LangChain数据提取指南
通过LangChain提取结果的质量取决于许多因素。
以下是一组指南，帮助您从模型中挤出最佳性能：
- 将模型温度设置为
0。 - 优化提示词。提示词应该精确而直接。
- 描述清楚你需要提取的数据信息。
- 提供参考示例！多样的示例可以帮助模型理解需求。
- 如果有大量示例，使用向量检索最相关的示例。
- 可以多测试几个模型，看看那个效果好。
- 如果要提取的数据结构非常庞大，请尝试将其分成多个较小的数据结构，运行单独的提取并合并结果。
- 确保数据结构允许模型拒绝提取信息。如果不允许，模型将被迫虚构信息！
- 添加验证/校正步骤（要求LLM校正或验证提取结果）。
牢记！
- LLM非常强大，但是不一定适合所有数据提取场景，如果你的要提取的数据来源比较固定，例如固定从某个页面抓取数据，使用传统的正则匹配之类的方法提取数据，更可靠。
- LLM提取数据，有时候也会出错，所以需要人工校验、检查数据。