LLM 能够摄取大量非结构化数据并以结构化格式返回，而 LlamaIndex 已为此做好准备。

用 LlamaIndex，你可以让 LLM 阅读自然语言并识别出语义上重要的细节——姓名、日期、地址、数字等——并以一致的结构化格式返回，无论源数据是什么格式。

当你有聊天记录、对话转写这类非结构化素材时，这一点特别有用。

拿到结构化数据后，你可以把它们送入数据库，也可以在代码里解析这些结构化输出来自动化工作流。

完整教程

我们的 Learn 板块有一份结构化数据抽取完整教程，建议从那里开始。

还有一个示例 notebook演示了教程中的一些技术。

其他指南

想要关于「用 LlamaIndex 做结构化数据抽取」更全面的概览（含更底层的模块），请看以下指南：

• 结构化输出
• Pydantic Programs
• 输出解析

我们也支持多模态的结构化数据抽取。来看看。

其他示例

一些展示用例的额外示例：

• 从人物描述中抽取姓名与地点
• 从乐评中抽取专辑数据
• 从邮件中抽取信息