投稿 提交工具 投放合作

LangExtract:基于 LLM 的结构化信息抽取库

大语言模型 39.3k(+8) 2.8k Python 2026-11-17 在 GitHub 打开

Python 库,按用户定义的指令从非结构化文本中抽取结构化信息并映射回原文位置。

LangExtract 是一个 Python 库,使用 LLM 根据用户定义的指令从非结构化文本文档(如临床记录或报告)中抽取结构化信息,并确保抽取结果与源文本对应。其特点包括:精确的源文本定位,将每条抽取映射到原文确切位置以便高亮核验;基于少样本示例强制一致的输出 schema,在 Gemini 等支持的模型上利用受控生成保证结构化输出;针对长文档优化,通过文本分块、并行处理与多轮处理提升召回;可生成自包含的交互式 HTML 可视化文件;灵活的模型支持,涵盖 Google Gemini 等云端模型与通过内置 Ollama 接口接入的本地开源模型;无需微调即可用少量示例适配任意领域。README 说明示例驱动模型行为,无法在源文本中定位的抽取其 char_interval 为 null,可据此过滤。

Star 趋势2026-11-08 — 2026-11-17当前 Stars 39k24h +87 日 +49

39k11-0811-1111-1211-1311-1411-1511-1611-17