Repolode
提交项目
google

google/langextract

一个 Python 库，利用 LLM 从非结构化文本中提取结构化信息，并将每条结果对应回原文位置。

在 GitHub 查看官网
Star
39,274
Fork
2,750
未关闭 Issue
114
最近提交
昨天

这是什么？

LangExtract 接收一段用自然语言描述的抽取任务和少量示例标注，调用 LLM 处理文档，并按照统一的结构返回实体及其属性。每个抽取结果都会映射到原文中的准确字符区间，便于核对。无法在输入文本中定位的抽取结果会被标记为无区间，方便过滤掉模型从示例中照搬的内容。

面对长文档时，库会将文本分块、并行处理，并支持多轮抽取以提高召回率。结果可保存为 JSONL，并生成可独立打开的交互式 HTML 页面，在原文语境中审阅实体。主要支持 Gemini 模型，也内置 OpenAI 以及通过 Ollama 运行的本地模型，并提供插件机制接入其他模型服务。

核心功能

  • 01将每个抽取出的实体映射到原文中的准确位置。
  • 02通过少量示例定义统一的输出结构。
  • 03长文档分块并行处理，支持多轮抽取。
  • 04生成可交互的独立 HTML 结果可视化页面。
  • 05支持 Gemini、OpenAI，以及通过 Ollama 运行的本地模型。
  • 06提供插件机制，可接入自定义模型服务商。

适用场景

  • 将临床记录或放射科报告整理为可检索的结构化字段。
  • 从小说或长文本中提取人物、关系和事件。
  • 将合同或文档转化为可核对原文的结构化记录。
  • 无需微调模型即可快速搭建信息抽取原型。

快速上手

  1. 1

    从 PyPI 安装该包

    pip install langextract
  2. 2

    为 Gemini 等云端模型设置 API 密钥

    export LANGEXTRACT_API_KEY="your-api-key-here"
  3. 3

    编写提示词和示例，然后用输入文本调用 lx.extract

使用前须知

  • Gemini、OpenAI 等云端模型需要 API 密钥账户，部分可能收费。
  • 抽取质量取决于所选 LLM、提示词措辞和示例。

收录于专题

本地运行大模型自然语言处理工具与库

标签

#llm#nlp#information-extraction#structured-data#gemini#python#ollama#gemini-ai#gemini-api#gemini-flash

常见问题

langextract 是什么？
一个 Python 库，利用 LLM 从非结构化文本中提取结构化信息，并将每条结果对应回原文位置。 LangExtract 接收一段用自然语言描述的抽取任务和少量示例标注，调用 LLM 处理文档，并按照统一的结构返回实体及其属性。每个抽取结果都会映射到原文中的准确字符区间，便于核对。无法在输入文本中定位的抽取结果会被标记为无区间，方便过滤掉模型从示例中照搬的内容。
langextract 可以免费使用吗？用的什么许可证？
langextract 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
langextract 还在维护吗？
活跃维护中。langextract 最近一次提交是在 2026年11月6日。
langextract 适合用来做什么？
将临床记录或放射科报告整理为可检索的结构化字段。 从小说或长文本中提取人物、关系和事件。 将合同或文档转化为可核对原文的结构化记录。 无需微调模型即可快速搭建信息抽取原型。
langextract 怎么安装和运行？
从 PyPI 安装该包: pip install langextract 为 Gemini 等云端模型设置 API 密钥: export LANGEXTRACT_API_KEY="your-api-key-here" 编写提示词和示例，然后用输入文本调用 lx.extract
在哪里获取 langextract？
源代码和安装说明在 GitHub 上：https://github.com/google/langextract

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目