谷歌开源 LangExtract:免费文档抽取工具叫板 10 万美元企业方案
mdancho84 · x · 2026-10-28
谷歌发布开源 Python 库 LangExtract,用 LLM 从非结构化文本中抽取结构化信息,作者称其可替代价格高达 10 万美元级的企业级文档抽取工具。
核心特性:
- 从杂乱文本抽取结构化数据,基于用户定义的指令与少样本示例
- 精确溯源:每个抽取字段都映射到原文确切位置,支持可视化高亮校验
- 针对「大海捞针」场景优化,可处理 100+ 页长文档
- 生成交互式 HTML 供人工核验抽取结果
- 支持 Gemini、OpenAI 模型,也可通过 Ollama 跑本地模型
项目已在 PyPI 上架(v1.1.1,GitHub 24k+ star),附临床笔记、药物抽取、剧本实体抽取等示例。
「编程与Agent」频道最新
- Claude 拦下伪装成认证错误的朝鲜供应链攻击代码 — banteg · 2026-10-28
- Expo 官方开源 AI Agent 技能集,GitHub 星数突破 3300 — expo · 2026-10-28
- Lucas Meijer:写 skill 强迫你说清自己真正在意什么 — lucasmeijer · 2026-10-28
- 提示词注入被检测到≠被拦截：Agent 安全护栏验证四问 — shoumikgoswami · 2026-10-28
- 安全团队拷问：哪些 MCP Server 企业可用、如何治理？ — MorePerspectived · 2026-10-28
- mitsuhiko 谈 Pi 的 codemode 设计:classify 不配自定义 harness 就没意义 — mitsuhiko · 2026-10-28