字段提取

字段提取 用于从用户输入的自然语言中提取特定字段，并将其保存为变量供后续节点使用。相比单独配置大模型节点，它在字段定义、提取策略上更直接，也支持通过自定义提示词应对更复杂的提取任务。

指令标识：FieldExtraction
指令类型：AI 处理指令
指令描述：从自然语言中提取特定字段并保存为变量

先选使用方式

工作流支持「可视化编排」和「代码编排」两种创建方式。字段提取 是 AI 处理节点，核心是「输入文本」与「要提取的字段」，主要通过可视化编排配置。

方式	怎么用	适合人群
可视化编排（推荐）	拖入「字段提取」节点，选择模型、配置输入文本和提取字段	大多数用户，零代码，适合快速搭建
代码编排（执行指令 XML）	通过 执行指令 节点动态传入参数调用	需要动态生成或批量复用流程的用户

什么时候用？

• 需要从一段自然语言中提取关键信息（如名称、数量、时间等）。
• 上游输入不便直接使用，需要先结构化出关键字段。
• 想用比大模型节点更轻量的方式完成字段抽取。

使用前确认

• 已准备好需要提取信息的原始文本（可引用上游节点变量）。
• 明确要提取的字段：字段名、字段类型、字段描述。
• 字段命名具有语义（避免拼音），遵循变量命名规范。
• 根据效果与性能选择合适的模型（字段提取一般用小参数模型即可）。

可视化编排：从 0 到跑通

下面用一个常见场景演示：从用户的一句话里提取出店铺名称。按 4 步即可跑起来：

1. 在工作流画布中添加 字段提取 指令，并选择合适的模型。
2. 在 输入 中填写或引用待提取的原始文本，例如：

帮我查一下「示例餐厅」的营业时间

3. 在 提取字段 中定义要提取的字段，例如字段名 shopName、类型「字符串」、描述「店铺名称」。
4. 运行后，提取出的字段会作为变量输出，供后续节点引用。

参数说明

输入参数

界面名称	类型	必填	默认值	说明
模型	Enum	是	-	执行字段提取的模型，建议根据业务选择，常用小参数模型兼顾效果与性能。
输入	String	是	-	需要提取信息的原始文本，可引用上游节点变量。
提取字段	Array	是	-	需要提取的字段定义列表，每项包含字段名称、字段类型、字段描述。
高级设置	String	否	-	追加提示词或提取示例，用于提升复杂任务的提取效果。

输出参数

节点的输出包含固定字段，以及你定义的各提取字段。

界面名称	类型	说明
success	Boolean	字段提取是否成功。
reason	String	提取失败时的原因说明。
（自定义字段）	按定义	你在「提取字段」中定义的字段，提取成功后作为变量输出。

成功标准

• 节点运行状态为成功，success 为 true。
• 各自定义字段被正确提取并赋值。
• 提取结果与原始文本中的信息一致。

失败排查

现象 / 报错原文	可能原因	处理建议
提取速度慢	使用了推理模型	改用小参数模型（如 mini 系列），避免推理模型
报非标准 JSON 字段	字段结构过于复杂	简化字段结构，避免多层 Object 嵌套，尽量保持一层
提取结果不准确	字段描述不清、缺少示例	在高级设置中补充提示词和示例，或更换更强模型
字段缺失	原始文本中确无对应信息	确认输入文本包含目标信息，必要时调整字段定义

Python 代码编排

该节点主要通过可视化编排使用。如需在流程中动态编排，可使用 执行指令（XML）节点传入参数调用，无需手写 Python 方法。

字段提取依赖模型与字段定义，推荐在可视化画布中直接配置输入文本与提取字段。若需要在流程中动态传入文本、批量复用，可以通过 执行指令 节点，按界面上的「模型 / 输入 / 提取字段 / 高级设置」字段与输出变量传参调用。

常见问题

Q1：字段提取速度慢怎么办？

A： 字段提取任务相对简单，可使用参数量更小的模型（如 mini 系列），速度更快；避免使用推理模型，因其会消耗更多时间。

Q2：提取失败、提示非标准 JSON 字段怎么办？

A： 一般是字段结构过于复杂导致模型解析失败，可尝试：

优化方式	说明
切换模型	更换更强大的模型，但会增加处理时间
简化参数结构	只提取关键信息，避免过多 Object 嵌套，尽量保持一层
添加提示词	在高级设置中定义提示词、给出更多示例
使用其他节点	改用大模型节点，配置更多提示词和规则

相关指令

• 意图分类
• 大模型节点