langextract

LangExtract是由Google开发的Python库，利用大型语言模型（LLM）从非结构化文本中提取结构化信息。它通过用户定义的指令和少量示例，将文本内容（如临床笔记或报告）转换为结构化数据。该工具通过文本分块、并行处理和多轮提取优化长文档处理，并能将每个提取结果精确地溯源到原文，支持交互式可视化。它兼容多种LLM模型，无论是云端还是本地，无需微调即可适应各种领域。

• 精确溯源与字符定位：将每个提取结果精确映射回原文，支持可视化高亮。
• 结构化输出与Schema强制：基于用户定义Schema和少量示例，确保可靠的结构化数据输出。
• 长文档优化提取：采用文本分块、并行处理及多轮提取策略，提升长文本召回率。
• 交互式结果可视化：自动生成HTML文件，直观展示和审查提取实体。
• 多LLM模型兼容：支持Google Gemini、OpenAI等云端模型，以及Ollama本地部署模型。