LLM 智能结构化数据抽取工具

企业服务数据服务案例ID：252397

Lawliet

2 年经验· 用友网络科技股份有限公司

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

杂乱文本、扫描版 PDF、图片里的联系人、发票、销售线索，人工录入费时费力还容易出错。

我开发了一个 AI 驱动的信息抽取工具：把非结构化文档一键转换成干净、经过格式校验的结构化数据，每个字段带置信度评分和实时成本统计。

核心功能

- 预置场景开箱即用：联系人 / 发票 / 销售线索三类抽取模板（字段中英文双语显示）
- 自定义数据结构：可自定义字段，也支持 AI 从一份样例文档自动推断 Schema
- 字段级置信度：每个抽取字段带 0–1 置信分，空值自动置 0，低置信数据一眼可辨
- 自动格式校验：邮箱 / 电话 / URL / ISO 日期通过「格式 → 校验器」注册表动态挂载
- 实时成本追踪：单次抽取的 token 用量与 USD 成本，批量任务自动汇总
- 多格式输入：纯文本、PDF（文本层 + 逐页 OCR 兜底，支持扫描件）、图片（PNG/JPEG/BMP 视觉 OCR）
- 批量并发处理：并发限制器控制速率，单条失败不影响整批，部分结果保留
- 双语 Web 界面（中/英）、最近 20 次任务历史一键恢复、JSON / Excel 导出（结果 + 置信度双 sheet）
我的角色：独立开发者，全栈完成——架构设计（严格单向分层的模块依赖）、后端、前端、CLI、测试与 Render 部署。

技术栈与质量

- 后端：FastAPI + Pydantic-AI Agent（temperature=0），动态 Pydantic 模型按 Schema 实时生成；支持 DeepSeek / OpenAI 等多模型切换
- 前端：React + TypeScript，中英双语
- 200+ 测试全部离线运行（TestModel 模拟 LLM），API 成本为零；TDD 全程红-绿-重构
- Render 单服务部署，冷启动一次

关键词：LLM 应用开发 / AI 信息抽取 / 结构化数据 / PDF 解析 / OCR / 发票识别 / 名片录入 / 数据清洗 / FastAPI / Pydantic / React