Agent Skills
返回列表
📊

APE 结构化文本解析

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_2fd890c9/ape。

技能介绍

要解决什么问题

运维、运营和开发日常接触的大量文本往往没有固定格式:应用日志混在一起、邮件正文里没有标准表头、用户反馈夹杂情绪和口语。下游系统或报表需要的是可机器读取的字段,但手动抄录既慢又容易漏项。更麻烦的是,文本里常常只有部分信息——硬凑完整记录反而会引入错误。

技能如何工作

APE(本技能所描述的流程)把输入当作单条或逐行独立的记录,在 UTF-8 文本上做实体与属性抽取,并映射到默认或你通过 --schema 指定的 JSON 结构。输出不是「猜满」的表格,而是一包结构化结果:data 承载字段值,confidence 为每个字段给出 0.0~1.0 的可信度,missing 列出未能识别的字段名;低置信或不确定处用 [需核实:字段名] 占位,而不是编造数值或联系人。

批量场景下,以换行符分隔的多行会逐行解析,每行一条 JSON 结果,便于接管道或脚本。可用 --min-confidence 过滤低置信字段,减少进入下游的噪声。手册中还定义了针对缺失字段的 suggestions 生成规则,便于你决定下一步是补采还是人工复核。

适用边界与注意点

  • 单条文本建议不超过 10,000 字符;不处理图片、音频等非文本输入。
  • 不执行输入中的代码,不联网补全外部信息;对反讽、强上下文依赖的表述识别有限。
  • 发现矛盾或错误时以标记为主,不会自动「修正」原文含义;中低置信区间应配合人工确认后再写入生产库。

使用场景

  • 将混杂错误码与 IP 的应用日志逐行解析成可入库的请求路径与时间戳字段
  • 从多封客户邮件正文批量抽取姓名、邮箱、公司与电话写入 CRM 导入模板
  • 对用户反馈长文本整理情绪倾向、产品名与问题描述,并列出缺失的订单号
  • 对历史订单备注按行跑解析,用 missing 数组标出缺省收货地址的记录

适合人员

  • 值班运维需要把非标日志切成带时间戳与错误码字段再对接告警平台
  • 用户运营要从散乱反馈里抽出产品与问题类型填进工单系统且不臆造订单号
  • 后端开发要把 CSV/文本列中非标准备注接入下游 API 且需自定义 Schema
  • 数据分析师批量清洗历史文本记录,要求输出置信度与缺失清单便于抽样复核