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。

总体性能最佳实践

要让抽取成功率最高：

1. 调试时先用最强的模型：排查抽取问题时，请用 PREMIUM 模式配上强的解析/抽取模型。模型选择对抽取成功率影响很大 —— 可选型号见可用模型。如果用强模型抽取成功，再往下降级就能定位是哪些具体字段在低配模式下出问题。例如 BALANCED 模式只抽到 10 个数组元素里的 5 个，可以通过改动抽取目标 解决。但若连最好的模型也抽不出来，问题多半出在你的 schema 设计上（例如字段描述含糊）。

   # Start debugging with a powerful configuration
   extraction_config = {
       "mode": "PREMIUM",
       "parse_model": "anthropic-sonnet-4.5",
       "extraction_model": "openai-gpt-5"
   }

2. 先小后大、反复迭代：先用数据或 schema 的一个子集验证抽取思路，在 schema 描述上反复打磨（例如加示例、加格式说明），把准确度做上去再扩大规模。

3. 设计清晰、聚焦的 schema：宁可要精准的短描述，也不要那种试图包办一切的冗长字段。见schema 设计 与避免复杂的字段变换。

4. 善用文档结构：用页范围、抽取目标、章节与切块策略来优化处理。见选项。

5. 有策略地组合工具：LlamaExtract 擅长从文档里抽取信息。请把力气花在这个长处上，计算类与校验类的工作交给配套工具（例如繁重的计算放在后处理步骤里做）。

从表格与有序列表抽取

情形： 处理含表格、电子表格（CSV/Excel）或实体有序列表的文档时，你希望每一行、每一项都被完整且准确地抽出来。

使用 PER_TABLE_ROW 抽取目标：如果你只想从表格或实体有序列表里抽取、转换数据，就用 PER_TABLE_ROW 抽取目标。它逐行处理，从而覆盖完整、结果准确。

# Optimal: Use PER_TABLE_ROW for tabular data extraction
extraction_config = {
    "extraction_target": "PER_TABLE_ROW",
}

schema 里还有表格之外的元素时： 如果你的 schema 含有需要从表格外抽取的字段（例如文档元数据、页眉或概要信息），有两种做法：

1. 拆分抽取任务：表格数据与非表格元素分别跑抽取（前者用 PER_TABLE_ROW）。

   # First extraction: Get document-level metadata
   metadata_result = client.extraction.extract.extract(
       file_id=file_id,
       schema=metadata_schema,
       config={
           "extraction_target": "PER_DOCUMENT"
       }
   )
   
   # Second extraction: Get table row data
   table_result = client.extraction.extract.extract(
       file_id=file_id,
       schema=table_row_schema,
       config={
           "extraction_target": "PER_TABLE_ROW"
           "page_range": "5-10"  # Adjust these accordingly to send pages with the table
       },
   )

2. 在 PREMIUM 模式使用推理模型：若要在一次处理中同时抽出表格与非表格元素，请在 PREMIUM 模式下使用 gpt-5 或 gpt-5-mini 这类抽取模型。注意这种做法会更慢。

   extraction_config = {
       "extraction_model": "openai-gpt-5",
       "mode": "PREMIUM"
   }

避免复杂的字段变换

不要把业务逻辑写进字段描述里。先抽出干净的数据，再在你的应用代码中做计算。

# ❌ Problematic: Too much logic in the field description
problematic_field = {
    "calculated_score": {
        "type": "number",
        "description": "If revenue > 1M, multiply by 0.8, else if revenue < 500K multiply by 1.2, otherwise use the base score from table 3, but only if the date is after 2020 and the category is not 'exempt'"
    }
}

# ✅ Better: Simple extraction, handle logic separately
better_schema = {
    "revenue": {"type": "number", "description": "Total revenue in dollars"},
    "base_score": {"type": "number", "description": "Base score value from the scoring table"},
    "date": {"type": "string", "description": "Date in YYYY-MM-DD format"},
    "category": {"type": "string", "description": "Business category"}
}

# Then handle calculations in your application code:
def calculate_final_score(extracted_data):
    revenue = extracted_data["revenue"]
    if revenue > 1000000:
        return extracted_data["base_score"] * 0.8
    elif revenue < 500000:
        return extracted_data["base_score"] * 1.2
    return extracted_data["base_score"]