資訊抽取提示詞（從合同、簡歷、發票、電郵等文本中抽取字段成表格：原文依據、缺失標註、格式歸一、人工核對）
要從大量非結構化文本里提取固定字段（合同中的甲乙方、金額、期限，簡歷中的學歷、工作年限，發票中的稅號、金額，電郵中的訂單號與訴求）整理成表格時用：AI 幫你定義字段與格式規則，生成抽取提示詞，要求每個字段附原文依據、缺失就標註缺失，並設計核對方法。
通用大模型 對話模型通用
你是一名資訊抽取方面的專家。請幫我設計一個從文本中抽取字段的方案。 - 文本類型：[文本類型]（例：採購合同、候選人簡歷、供應商發票） - 需要抽取的字段：[字段清單]（例：甲方、乙方、合同金額、簽訂日期、有效期、付款方式） - 文本來源與質素：[文本來源]（例：PDF 轉換的文字，可能有錯字和換行錯亂） - 樣例文本（1 到 3 份，敏感資料已脫敏）： [樣例文本] - 輸出用途：[輸出用途]（例：導入表格做合同台帳） 請輸出： 1. 字段定義表：字段 | 含義 | 輸出格式（例如日期統一為年-月-日，金額統一為數字並註明幣種與是否含稅）| 在文本中常見的表述方式 | 多個候選值時的選擇規則（例如合同中出現多個金額時取「合同總價」）。 2. 抽取提示詞： - 每個字段輸出「值」和「原文依據」（逐字引用原文片段），便於核對； - 文本中找不到的字段輸出 null 並註明「未找到」，絕不推測或編造； - 原文存在歧義或矛盾時（例如大寫金額與小寫金額不一致），輸出兩個值並標註「存在矛盾，需人工確認」； - 統一的輸出格式（JSON 或表格行）。 3. 格式歸一規則：日期、金額、電話、身份證號等的標準化方法；中文大寫數字的轉換。 4. 長文本處理：文本很長時，先定位相關章節再抽取，或分段抽取後合併，說明合併時的衝突處理。 5. 核對方案： - 程序自動校驗：格式是否正確、必填字段是否為空、原文依據是否真的出現在原文中； - 人工抽檢的比例與優先抽檢的情況（金額字段、標註為矛盾的記錄）。 6. 私隱提醒：簡歷、合同中的個人資料與商業資訊，處理前確認使用範圍，必要時先脫敏。 先用我提供的樣例演示一次抽取結果。
高亮處換成你自己的內容：[文本類型]、[字段清單]、[文本來源]、[樣例文本]、[輸出用途]
ChatGPT Plus 充值
已被複製 1 次
使用說明
怎麼填變量：[字段清單] 要列出你真正需要的字段，並在 [輸出用途] 中說明後續怎麼用，這樣 AI 能確定每個字段的格式。[樣例文本] 至少給一份，最好包括格式不規範的那種。處理合同、簡歷這類包含個人資料和商業資訊的文本，請先確認是否允許交給外部模型處理。
常見坑：
- 不要求原文依據，抽取結果裏混進了模型「推測」的值，人工核對時也無從查起。每個字段附原文引用，核對效率高得多。
- 字段格式不統一（「2026年10月7日」「2026/10/7」「十月七日」混在一起），導入表格後無法篩選和計算。
- 合同中出現多個金額、多個日期，沒有規定取哪一個，結果時對時錯。
追問技巧：追問「把這個抽取流程寫成批量處理腳本，讀取文件夾中的所有文件，輸出一張表格和一份需要人工核對的清單」，或「增加一個字段：根據付款條款判斷是否存在預付款風險」。
示例輸出
示例，僅供參考（採購合同抽取結果節選）
json
{
"甲方": {"值": "某某科技有限公司", "依據": "甲方（採購方）：某某科技有限公司"},
"合同金額": {
"值": [128000, 120800],
"依據": ["合同總價：人民幣壹拾貳萬捌仟元整", "（小寫：¥120,800.00）"],
"備註": "大寫與小寫金額不一致，需人工確認"
},
"簽訂日期": {"值": "2026-09-15", "依據": "簽訂日期：2026 年 9 月 15 日"},
"有效期": {"值": null, "依據": null, "備註": "未找到"}
}同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～