止时间原文依据
更新报价单小李周五“小李周五前把新报价单发出来”
联系物流公司未明确未明确“物流那边也得问一下”

新手最常犯的两个错误

  • 容易犯的错：不说清提取标准。更好的做法：给每个字段下定义，比如“行动事项必须有明确动作”
  • 容易犯的错：不要求原文依据。更好的做法：要求摘录原句，否则很难判断 AI 是否理解正确。

再进一步

  • 对日期类字段，要求统一格式并保留原文表述。
  • 提取结果用表格展示，便于直接复制到任务管理工具。

一个常见疑问

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。

提示词技巧的共同点是把你脑子里的隐含要求说出来。AI 不知道你的读者是谁、标准是什么，写得越具体，它越少猜测。

下一步

入门之后，可以看看信息抽取的进阶技巧和常见错误，再结合结构化输出一起使用。

相关阅读