职贝云数AI新零售门户

标题: Google开源!用AI大模型从文本中提取结构化数据,支持本地部署! [打印本页]

---

作者: KoVPKB8er8    时间: 6 天前
标题: Google开源!用AI大模型从文本中提取结构化数据,支持本地部署!
开源地址：https://github.com/google/langextract

👆 点击关注本公众号，获取更多AI前沿技术干货！

---

关注即动力


各位亲爱的读者冤家们，感激你们一路以来的支持！你们的每一次关注、点赞、收藏，都是我们持续创作的最大动力。记得点击右上角「关注」按钮，不错过任何一篇有价值的技术文章哦～ 💪

💡 温馨提示： 觉得文章有用的话，别忘了动动手指点赞👍、收藏⭐、评论💬，三连走一波，让更多开发者看到！

---

✨ 项目亮点速览


LangExtract 是 Google 推出的一个超酷的 Python 库，它能让大言语模型（LLM）从非结构化文本中智能提取结构化信息。听起来很拗口？简单来说，就是让 AI 帮你从一大堆文字里"挖"出你想要的关键信息！

这个项目的核心亮点包括：

🎯 精准的来源定位 - 每一条提取的信息都能追溯到原文的详细地位，还能自动高亮显示，方便人工核对

📊 牢靠的结构化输入 - 基于少样本示例强迫输入格式，运用可控生成技术保证结果的分歧性

📚 优化长文档处理 - 智能分块+并行处理+多轮提取，完美处理长文档中"大海捞针"的难题

🎨 交互式可视化 - 一键生成可交互的 HTML 报告，直观查看成千上万条提取结果

🤖 灵敏的模型支持 - 既支持云端大模型（Gemini、OpenAI），也能用本地开源模型（经过 Ollama）

🏗️ 零训练，开箱即用 - 只需几个示例就能定义任何范畴的提取义务，无需模型微调

---

🚀 实践部署步骤

安装环境预备


pip install langextract

配置 API 密钥（如运用云端模型）

Gemini：央求 Google AI API KeyOpenAI：央求 OpenAI API Key本地模型：跳过此步骤


编写提取义务代码


import langextract as lx# 定义提取提示词prompt = "提取文中的人物、情感和关系"# 提供示例数据examples = [lx.data.ExampleData(...)]# 执行提取result = lx.extract(    text="你的待处理文本",    prompt=prompt,    examples=examples)
处理长文档（可选）


# 运用智能分块处理长文本result = lx.extract(    text=long_text,    prompt=prompt,    examples=examples,    max_chunk_length=1000  # 每块最多1000 tokens)
生成可视化报告


# 保存为交互式 HTML 文件result.save_html("output.html")

---

📋 开源协议


Apache License 2.0

---

🎯 实践运用场景

场景一：医疗病历结构化


医院每天产生大量非结构化的临床笔记和诊断报告。用 LangExtract 可以自动提取患者的症状、用药、诊断结果等关键信息，大大提高病历数字化效率。
场景二：法律合同审查


律师们需求从冗长的合同文件中提取关键条款、责任主体、日期等信息。LangExtract 能协助疾速定位重要内容，降低人工审查的工作量。
场景三：社交媒体舆情分析


从海量社交媒体评论中提取用户情感倾向、品牌提及、关键词等信息，为市场分析和舆情监控提供数据支持。

---

⚠️ 免责声明


本文档内容来源于 Google 开源项目的官方阐明文档搬运翻译，本公众号作者不对文章内容的准确性、残缺性或时效性承担任何责任。如需运用该项目，请以官方文档为准。

---

欢迎各位在评论区积极讨论 AI 技术落地运用，包括对当前项目的技术研讨、运用心得、改进建议等！🤗 让我们一同窗习，共同提高！

---

关注本公众号后，回复关键词「工作流」，即可获取我们精心搜集整理的收费AI资源包！

---

欢迎光临 职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)

Powered by Discuz! X3.5