最新

AI 怎么把长文提取成结构化清单

直接说提取要点,结果每次都不一样。讲清字段怎么定、缺项怎么标、长文怎么分段,以及抽完结果怎么核对。

把一份长报告、合同或者会议记录丢给 AI,让它提取要点,第一次给三行,第二次给一大段,字段还都不一样。原因多半不是模型不行,而是没把清单该长什么样定下来。

入口在哪

  • 入口就是提示词本身。先写字段清单,再给一条样例,最后写清楚缺项怎么标,这三段决定输出稳不稳定。
  • 文件入口:多数工具支持上传文档或者把文本直接粘进对话框,长文档优先用上传,避免粘贴时丢格式。
  • 分段入口:按章节、按页码把长文切开,每段单独提取,最后合并,比一次性塞进去可靠。

具体步骤

  1. 先定字段。要哪几列就写哪几列,每一列配一句定义,比如「金额指合同里写明的含税总价」。
  2. 给一条样例。手写一行原文、一行对应的输出,比写十句描述更有用,模型会照着这个格式走。
  3. 写缺项规则。原文没有的就写「未提及」,不允许推测、不允许补全,这一条能挡掉大部分编造。
  4. 要求附原文摘录。每条结果后面跟一句原文里的短句,核对时一眼就能定位。
  5. 分段处理。按章节切,每段控制在工具能稳定处理的长度,段与段之间保留标题,合并时按标题去重。
  6. 固定输出格式。字段顺序统一,用表格或者固定的分隔符,方便直接粘回表格软件。
  7. 抽检。随机挑几条回原文比对,错了就回头改字段定义,而不是逐条手动改结果。

几个坑

  • 只说「提取要点」。没有字段就没有边界,输出会随文档长度和措辞变来变去。
  • 没写缺项规则。原文没写的数字,模型很可能顺手补一个看起来合理的小数。
  • 一次塞太长。超出处理范围后,中间章节最容易被跳过,而且不会有任何提示。
  • 字段名有歧义。「金额」不写清楚含税还是不含税,两份文档出来的口径就不一样。
  • 把结果直接当事实用。抽取只是初稿,涉及金额、日期、责任条款必须回原文核对。
  • 同一份文档反复重跑却不改定义。结果不稳定时先怀疑字段定义,而不是急着换模型。

怎么验证

抽十条回原文逐条比对,统计漏项和错项:漏得多说明分段太粗,错得多说明定义不清。再把同一份文档跑两遍,如果两次字段对得上但取值不同,通常是原文表述模糊,需要补一条判定规则。最后换一份没见过的文档试跑,能稳定输出才算这套提示词可用。涉及合同、财务、医疗的内容,抽取结果只能当索引,结论仍然要人看原文。

常见问题

字段太多怎么办

分批跑。先跑最关键的几个字段,确认稳定之后再加下一批,每批控制在能一眼核对的数量。一次要二十个字段,错在哪都很难定位。

输出格式总是乱

把格式写死:固定分隔符、首行写字段名、每条一行、不要额外解释。还乱就让它先输出成结构化文本再转成表格,或者反过来先给一个空表头让它填。

能不能直接导出成表格

看工具。支持导出的直接导,不支持的就复制粘贴,粘贴后检查日期和数字有没有被自动改成别的格式,金额单位和千分位最容易出错。

一句话总结:字段、样例、缺项规则三样写清楚,长文分段跑,结果抽检回原文,AI 才能稳定产出能用的清单。