Agent Skills
返回列表
文本转结构化表格|字段提取与缺失标记

文本转结构化表格|字段提取与缺失标记

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_56cc2cdd/structure-text-as-table-e02。

技能介绍

要解决什么问题

清单、访谈纪要或批量粘贴的资料往往是连续段落,而不是可直接分析的行列数据。手工拆行、对齐字段、标注「原文没写」既慢,也容易在实体合并或补全上引入幻觉。你需要的是:在不改写原文的前提下,把已有文本映射到固定列,并让每一个取值都能指回段落编号。

技能如何工作

在用户给出文本、目标字段和输出格式(Markdown 表格或 CSV)后,技能按执行规则逐段读取材料:

  • 每个可识别实体输出一行,并保留来源段落编号
  • 材料中未出现的字段写为 未知(或按你约定的「未明确」表述),不推断、不补写
  • 两个条目可能指向同一实体但证据不足时,不合并,歧义需在输出中显式标记
  • 结果附带来源段落与缺失/歧义说明,便于核对

整条链路依赖用户提供的材料,无需外部账号、联网或修改源文件权限。

适用边界与注意点

技能只适合「字段已定、原文已定」的抽取任务;若需要你猜测缺失值或自动消歧同名实体,应改用其他流程。输出质量取决于字段定义是否清晰、原文段落是否可编号;分段方式建议在提问时与模型对齐,避免后续对不上来源。

使用场景

  • 用户调研后有多段访谈纪要,需按姓名、角色、痛点等列导出 Markdown 表并标出来源段
  • 法务或采购清单以纯文本发来,要逐条落成 CSV 且未写明金额等字段标为未知
  • 运营从聊天记录整理竞品功能点,字段固定但同产品多次出现且不宜贸然合并
  • 研究助手把文献摘录按论文、方法、样本量等列结构化,缺项须显式而非推断

适合人员

  • 做定性研究、需把访谈原文对齐到编码表的研究员或 UX 调研员
  • 合规或运营同学要把邮件/文档里的条目清单化,且不能接受模型擅自补全字段
  • 数据分析师在入库前只做「带来源的行级抽取」,后续再在 BI 里清洗合并
  • 写技术文档的编辑要把长篇资料拆成可核对的事实表供评审对照原文