你可以用我们的 Metadata Extractor 模块，让 LLM 自动完成元数据抽取。

我们的元数据抽取模块包含以下几种“特征抽取器”：

• SummaryExtractor —— 自动为一组 Nodes 抽取摘要
• QuestionsAnsweredExtractor —— 抽取每个 Node 能够回答的一组问题
• TitleExtractor —— 根据每个 Node 的上下文抽取标题
• EntityExtractor —— 抽取每个 Node 内容中提到的实体（地名、人名、事物等）

然后可以把 Metadata Extractor 与节点解析器串联起来：

from llama_index.core.extractors import (
    TitleExtractor,
    QuestionsAnsweredExtractor,
)
from llama_index.core.node_parser import TokenTextSplitter

text_splitter = TokenTextSplitter(
    separator=" ", chunk_size=512, chunk_overlap=128
)
title_extractor = TitleExtractor(nodes=5)
qa_extractor = QuestionsAnsweredExtractor(questions=3)

# assume documents are defined -> extract nodes
from llama_index.core.ingestion import IngestionPipeline

pipeline = IngestionPipeline(
    transformations=[text_splitter, title_extractor, qa_extractor]
)

nodes = pipeline.run(
    documents=documents,
    in_place=True,
    show_progress=True,
)

或者直接插入索引：

from llama_index.core import VectorStoreIndex

index = VectorStoreIndex.from_documents(
    documents, transformations=[text_splitter, title_extractor, qa_extractor]
)

资源

• SEC 文件元数据抽取
• LLM 调研问卷抽取
• 实体抽取
• Marvin 元数据抽取
• Pydantic 元数据抽取