已弃用

本页记录的是已弃用的 Extract v1 API。新的接入请使用 Extract v2；改造已有的 v1 代码请见v1 到 v2 迁移指南。

这份走查不只讲如何从非结构化文档里抽取结构化信息，还讲这份 schema 一开始该怎么来。LlamaExtract 允许你通过 SDK 或界面定义抽取 schema，也允许你让一个大模型替你生成 schema。

做法是提供下列之一或两者都给：一段简单的提示词描述你要抽什么数据，或者一份你打算从中抽数据的示例文件。

用示例和/或提示词生成 schema

创建抽取智能体时，你可以提供：

• 一个文件
• 一段简短的提示词

两者不必都给，但要使用 schema 生成功能，至少得给其中一个。

本例要为菜单生成 schema，目标不只是抽出列出的菜品，还包括过敏原与饮食限制信息 —— 这两者在不同菜单上的呈现方式可能差别很大。

我们从提示词 Extract menu items with their allergens and dietary restriction information 以及一张菜单图片开始：

编辑生成出的 schema

schema 生成后，你可以做最后一轮修改：改字段名、改描述、改是否必填，甚至删除或新增字段。本例我们不关心 category 与 portion_size 这两个字段，就把它们删掉：

发布配置并运行抽取

最后，你可以发布这个抽取智能体配置并跑一个抽取任务。本例的抽取结果如下：