要使用 OpenAI 从非结构化文本中提取结构化数据，您可以利用 API 的自然语言处理能力，结合有针对性的提示和结构化输出格式。主要方法是将非结构化文本发送到 OpenAI 的模型（如 GPT-3.5 或 GPT-4），并明确指示其解析数据并以特定格式（如 JSON）返回。例如，如果您有一个产品评论，例如“电池续航 10 小时，屏幕为 6.5 英寸”，您可以提示模型提取特征（例如，“电池寿命”、“屏幕尺寸”）及其值作为键值对。然后，该模型可以返回结构化的 JSON，例如 {"battery_life": "10 hours", "screen_size": "6.5 inches"}。 这是因为该模型理解上下文，并且即使措辞不同也可以识别实体。
要实现此目的，您将使用 OpenAI API 的 ChatCompletion 端点。 首先，编写一个系统消息来定义任务，例如“从用户的文本中提取产品特征及其值并返回 JSON”。 然后，包含带有非结构化文本的用户消息。 为了获得更好的一致性，请使用函数调用（API 中的一项功能）来指定您期望的 JSON 模式。 例如，定义一个函数参数，以强制执行如下结构：{"type": "object", "properties": {"feature": {"type": "string"}, "value": {"type": "string"}}}。这减少了歧义，并引导模型与您的架构保持一致。您还可以调整诸如 temperature （较低的值，如 0.2，使输出更具确定性）和 max_tokens 之类的参数来控制响应长度。 使用各种输入进行测试有助于改进提示 - 例如，通过添加诸如“如果未提及某个功能，则返回 null”之类的说明来处理缺少的数据。
关键考虑因素包括验证和错误处理。即使使用清晰的提示，该模型有时也可能返回无效的 JSON 或遗漏细微的细节。 使用 JSON 解析器来捕获语法错误并实现重试或回退逻辑。 对于复杂的任务，可以预处理文本（例如，拆分大型文档）或链接多个 API 调用 - 首先识别实体，然后提取详细信息。 成本是另一个因素：处理数千个文本片段可能会增加成本，因此可以通过批量处理请求或缓存结果来优化。 最后，使用测试数据集评估性能，以衡量准确性并迭代调整提示。 例如，如果模型将“轻量级”错误地解释为物理重量而不是隐喻，请使用诸如“将 ‘轻量级’ 之类的形容词视为名为 ‘重量’ 的功能，其值为 ‘轻量级’”之类的示例来阐明提示。 这种清晰的说明、架构实施和测试的平衡可确保可靠的提取。